Daftar penempatan ratu yang tidak menyerang pada papan berukuran nol hingga delapan.
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 resultAtur endpoint kompatibel OpenAI atau Anthropic dengan URL dasar dan kunci API jika diperlukan. Uji koneksi. Server model lokal harus berjalan; alat jarak jauh dapat mengirim data secara terpisah.
Uji penempatan kosong dan papan kecil tanpa solusi, tolak ukuran tidak valid serta periksa baris, kolom dan diagonal.
Bandingkan perilaku sebenarnya dengan hasil yang diharapkan. Jika pemeriksaan gagal, cari penyebabnya sebelum membuat perubahan lain.
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 adalah ruang kerja pemrograman AI untuk Windows bagi pengembang yang meninjau rutin pencarian dan kondisi yang harus dipenuhi keluarannya. Mulailah dengan folder proyek dan jelaskan apa yang dianggap solusi, masukan yang didukung, serta cara aplikasi merepresentasikan hasil kosong. Asisten yang terhubung dapat memeriksa kode saat ini dan membantu menyiapkan perubahan berdasarkan kontrak itu.
Tugas penempatan ratu berbatas membuat pertanyaan tersebut konkret. Minta peninjauan kendala dan struktur keluaran menggunakan contoh ukuran papan nol hingga delapan yang ada. Bahas perbedaan antara penempatan kosong dan papan tanpa penempatan valid sebelum menerima revisi usulan. Tujuannya mengembangkan dan menguji kode pencarian Anda sendiri dengan maknanya tetap terlihat sepanjang percakapan.
Periksa struktur yang dikembalikan dalam pengujian proyek, bukan hanya jumlah hasil yang muncul. Verifikasi setiap kendala yang diwajibkan, jalankan kasus masukan tidak valid, dan bandingkan perubahan kode dengan tugas asli. QueenVellum mengizinkan koneksi kompatibel OpenAI atau Anthropic yang didukung, termasuk model tanpa filter jika endpoint menawarkannya. Berikan kredensial yang diperlukan dan periksa konteks model serta dukungan alat. Penjelasan persuasif tetap merupakan usulan sampai implementasi dan keluarannya ditinjau berdasarkan persyaratan tersebut.
Gunakan keduanya bila sesuai. Jumlah dapat cocok meskipun keluaran individual cacat atau berulang. Verifikasi setiap penempatan terhadap kendala yang diwajibkan dan bandingkan kasus kecil yang diketahui agar pengujian menangani makna solusi.
Nyatakan konvensinya secara eksplisit. Skenario yang ada mencakup penempatan kosong, yang berbeda dari tidak mengembalikan solusi. Tinjau penafsiran pemanggil agar refaktor tidak menyatukan dua hasil yang perlu dibedakan aplikasi.
Perlakukan itu sebagai persyaratan terpisah dengan peninjauan sendiri. Contoh saat ini berbatas. Mengubah rentang memengaruhi pekerjaan yang diharapkan dan ukuran keluaran, jadi jangan menyimpulkan dukungan masukan lebih besar dari demonstrasi kecil yang berhasil.
Satukan kasus kecil yang diketahui, masukan yang ditolak, dan pemeriksaan struktural. Minta asisten menjelaskan kendala yang dipertahankan setiap cabang, lalu bandingkan penjelasan itu dengan kode sumber usulan dan hasil dari pengujian Anda sendiri.
QueenVellum · Diperbarui 2026-10-25