Hipotenüsü sıfır ile 500 arasındaki verilen sınırı aşmayan ilkel tamsayılı dik üçgenleri listeleyin.
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]))Gerçek davranışı beklenen sonuçla karşılaştırın. Bir kontrol başarısız olursa yeni değişikliklerden önce nedenini araştırın.
Temel URL ve gerekiyorsa API anahtarıyla OpenAI uyumlu veya Anthropic endpoint yapılandırın. Bağlantıyı test edin. Yerel model sunucusu çalışıyor olmalıdır; uzak araçlar ayrıca veri aktarabilir.
Boş sonucu ve 3-4-5 üçlüsünü sınayın; ölçekli kopyaları dışlayıp dik kenarları sıralı her üçlüyü bir kez döndürün.
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, daha büyük bir uygulamaya uyum sağlaması gereken küçük hesaplama bileşenleri geliştirmek için bir Windows yapay zeka kodlama çalışma alanı sunar. Beklenen sonuç ve girdi sınırlarıyla başlayın, ardından asistandan bileşeni çağıracak proje kodunu incelemesini isteyin. Yararlı bir kodlama görüşmesi, değerleri üreten hesaplamanın yanı sıra dönüş biçimini ve hata davranışını da ele alır.
triples.py temelli bir görev, ilkel Pisagor üçlülerinin sınırlı bir aralıkta listelenmesini inceleyebilir. Modelden seçilen sınırın ve sonuç sıralamasının çağıran kodla ilişkisini açıklamasını isteyin; ardından önerilen düzeltmeyi elle denetlenebilir birkaç örnekle inceleyin. Amaç ana sayfayı bir matematik dersine dönüştürmek değil, kesin bir gereksinimin incelenebilir ve test edilebilir bir bileşene nasıl dönüştüğünü göstermektir.
Proje denetimlerini en küçük anlamlı girdiler ve kabul edilen üst sınır çevresinde çalıştırın. Çıktıyı başka yerde kullanmadan önce yinelenen sonuçların ve sıralamanın sözleşmeye uyduğunu doğrulayın. TripleMistral, sunulduğu yerde filtresiz bir model de dahil olmak üzere desteklenen OpenAI uyumlu veya Anthropic uç noktalarına bağlanabilir. Kimlik bilgileri gerekebilir; ilkeleri, bağlam kapasitesini ve araçları seçilen model ile sunucu belirler. Doğrulamayı modelin açıklamasından ayrı tutun: kendinden emin bir açıklama, listelemenin eksiksiz olduğunu kanıtlamaz.
Sıralamanın sözleşmenin parçası mı yoksa yalnızca uygulama ayrıntısı mı olduğunu belgeleyin. Sonucu kullananlar diziyi görüntülüyor veya karşılaştırıyorsa, sonuçların biriktirilme şeklini değiştiren bir yeniden düzenlemeyi kabul etmeden önce gereken sıralamayı açıkça test edin.
Beklenen sonuçlarını bağımsız olarak listeleyebileceğiniz küçük girdiler seçin ve çıktının tamamını karşılaştırın. Üretim koşullarını da inceleyin; çünkü yinelenenleri kaldıran bir adım, tekrarlanan işi veya temeldeki yanlış bir kuralı gizleyebilir.
Sonucu olmayan geçerli girdilerle desteklenen sözleşmenin dışındaki girdileri ayırın. Asistana hangilerinin reddedilmesi gerektiğini söyleyin, ardından çağıran kodun tepkisini test edin; böylece geçersiz parametreler sessizce başarılı bir boş hesaplama gibi görünmez.
Yerleşik araçların kataloğunu değil, somut bir geliştirme görevini sunar. Kendi projenizi ve gereksinimlerinizi getirin, öneriyi inceleyin ve bileşene ve çalışacağı ortama uygun denetimleri kullanın.
TripleMistral · Güncellendi 2026-10-25