Vypište neútočící rozmístění dam na deskách velikosti nula až osm.
def queens(size):
if type(size) is not int or not 0 <= size <= 8:
raise ValueError("size.range")
result = []
def visit(columns, down, up):
row = len(columns)
if row == size:
result.append(tuple(columns))
return
for column in range(size):
if column not in columns and row-column not in down and row+column not in up:
visit(columns + [column], down | {row-column}, up | {row+column})
visit([], set(), set())
return resultNastavte endpoint kompatibilní s OpenAI nebo Anthropic pomocí základní URL a případného API klíče. Otestujte připojení. Lokální server modelu musí běžet; vzdálené nástroje mohou data odesílat samostatně.
Ověřte prázdné rozmístění a neřešitelné malé desky a odmítněte neplatné velikosti; zkontrolujte řádky, sloupce a diagonály.
Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.
def queens(size):
if type(size) is not int or not 0 <= size <= 8:
raise ValueError("size.range")
result = []
def visit(columns, down, up):
row = len(columns)
if row == size:
result.append(tuple(columns))
return
for column in range(size):
if column not in columns and row-column not in down and row+column not in up:
visit(columns + [column], down | {row-column}, up | {row+column})
visit([], set(), set())
return resultQueenVellum je programovací prostředí s AI pro Windows pro vývojáře kontrolující prohledávací rutiny a podmínky jejich výstupů. Začněte složkou projektu a vysvětlete, co se počítá za řešení, které vstupy jsou podporovány a jak aplikace reprezentuje prázdný výsledek. Připojený asistent může prozkoumat současný kód a pomoci připravit změnu podle těchto pravidel.
Omezená úloha rozmístění dam tyto otázky konkretizuje. Požádejte o kontrolu podmínek a struktury výstupu na existujícím příkladu velikostí šachovnice od nuly do osmi. Před přijetím navržené revize proberte rozdíl mezi prázdným rozmístěním a šachovnicí bez platných rozmístění. Smyslem je vyvíjet a testovat vlastní prohledávací kód s významem viditelným během celé konverzace.
V testech projektu kontrolujte vrácené struktury, nejen počet výsledků. Ověřte každou požadovanou podmínku, spusťte případy neplatných vstupů a porovnejte změny kódu s původní úlohou. QueenVellum umožňuje podporovaná připojení kompatibilní s OpenAI nebo Anthropic, včetně nefiltrovaného modelu, pokud jej koncový bod nabízí. Dodejte požadované přihlašovací údaje a ověřte kontext modelu i podporu nástrojů. Přesvědčivé vysvětlení zůstává návrhem, dokud implementace a výstupy nejsou prověřeny podle těchto požadavků.
Kde je to vhodné, obojí. Počet může souhlasit, i když jednotlivé výstupy jsou chybné nebo opakované. Ověřte každé rozmístění podle podmínek a porovnejte známé malé případy, aby testy řešily význam řešení.
Konvenci uveďte výslovně. Existující scénář zahrnuje prázdné rozmístění, což se liší od nevrácení žádných řešení. Prověřte výklad volajícího, aby refaktoring nesloučil dva výsledky, které aplikace potřebuje rozlišovat.
Považujte to za samostatný požadavek s vlastní kontrolou. Současný příklad je omezený. Změna rozsahu ovlivňuje očekávanou práci a velikost výstupu, proto z malé úspěšné ukázky nevyvozujte podporu větších vstupů.
Ponechte pohromadě malé známé případy, odmítané vstupy a strukturní kontroly. Požádejte asistenta o vysvětlení podmínek zachovávaných každou větví a porovnejte vysvětlení s navrženými zdroji a výsledky vlastního testovacího běhu.
QueenVellum · Aktualizováno 2026-10-25