Ermitteln Sie konfliktfreie Damenplatzierungen auf Brettern der Größe null bis acht.
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 resultRichten Sie einen OpenAI-kompatiblen oder Anthropic-Endpunkt mit Basis-URL und gegebenenfalls API-Schlüssel ein. Testen Sie die Verbindung. Ein lokaler Modellserver muss laufen; entfernte Werkzeuge können Daten separat übertragen.
Prüfen Sie leere Platzierung und unlösbare kleine Bretter und weisen Sie ungültige Größen zurück; kontrollieren Sie Zeilen, Spalten und Diagonalen.
Vergleichen Sie das tatsächliche Verhalten mit dem erwarteten Ergebnis. Klären Sie fehlgeschlagene Prüfungen vor weiteren Änderungen.
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 ist eine KI-Programmierumgebung für Windows für Entwickler, die Suchroutinen und die Bedingungen ihrer Ausgaben prüfen. Beginnen Sie mit dem Projektordner und erklären Sie, was als Lösung gilt, welche Eingaben unterstützt werden und wie die Anwendung ein leeres Ergebnis darstellt. Der verbundene Assistent kann aktuellen Code untersuchen und eine Änderung anhand dieser Vereinbarung vorbereiten.
Eine begrenzte Aufgabe zur Damenplatzierung macht diese Fragen konkret. Fordern Sie eine Prüfung der Bedingungen und Ausgabestruktur anhand des bestehenden Beispiels für Brettgrößen von null bis acht an. Besprechen Sie den Unterschied zwischen einer leeren Platzierung und einem Brett ohne gültige Platzierungen, bevor Sie eine Überarbeitung annehmen. Ziel ist die Entwicklung und Prüfung Ihres eigenen Suchcodes bei durchgehend sichtbarer Bedeutung.
Prüfen Sie zurückgegebene Strukturen in Ihren Projekttests, statt nur Ergebnisse zu zählen. Verifizieren Sie jede erforderliche Bedingung, führen Sie Fälle ungültiger Eingaben aus und vergleichen Sie Codeänderungen mit der ursprünglichen Aufgabe. QueenVellum erlaubt unterstützte OpenAI-kompatible oder Anthropic-Verbindungen, einschließlich eines ungefilterten Modells, wenn der Endpunkt eines anbietet. Geben Sie erforderliche Zugangsdaten an und prüfen Sie Modellkontext und Werkzeugunterstützung. Eine überzeugende Erklärung bleibt ein Vorschlag, bis Implementierung und Ausgaben anhand dieser Anforderungen geprüft wurden.
Nutzen Sie gegebenenfalls beides. Die Anzahl kann stimmen, obwohl einzelne Ausgaben fehlerhaft oder doppelt sind. Prüfen Sie jede Platzierung anhand der erforderlichen Bedingungen und vergleichen Sie bekannte kleine Fälle, damit die Tests die Bedeutung einer Lösung abdecken.
Legen Sie die Konvention ausdrücklich fest. Das bestehende Szenario enthält eine leere Platzierung, was sich von keiner Lösung unterscheidet. Prüfen Sie die Interpretation des Aufrufers, damit eine Umstrukturierung keine zwei Ergebnisse zusammenfasst, die die Anwendung unterscheiden muss.
Behandeln Sie dies als gesonderte Anforderung mit eigener Prüfung. Das aktuelle Beispiel ist begrenzt. Ein anderer Bereich beeinflusst Arbeitsaufwand und Ausgabegröße; leiten Sie daher Unterstützung größerer Eingaben nicht aus einer kleinen erfolgreichen Demonstration ab.
Halten Sie kleine bekannte Fälle, abgelehnte Eingaben und Strukturprüfungen zusammen. Lassen Sie den Assistenten erklären, welche Bedingungen jeder Zweig erhält, und vergleichen Sie die Erklärung mit vorgeschlagenem Quellcode und Ergebnissen Ihres eigenen Testlaufs.
QueenVellum · Aktualisiert 2026-10-25