Policz dokładnie uporządkowane pełne drzewa binarne z zerem do 100 węzłów wewnętrznych.
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]
Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie.
Sprawdź pojedynczy liść i znane małe liczby, odrzucając wartości logiczne i przekroczenia zakresu bez budowy wszystkich drzew.
Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami.
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 zapewnia środowisko programowania dla Windows do badania logiki struktur z modelem AI podłączonym do projektu. Zacznij od wyjaśnienia, co reprezentuje pojedyncza struktura i jakie różnice oznaczają różne wyniki. Poproś asystenta o sprawdzenie źródeł i kodu wywołującego przed zaproponowaniem zmiany, aby pozornie prosty wynik liczbowy zachował znaczenie wymagane przez aplikację.
Zliczanie kształtów uporządkowanych pełnych drzew binarnych to przykładowe zadanie. Podaj małe znane liczby i opisz przypadek pojedynczego liścia przed omówieniem rekurencji. Sprawdź, czy proponowany kod zlicza struktury, czy je buduje, oraz czy zachowuje dokładne wyniki całkowite. Ma to znaczenie dla kodu wywołującego, nawet gdy obie implementacje wyglądają rozsądnie dla najmniejszych danych.
Po sprawdzeniu poprawki uruchom kontrole wzorcowe projektu i przypadki odrzucanego wejścia, w tym deklarowaną górną granicę. Porównaj zmienioną obsługę wyników z pierwotnym wymaganiem, zamiast oceniać tylko ostatni wiersz obliczenia. ShapeCalyx łączy się z obsługiwanymi punktami końcowymi zgodnymi z OpenAI lub Anthropic, z danymi uwierzytelniającymi w razie potrzeby. Model bez filtrowania jest opcją, jeśli oferuje go wybrana usługa; jego narzędzia i limity kontekstu zależą od serwera. Praca pozostaje możliwą do oceny zmianą oprogramowania powiązaną z jawnymi definicjami struktur.
Określa to, które struktury liczą się jako różne. Przy definicji uporządkowanej umieszczenie po lewej lub prawej może rozróżniać kształty. Uwzględnij małe przykłady ujawniające tę różnicę, aby proponowany zamiennik nie zaczął niepostrzeżenie zliczać innej rodziny obiektów.
Przykładowy kontrakt liczy pojedynczy liść jako jeden kształt. Zachowaj ten przypadek bazowy jawnie w testach i wyjaśnieniach, ponieważ jego zmiana wpływa na późniejsze liczby oraz znaczenie pustej lub minimalnej struktury.
Obecne zadanie wymaga liczby wyrażonej dokładnymi liczbami całkowitymi. Budowanie wszystkich struktur istotnie zmienia pracę i wynik. Jeśli potrzebujesz rzeczywistych drzew, określ to jako oddzielne wymaganie, zamiast przyjmować jako uboczny skutek przepisania kodu.
Oceń sprawdzanie typów, obsługiwane granice i sposób obsługi zwracanej liczby przez kod wywołujący. Testuj wartości logiczne i spoza zakresu oraz znane liczby, aby poprawne liczbowo przepisanie nie osłabiło otaczającego kontraktu oprogramowania.
ShapeCalyx · Zaktualizowano 2026-10-25