Multiplizieren Sie rechteckige ganzzahlige Matrizen mit jeweils höchstens 64 Zeilen und Spalten.
def matrix_product(left, right):
left, right = [tuple(r) for r in left], [tuple(r) for r in right]
widths = []
for matrix in (left, right):
width = len(matrix[0]) if matrix else 0
if len(matrix) > 64 or width > 64 or any(len(r) != width for r in matrix):
raise ValueError("matrix.shape")
if any(type(v) is not int for r in matrix for v in r):
raise ValueError("cell.integer")
widths.append(width)
if widths[0] != len(right):
raise ValueError("matrix.incompatible")
return [[sum(row[k] * right[k][j] for k in range(widths[0]))
for j in range(widths[1])] for row in left]Vergleichen Sie das tatsächliche Verhalten mit dem erwarteten Ergebnis. Klären Sie fehlgeschlagene Prüfungen vor weiteren Änderungen.
Richten 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 Eingaben und Einzelzellen und weisen Sie ungleich lange Zeilen, unpassende Dimensionen und boolesche Zellen ohne Eingabeänderung zurück.
def matrix_product(left, right):
left, right = [tuple(r) for r in left], [tuple(r) for r in right]
widths = []
for matrix in (left, right):
width = len(matrix[0]) if matrix else 0
if len(matrix) > 64 or width > 64 or any(len(r) != width for r in matrix):
raise ValueError("matrix.shape")
if any(type(v) is not int for r in matrix for v in r):
raise ValueError("cell.integer")
widths.append(width)
if widths[0] != len(right):
raise ValueError("matrix.incompatible")
return [[sum(row[k] * right[k][j] for k in range(widths[0]))
for j in range(widths[1])] for row in left]MatrixCairn bietet eine KI-Programmierumgebung für Windows zur Arbeit an Code, der strukturierte numerische Daten annimmt. Bringen Sie relevante Projektdateien mit und beschreiben Sie erlaubte Formen, Werttypen und das vom Aufrufer erwartete Ergebnis. Lassen Sie das Modell Validierung und Berechnung gemeinsam prüfen. So lässt sich leichter beurteilen, ob eine vorgeschlagene Änderung die benötigte Struktur erhält, selbst wenn einzelne Berechnungen plausibel aussehen.
Bei einer Aufgabe zu matrix.py könnten Sie untersuchen, wie inkompatible Dimensionen oder ungleichmäßige Zeilen vor der Matrixmultiplikation abgelehnt werden. Lassen Sie den Assistenten aktuelle Annahmen erklären und nötigenfalls eine eng begrenzte Korrektur vorschlagen. Verwenden Sie ausdrückliche Ein- und Ausgabebeispiele einschließlich leerer Formen, die Ihr Projekt zulässt. Ziel ist die Verbesserung Ihrer Implementierung mit überprüfbaren Belegen, nicht die Ableitung mathematischer Korrektheit aus einer übersichtlichen Funktion.
Führen Sie nach Prüfung der Änderungen die Projektprüfungen aus und bestätigen Sie den Weg ungültiger Eingaben zum nutzenden Code. Berücksichtigen Sie tatsächlich unterstützte Grenzgrößen, statt sich nur auf ein kleines erfolgreiches Beispiel zu verlassen. Ein ungefiltertes Modell lässt sich, sofern angeboten, über einen unterstützten OpenAI-kompatiblen oder Anthropic-Endpunkt anbinden, mit erforderlichen Zugangsdaten. Bei MatrixCairn bleiben Werkzeuge, Kontextkapazität und Modellbeschränkungen vom konfigurierten Dienst abhängig; die Softwareumgebung unterstützt das Gespräch, während Sie die Berechnung verifizieren.
Legen Sie fest, ob die Anwendung sie ablehnt oder vor der Berechnung umformt. Lassen Sie keine zufällige Iterationsregel entscheiden. Lassen Sie den Assistenten prüfen, wohin diese Regel gehört, und verifizieren Sie den beim Aufrufer sichtbaren Fehler.
Prüfen Sie auch Ausgabedimensionen und die Zuordnung zwischen Zeilen und Spalten. Einige korrekte Werte belegen nicht, dass das Ergebnis die von nachfolgendem Code erwartete Form hat, besonders nach Änderungen an der Behandlung leerer Eingaben.
Nennen Sie unterstützte Grenzen und prüfen Sie deren Durchsetzung. Testen Sie zulässige Grenzgrößen und einen zu großen Fall. Limits in einem Beispiel sind weder eine Leistungsgarantie für Ihre Anwendung noch eine Erlaubnis, Laufzeitprüfungen auszulassen.
Entscheiden Sie, ob der Typ zur Vereinbarung gehört, und prüfen Sie Umwandlung oder Ablehnung ausdrücklich. Eine großzügige Änderung kann spätere Arithmetik und Serialisierung beeinflussen. Prüfen Sie deshalb den gesamten Pfad, statt Werte ohne Grund zusätzlich zuzulassen.
MatrixCairn · Aktualisiert 2026-10-25