Vyjmenujte primitivní celočíselné pravoúhlé trojúhelníky s přeponou do meze od nuly do 500.
from math import gcd
def primitive_triples(limit):
if type(limit) is not int or not 0 <= limit <= 500:
raise ValueError("hypotenuse.limit")
result, m = [], 2
while m * m + 1 <= limit:
for n in range(1, m):
c = m * m + n * n
if c <= limit and (m - n) % 2 and gcd(m, n) == 1:
a, b = sorted((m * m - n * n, 2 * m * n))
result.append((a, b, c))
m += 1
return sorted(result, key=lambda t: (t[2], t[0], t[1]))Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.
Nastavte endpoint kompatibilní s OpenAI nebo Anthropic pomocí základní URL a případného API klíče. Otestujte připojení. Lokální server modelu musí běžet; vzdálené nástroje mohou data odesílat samostatně.
Ověřte prázdný výsledek a 3-4-5, vynechte násobky a vraťte každou trojici jednou se seřazenými odvěsnami.
from math import gcd
def primitive_triples(limit):
if type(limit) is not int or not 0 <= limit <= 500:
raise ValueError("hypotenuse.limit")
result, m = [], 2
while m * m + 1 <= limit:
for n in range(1, m):
c = m * m + n * n
if c <= limit and (m - n) % 2 and gcd(m, n) == 1:
a, b = sorted((m * m - n * n, 2 * m * n))
result.append((a, b, c))
m += 1
return sorted(result, key=lambda t: (t[2], t[0], t[1]))TripleMistral nabízí pracovní prostředí pro programování s AI ve Windows pro vývoj malých výpočetních komponent, které musí zapadnout do větší aplikace. Začněte očekávaným výsledkem a mezemi vstupu a poté požádejte asistenta o kontrolu projektového kódu, který bude komponentu volat. Užitečná konverzace o kódu zahrnuje podobu návratové hodnoty a chování při selhání i samotný výpočet hodnot.
Úloha založená na triples.py může zkoumat výčet primitivních Pythagorejských trojic v omezeném rozsahu. Požádejte model, aby vysvětlil vztah zvoleného limitu a řazení výsledků k volajícímu kódu, a poté prověřte navrženou opravu na několika ručně ověřitelných příkladech. Smyslem není udělat z domovské stránky lekci matematiky, ale ukázat, jak se přesný požadavek mění v komponentu, kterou lze kontrolovat a testovat.
Spusťte projektové kontroly pro nejmenší smysluplné vstupy a povolenou horní mez. Než výstup použijete jinde, ověřte, že duplicity a pořadí odpovídají kontraktu. TripleMistral se může připojit k podporovaným koncovým bodům kompatibilním s OpenAI nebo Anthropic, včetně nefiltrovaného modelu, pokud je nabízen. Mohou být nutné přihlašovací údaje a pravidla, kapacitu kontextu a nástroje určuje vybraný model a server. Oddělujte ověřování od popisu modelu: sebejisté vysvětlení nedokazuje úplnost výčtu.
Zdokumentujte, zda je pořadí součástí kontraktu, nebo jen detailem implementace. Pokud navazující kód sekvenci zobrazuje či porovnává, požadované pořadí výslovně otestujte před přijetím refaktoringu, který mění shromažďování výsledků.
Zvolte malé vstupy, jejichž očekávané výsledky dokážete nezávisle vyjmenovat, a porovnejte celý výstup. Prověřte i podmínky generování, protože následné odstranění duplicit může skrýt opakovanou práci nebo chybné základní pravidlo.
Rozlišujte platné vstupy bez výsledků a vstupy mimo podporovaný kontrakt. Sdělte asistentovi, které se mají odmítnout, a otestujte reakci volajícího, aby neplatné parametry tiše nevypadaly jako úspěšný prázdný výpočet.
Představuje konkrétní vývojovou úlohu, nikoli katalog vestavěných nástrojů. Přineste vlastní projekt a požadavky, prověřte návrh a použijte kontroly odpovídající komponentě a prostředí, kde poběží.
TripleMistral · Aktualizováno 2026-10-25