이 작업에서 길이가 다른 행은 무엇을 의미하나요?
애플리케이션이 거부할지 계산 전에 변환할지 정의하세요. 우연한 반복 규칙이 결정하게 하지 마세요. 그 정책이 어디에 속하는지 살펴보고 호출 코드에서 관찰되는 오류를 검증하도록 요청하세요.
● ● ●MatrixCairn●
작업 흐름 · 제한된 정수 행렬 곱셈 ×
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]✳각 최대 64행 64열인 직사각형 정수 행렬을 곱합니다.
✓ 변경 사항적용하기 전에 검토하세요 ↗
작업 공간 예시 화면
적용하기 전에 검토하세요
실제 동작을 예상 결과와 비교하세요. 검사가 실패하면 다음 변경을 하기 전에 원인을 조사하세요.
모델
기본 URL과 필요한 API 키로 OpenAI 호환 또는 Anthropic 엔드포인트를 설정하고 연결을 테스트하세요. 로컬 모델 서버는 실행 중이어야 합니다. 원격 도구는 데이터를 별도로 전송할 수 있습니다.
프로젝트
빈 입력과 한 셀을 확인하고 행렬을 바꾸지 않으며 불균일 행, 맞지 않는 차원과 불리언 셀을 거부합니다.
작업 흐름
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]공식뿐 아니라 계산을 둘러싼 구조도 확인하세요
MatrixCairn은 구조화된 수치 데이터를 받는 코드를 다루는 Windows용 AI 코딩 작업 공간입니다. 관련 프로젝트 파일을 가져와 허용 형태, 값의 형식, 호출 코드가 기대하는 결과를 설명하세요. 검증과 계산을 함께 살펴보도록 모델에 요청하세요. 그러면 개별 계산이 타당해 보여도 변경안이 애플리케이션에 필요한 구조를 보존하는지 더 쉽게 검토할 수 있습니다.
matrix.py를 다루는 작업에서는 행렬 곱셈 전에 호환되지 않는 차원이나 길이가 다른 행이 어떻게 거부되는지 살펴볼 수 있습니다. 현재 가정을 설명하고 필요하면 좁은 범위의 수정을 제안하도록 요청하세요. 프로젝트에서 허용하는 빈 형태까지 포함한 명시적인 입력과 출력 예시를 사용하세요. 목적은 깔끔한 함수에서 수학적 정확성을 추론하는 것이 아니라 검토 가능한 근거로 구현을 개선하는 것입니다.
변경을 살펴본 뒤 프로젝트 검증을 실행하고 잘못된 입력이 결과를 사용하는 코드에 어떻게 전달되는지 확인하세요. 작고 성공적인 예시에만 의존하지 말고 실제 지원하는 경계 크기를 포함하세요. 지원되는 OpenAI 호환 또는 Anthropic 엔드포인트가 제공하면 필터링 없는 모델을 연결할 수 있으며 필요하면 인증 정보를 사용합니다. MatrixCairn의 도구, 컨텍스트 용량, 모델 제한은 구성한 서비스에 달려 있습니다. 계산을 검증하는 동안 소프트웨어 작업 공간은 논의를 지원합니다.
MatrixCairn의 구조화된 입력 질문
계산된 셀 값만 시험하면 되나요?
출력 차원과 행·열 대응도 확인하세요. 특히 빈 입력 처리 변경 후에는 몇몇 값이 맞는다고 후속 코드가 기대하는 형태임이 입증되지 않습니다.
크기 한도는 검토에 어떤 영향을 주나요?
지원 경계를 명시하고 어디서 적용되는지 살펴보세요. 허용되는 경계 크기와 초과 크기를 시험하세요. 예시의 한도는 애플리케이션 성능 보장이나 런타임 검사 생략 허가가 아닙니다.
호출 코드가 다른 숫자 형식을 제공하면 어떻게 하나요?
그 형식이 계약에 포함되는지 결정한 뒤 변환 또는 거부를 명시적으로 살펴보세요. 허용 범위 확대는 이후 산술과 직렬화에 영향을 줄 수 있으므로 이유 없이 허용값을 넓히지 말고 전체 경로를 검토하세요.
MatrixCairn · 업데이트 2026-10-25