शून्य से 500 तक दी सीमा के कर्ण वाले आदिम पूर्णांक समकोण त्रिभुजों की सूची बनाएँ.
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]))वास्तविक व्यवहार की अपेक्षित परिणाम से तुलना करें। जाँच असफल हो तो अगले बदलाव से पहले कारण समझें।
बेस URL और आवश्यक होने पर API कुंजी से OpenAI-संगत या Anthropic endpoint सेट करें। कनेक्शन जाँचें। स्थानीय मॉडल सर्वर चालू होना चाहिए; दूरस्थ उपकरण अलग से डेटा भेज सकते हैं।
खाली परिणाम और 3-4-5 जाँचें, गुणित प्रतियाँ हटाएँ और क्रमबद्ध लम्ब भुजाओं वाला हर त्रिक एक बार लौटाएँ.
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 छोटे गणनात्मक घटक विकसित करने के लिए Windows एआई कोडिंग कार्यक्षेत्र देता है, जिन्हें बड़े अनुप्रयोग में फिट होना चाहिए। अपेक्षित परिणाम और इनपुट की सीमाओं से शुरू करें, फिर सहायक से उस परियोजना कोड की समीक्षा करने को कहें जो घटक को कॉल करेगा। उपयोगी कोडिंग बातचीत में मान निकालने वाली गणना के साथ लौटाए गए परिणाम की संरचना और विफलता का व्यवहार भी शामिल होता है।
triples.py पर आधारित कार्य में आदिम पाइथागोरस त्रिकों की सीमाबद्ध गणना जाँची जा सकती है। मॉडल से समझाने को कहें कि चुनी गई सीमा और परिणाम का क्रम कॉल करने वाले कोड से कैसे संबंधित हैं, फिर हाथ से जाँचे जा सकने वाले कुछ उदाहरणों के साथ प्रस्तावित सुधार की समीक्षा करें। उद्देश्य मुखपृष्ठ को गणित का पाठ बनाना नहीं, बल्कि यह दिखाना है कि सटीक आवश्यकता कैसे निरीक्षण और परीक्षण योग्य घटक बनती है।
सबसे छोटे सार्थक इनपुट और स्वीकृत ऊपरी सीमा के आसपास परियोजना की जाँच चलाएँ। आउटपुट कहीं और इस्तेमाल करने से पहले पुष्टि करें कि दोहराव और क्रम अनुबंध के अनुरूप हैं। TripleMistral समर्थित OpenAI-संगत या Anthropic एंडपॉइंट से जुड़ सकता है, जिसमें उपलब्ध होने पर अनफ़िल्टर्ड मॉडल भी शामिल है। प्रवेश प्रमाण आवश्यक हो सकते हैं और चुना हुआ मॉडल तथा सर्वर नीतियाँ, संदर्भ क्षमता और टूल तय करते हैं। सत्यापन को मॉडल के विवरण से अलग रखें: आत्मविश्वासपूर्ण व्याख्या यह साबित नहीं करती कि गणना में सभी परिणाम शामिल हैं।
दर्ज करें कि क्रम अनुबंध का हिस्सा है या केवल कार्यान्वयन का विवरण। यदि उपयोगकर्ता कोड अनुक्रम दिखाता या उसकी तुलना करता है, तो परिणाम संचित करने का तरीका बदलने वाला रीफ़ैक्टर स्वीकार करने से पहले आवश्यक क्रम का स्पष्ट परीक्षण करें।
छोटे इनपुट चुनें जिनके अपेक्षित परिणाम आप स्वतंत्र रूप से गिन सकें और पूरे आउटपुट की तुलना करें। परिणाम उत्पन्न करने की शर्तें भी जाँचें, क्योंकि दोहराव हटाने का चरण बार-बार हुए काम या गलत अंतर्निहित नियम को छिपा सकता है।
ऐसे वैध इनपुट जिनका कोई परिणाम नहीं है और समर्थित अनुबंध से बाहर के इनपुट में अंतर करें। सहायक को बताएँ कि किन्हें अस्वीकार करना चाहिए, फिर कॉल करने वाले कोड की प्रतिक्रिया जाँचें ताकि अमान्य पैरामीटर चुपचाप सफल खाली गणना जैसे न दिखें।
यह विकास का ठोस कार्य देता है, अंतर्निर्मित टूल की सूची नहीं। अपनी परियोजना और आवश्यकताएँ लाएँ, प्रस्ताव की समीक्षा करें और घटक तथा उसके निष्पादन परिवेश के अनुकूल जाँच करें।
TripleMistral · अद्यतन 2026-10-25