Cuenta con enteros exactos las formas de árboles binarios completos ordenados con cero a 100 nodos internos.
def tree_shapes(internal_nodes):
if type(internal_nodes) is not int or not 0 <= internal_nodes <= 100:
raise ValueError("shapes.nodes")
counts = [1] + [0]*internal_nodes
for size in range(1, internal_nodes+1):
counts[size] = sum(counts[left]*counts[size-1-left] for left in range(size))
return counts[internal_nodes]
Configura un endpoint compatible con OpenAI o Anthropic usando la URL base y, si hace falta, una clave API. Prueba la conexión. Un servidor local debe estar en ejecución; las herramientas remotas pueden enviar datos por separado.
Prueba la hoja única y recuentos pequeños conocidos, rechazando booleanos o valores fuera de rango sin construir todos los árboles.
Compara el comportamiento real con el resultado esperado. Si una prueba falla, investiga la causa antes de hacer más cambios.
def tree_shapes(internal_nodes):
if type(internal_nodes) is not int or not 0 <= internal_nodes <= 100:
raise ValueError("shapes.nodes")
counts = [1] + [0]*internal_nodes
for size in range(1, internal_nodes+1):
counts[size] = sum(counts[left]*counts[size-1-left] for left in range(size))
return counts[internal_nodes]
ShapeCalyx te ofrece un espacio de programación para Windows donde examinar lógica relacionada con estructuras con un modelo de IA conectado a tu proyecto. Empieza explicando qué representa una estructura y qué distinciones cuentan como resultados diferentes. Pide al asistente que examine el código fuente y sus consumidores antes de proponer un cambio, para que una salida numérica aparentemente sencilla conserve el significado que requiere la aplicación.
Contar formas de árboles binarios llenos ordenados es una tarea de ejemplo. Aporta recuentos pequeños conocidos y describe el caso de una sola hoja antes de analizar la recurrencia. Revisa si el código propuesto cuenta estructuras o las construye, y si conserva resultados enteros exactos. Estas decisiones importan al código consumidor incluso cuando ambas implementaciones parecen razonables con las entradas más pequeñas.
Tras examinar el cambio, ejecuta las comprobaciones de referencia y los casos de entrada rechazada de tu proyecto, incluido el límite superior declarado. Compara cualquier cambio en el tratamiento de la salida con el requisito original, en vez de juzgar solo la última línea del cálculo. ShapeCalyx se conecta a endpoints compatibles con OpenAI o de Anthropic admitidos, con credenciales cuando sean necesarias. Un modelo sin filtros es una opción si tu servicio elegido lo ofrece; sus herramientas y límites de contexto dependen del servidor. El trabajo sigue siendo un cambio de software revisable ligado a definiciones estructurales explícitas.
Determina qué estructuras cuentan como diferentes. La posición izquierda y derecha puede distinguir formas bajo una definición ordenada. Incluye ejemplos pequeños que muestren esa distinción para que una sustitución propuesta no cuente silenciosamente una familia de objetos diferente.
El contrato ilustrado cuenta la hoja única como una forma. Mantén explícito ese caso base en las pruebas y en cualquier explicación, porque cambiarlo afecta a recuentos posteriores y al significado de una estructura vacía o mínima.
La tarea existente pide un recuento con enteros exactos. Construir todas las estructuras cambia sustancialmente el trabajo y la salida. Si necesitas árboles reales, conviértelo en un requisito independiente en vez de aceptarlo como una reescritura incidental.
Revisa las comprobaciones de tipos, los límites admitidos y cómo trata el código consumidor el entero devuelto. Prueba entradas booleanas y fuera de rango, además de recuentos conocidos, para que una reescritura numéricamente correcta no debilite el contrato del software circundante.
ShapeCalyx · Actualizado 2026-10-25