Moltiplica matrici intere rettangolari con al massimo 64 righe e colonne ciascuna.
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]Confronta il comportamento effettivo con il risultato atteso. Se una verifica fallisce, indaga la causa prima di altre modifiche.
Configura un endpoint compatibile con OpenAI o Anthropic usando URL di base e chiave API, se necessaria. Prova la connessione. Il server locale deve essere in esecuzione; gli strumenti remoti possono trasmettere dati separatamente.
Verifica ingressi vuoti e celle singole, rifiutando righe irregolari, dimensioni incompatibili e celle booleane senza modificare le matrici.
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 offre un ambiente di programmazione con IA per Windows per lavorare su codice che accetta dati numerici strutturati. Porta i file pertinenti del progetto e descrivi forme consentite, tipi dei valori e risultato atteso dal chiamante. Chiedi al modello di esaminare convalida e calcolo insieme. Questo rende più facile verificare se una modifica proposta preserva la struttura necessaria all'applicazione, anche quando i singoli calcoli sembrano ragionevoli.
Per un'attività su matrix.py, potresti esaminare come dimensioni incompatibili o righe irregolari vengono rifiutate prima della moltiplicazione delle matrici. Chiedi all'assistente di spiegare le ipotesi attuali e proporre una correzione circoscritta se necessaria. Usa esempi espliciti di input e output, incluse le forme vuote consentite dal progetto. Lo scopo è migliorare l'implementazione con prove revisionabili, non dedurre la correttezza matematica da una funzione ordinata.
Esegui i controlli del progetto dopo aver esaminato le modifiche e conferma come un input non valido raggiunge chi usa il risultato. Includi le dimensioni limite effettivamente supportate, senza affidarti solo a un piccolo esempio riuscito. Puoi collegare un modello senza filtri tramite un endpoint supportato compatibile con OpenAI o Anthropic quando offerto, con credenziali dove richieste. MatrixCairn lascia strumenti, capacità di contesto e restrizioni del modello dipendenti dal servizio configurato; l'ambiente software supporta la discussione mentre tu verifichi il calcolo.
Definisci se l’applicazione la rifiuta o la trasforma prima del calcolo. Non lasciare decidere una regola accidentale di iterazione. Chiedi all’assistente di esaminare dove debba risiedere questa politica e verifica l’errore osservato dal chiamante.
Controlla anche le dimensioni dell’output e la corrispondenza tra righe e colonne. Pochi valori corretti non dimostrano che il risultato abbia la forma attesa dal codice a valle, soprattutto dopo modifiche alla gestione degli input vuoti.
Indica i limiti supportati ed esamina dove vengono applicati. Prova dimensioni limite accettate e un caso sovradimensionato. I limiti di un esempio non garantiscono prestazioni per l’applicazione né autorizzano a saltare i controlli durante l’esecuzione.
Decidi se quel tipo appartiene al contratto, poi esamina esplicitamente conversione o rifiuto. Una modifica permissiva può influenzare successivamente aritmetica e serializzazione: esamina l’intero percorso senza ampliare i valori accettati senza motivo.
MatrixCairn · Aggiornato 2026-10-25