Elenca triangoli rettangoli interi primitivi con ipotenusa entro un limite da zero a 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]))Confronta il comportamento effettivo con il risultato atteso. Se una verifica fallisce, indaga la causa prima di altre modifiche.
Configura un endpoint compatibile con OpenAI o Anthropic usando URL di base e chiave API, se necessaria. Prova la connessione. Il server locale deve essere in esecuzione; gli strumenti remoti possono trasmettere dati separatamente.
Controlla il risultato vuoto e 3-4-5, escludi i multipli e restituisci una sola volta ogni terna con cateti ordinati.
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 offre un ambiente di programmazione con IA per Windows per sviluppare piccoli componenti di calcolo da integrare in un'applicazione più ampia. Parti dal risultato atteso e dai limiti degli input, poi chiedi all'assistente di esaminare il codice del progetto che chiamerà il componente. Una conversazione utile sulla programmazione tratta il formato restituito e il comportamento in caso di errore, oltre al calcolo che produce i valori.
Un'attività basata su triples.py potrebbe esaminare un'enumerazione limitata di terne pitagoriche primitive. Chiedi al modello di spiegare il rapporto tra il limite scelto, l'ordinamento dei risultati e il chiamante, poi rivedi una correzione proposta con alcuni esempi verificabili a mano. Lo scopo non è trasformare la pagina iniziale in una lezione di matematica, ma mostrare come un requisito preciso diventi un componente da esaminare e testare.
Esegui i controlli del progetto sui più piccoli input significativi e sul limite superiore accettato. Conferma che duplicati e ordinamento rispettino il contratto prima di usare l'output altrove. TripleMistral può collegarsi a endpoint supportati compatibili con OpenAI o Anthropic, incluso un modello senza filtri quando disponibile. Possono essere necessarie credenziali; il modello e il server scelti determinano le politiche, la capacità di contesto e gli strumenti. Tieni distinta la verifica dalla descrizione del modello: una spiegazione sicura di sé non dimostra che un'enumerazione sia completa.
Documenta se l'ordine fa parte del contratto o è soltanto un dettaglio implementativo. Se il codice utilizzatore visualizza o confronta la sequenza, verifica esplicitamente l'ordinamento richiesto prima di accettare una ristrutturazione che modifica il modo in cui vengono raccolti i risultati.
Scegli piccoli input per cui puoi enumerare autonomamente i risultati attesi e confronta l'intero output. Rivedi anche le condizioni di generazione: un passaggio di eliminazione dei duplicati può nascondere lavoro ripetuto o una regola di base errata.
Distingui gli input validi senza risultati dagli input esterni al contratto supportato. Indica all'assistente quali rifiutare, poi verifica la risposta del chiamante affinché parametri non validi non sembrino silenziosamente un calcolo riuscito con risultato vuoto.
Fornisce un'attività di sviluppo concreta, non un catalogo di strumenti integrati. Porta il tuo progetto e i tuoi requisiti, esamina la proposta e usa controlli adatti al componente e all'ambiente in cui verrà eseguito.
TripleMistral · Aggiornato 2026-10-25