Enumeră triunghiuri dreptunghice întregi primitive cu ipotenuza până la o limită între zero și 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]))Compară comportamentul real cu rezultatul așteptat. Dacă o verificare eșuează, cercetează cauza înainte de alte modificări.
Configurează un endpoint compatibil OpenAI sau Anthropic cu URL-ul de bază și cheia API, dacă este necesară. Testează conexiunea. Serverul local trebuie să ruleze; instrumentele externe pot transmite date separat.
Verifică rezultatul gol și 3-4-5, exclude multiplii și returnează fiecare triplet o dată cu catetele ordonate.
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 oferă un spațiu de lucru Windows pentru programare cu IA, destinat dezvoltării unor componente mici de calcul care trebuie integrate într-o aplicație mai mare. Pornește de la rezultatul așteptat și limitele intrării, apoi cere asistentului să examineze codul proiectului care va apela componenta. O conversație utilă despre cod acoperă forma rezultatului returnat și comportamentul la eroare, precum și calculul care produce valorile.
O sarcină bazată pe triples.py poate examina enumerarea, într-un interval limitat, a tripletelor pitagoreice primitive. Cere modelului să explice legătura dintre limita aleasă, ordinea rezultatelor și codul apelant, apoi examinează corecția propusă cu câteva exemple verificabile manual. Scopul nu este transformarea paginii principale într-o lecție de matematică, ci demonstrarea modului în care o cerință precisă devine o componentă pe care o poți examina și testa.
Rulează verificările proiectului pentru cele mai mici intrări relevante și în jurul limitei superioare acceptate. Confirmă că duplicatele și ordinea respectă contractul înainte să folosești rezultatul în altă parte. TripleMistral se poate conecta la endpointuri acceptate, compatibile cu OpenAI sau Anthropic, inclusiv la un model nefiltrat acolo unde este oferit. Pot fi necesare credențiale, iar modelul și serverul selectate determină politicile, capacitatea contextului și instrumentele. Separă verificarea de descrierea modelului: o explicație sigură pe sine nu dovedește că enumerarea este completă.
Documentează dacă ordinea face parte din contract sau este doar un detaliu de implementare. Dacă rezultatele sunt afișate sau secvența este comparată, testează explicit ordinea necesară înainte să accepți o refactorizare care schimbă acumularea rezultatelor.
Alege intrări mici ale căror rezultate așteptate le poți enumera independent și compară întreaga ieșire. Examinează și condițiile de generare, deoarece eliminarea duplicatelor poate ascunde muncă repetată sau o regulă de bază greșită.
Distinge intrările valide fără rezultate de intrările care nu respectă contractul acceptat. Spune asistentului care trebuie respinse, apoi testează reacția codului apelant, astfel încât parametrii nevalizi să nu pară, în mod silențios, un calcul reușit fără rezultate.
Acesta oferă o sarcină concretă de dezvoltare, nu un catalog de instrumente încorporate. Adu propriul proiect și propriile cerințe, examinează propunerea și folosește verificări adecvate componentei și mediului în care va rula.
TripleMistral · Actualizat 2026-10-25