テストでは個数と各解のどちらを確認しますか?
適切に両方を使います。個々の出力が不正や重複でも個数は一致し得ます。各配置が必要な制約を満たすか検証し、既知の小さなケースと比較して解の意味を確認してください。
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 resultOpenAI互換またはAnthropicのエンドポイントを、ベースURLと必要なAPIキーで設定し、接続をテストします。ローカルのモデルサーバーは起動が必要です。リモートツールは別途データを送信する場合があります。
空配置と小さい解なし盤面を確認し、不正サイズを拒否して行、列、対角線を検証します。
実際の動作を期待する結果と比較します。検証に失敗した場合は、次の変更を加える前に原因を調べてください。
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は、探索処理とその出力が満たす条件をレビューする開発者向けのWindows AIコーディング環境です。プロジェクトフォルダーから始め、何を解とするか、対応入力、空の結果の表現を説明します。接続アシスタントは現行コードを調べ、その契約に沿った変更の準備を支援できます。
上限付きのクイーン配置はそれらの問いを具体化します。既存の盤面サイズ0から8の例を使い、制約と出力構造のレビューを依頼します。変更を受け入れる前に、空の配置と有効な配置がない盤面の違いを検討してください。目的は、対話を通して意味を明確に保ちながら、自分の探索コードを開発しテストすることです。
結果の数だけでなく、返された構造をプロジェクトテストで調べます。必要な制約をそれぞれ検証し、不正入力のケースを実行して、変更と元の作業を比較してください。QueenVellumは対応するOpenAI互換またはAnthropic接続を利用でき、エンドポイントが提供していればフィルターなしモデルも使えます。必要な認証情報を指定し、コンテキストとツール対応を確認します。説得力のある説明も、実装と出力を要件に照らしてレビューするまでは提案です。
適切に両方を使います。個々の出力が不正や重複でも個数は一致し得ます。各配置が必要な制約を満たすか検証し、既知の小さなケースと比較して解の意味を確認してください。
規則を明示してください。既存の例は空の配置を含み、解が一つもないこととは異なります。アプリが区別すべき2つの結果をリファクタリングで統合しないよう、呼び出し側の解釈をレビューします。
独自のレビューを要する別の要件として扱います。現行例には上限があります。範囲を変えると作業量と出力サイズに影響するため、小さな成功例から大きな入力の対応を推測しないでください。
既知の小さな例、拒否入力、構造検証をまとめます。各分岐がどの制約を保つか説明させ、その説明をソース案と自分のテスト実行結果に照らして比較してください。
QueenVellum · 更新日 2026-10-25