Перелічіть неатакувальні розташування ферзів для дощок від нульового розміру до восьми.
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 resultНалаштуйте OpenAI-сумісний або Anthropic endpoint із базовою URL-адресою та API-ключем, якщо він потрібен. Перевірте з’єднання. Локальний сервер моделі має працювати; віддалені інструменти можуть окремо передавати дані.
Перевірте порожнє розташування й малі дошки без рішень, відхиляючи хибні розміри та перевіряючи рядки, стовпці й діагоналі.
Порівняйте фактичну поведінку з очікуваним результатом. Якщо перевірка не проходить, з’ясуйте причину перед наступними змінами.
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 — це середовище програмування з ШІ у Windows для розробників, які перевіряють пошукові функції та умови їхніх результатів. Почніть із каталогу проєкту й поясніть, що є розв’язком, які дані підтримуються та як застосунок представляє порожній результат. Підключений помічник може перевірити поточний код і допомогти підготувати зміну за цим контрактом.
Завдання обмеженого розміщення ферзів робить ці питання конкретними. Попросіть перевірку обмежень і структури результату на наявному прикладі з розмірами дошки від нуля до восьми. Обговоріть відмінність порожнього розміщення від дошки без допустимих розміщень перед прийняттям зміни. Мета — розробляти й тестувати власний пошуковий код зі збереженням видимого змісту протягом усієї розмови.
Перевіряйте повернуті структури в тестах проєкту, а не лише кількість результатів. Перевірте кожне потрібне обмеження, запустіть випадки хибних даних і порівняйте зміни коду з початковим завданням. QueenVellum дозволяє підтримувані підключення, сумісні з OpenAI, або Anthropic, включно з моделлю без фільтрів, якщо кінцева точка її пропонує. Надайте потрібні облікові дані й перевірте контекст моделі та підтримку інструментів. Переконливе пояснення залишається пропозицією, доки реалізацію та результати не перевірено за цими вимогами.
Використовуйте обидва за потреби. Кількість може збігатися навіть за неправильних або повторюваних результатів. Перевірте кожне розміщення за потрібними обмеженнями й порівняйте відомі малі випадки, щоб тести охоплювали зміст розв’язку.
Укажіть правило явно. Наявний сценарій містить порожнє розміщення, що відрізняється від відсутності розв’язків. Перевірте тлумачення кодом виклику, щоб рефакторинг не злив два результати, які застосунок має розрізняти.
Розглядайте це як окрему вимогу з власною перевіркою. Поточний приклад обмежений. Зміна діапазону впливає на очікуваний обсяг роботи й розмір результату, тому не виводьте підтримку більших даних із малого успішного прикладу.
Зберігайте разом малі відомі випадки, відхилені дані й структурні перевірки. Попросіть помічника пояснити, які обмеження зберігає кожна гілка, потім порівняйте пояснення із запропонованим кодом і результатами власного тестового запуску.
QueenVellum · Оновлено 2026-10-25