Pomnóż prostokątne macierze całkowite o najwyżej 64 wierszach i kolumnach każda.
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]Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami.
Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie.
Sprawdź pusty zbiór i jedną komórkę, odrzucając nierówne wiersze, niezgodne wymiary i komórki logiczne bez zmiany macierzy.
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 zapewnia środowisko programistyczne AI dla Windows do pracy nad kodem przyjmującym strukturalne dane liczbowe. Przedstaw odpowiednie pliki projektu i opisz dozwolone kształty, typy wartości oraz wynik oczekiwany przez kod wywołujący. Poproś model o łączny przegląd walidacji i obliczenia. Ułatwia to ocenę, czy proponowana zmiana zachowuje strukturę potrzebną aplikacji, nawet gdy poszczególne obliczenia wyglądają rozsądnie.
W zadaniu dotyczącym matrix.py możesz zbadać odrzucanie niezgodnych wymiarów lub nierównych wierszy przed mnożeniem macierzy. Poproś asystenta o wyjaśnienie obecnych założeń i zaproponowanie wąsko określonej poprawki, jeśli jest potrzebna. Użyj jawnych przykładów wejścia i wyjścia, w tym pustych kształtów dozwolonych w projekcie. Celem jest ulepszenie implementacji na podstawie dowodów możliwych do przeglądu, a nie wnioskowanie o matematycznej poprawności ze schludnej funkcji.
Uruchom kontrole projektu po przeglądzie zmian i potwierdź, jak nieprawidłowe dane trafiają do odbiorcy. Uwzględnij faktycznie obsługiwane rozmiary graniczne, zamiast polegać tylko na małym udanym przykładzie. Model bez filtrów można podłączyć przez obsługiwany punkt końcowy zgodny z OpenAI lub punkt końcowy Anthropic, jeśli jest oferowany, z danymi uwierzytelniającymi, gdy są wymagane. W MatrixCairn narzędzia, pojemność kontekstu i ograniczenia modelu zależą od skonfigurowanej usługi; środowisko wspiera rozmowę, a Ty weryfikujesz obliczenie.
Określ, czy aplikacja odrzuca go, czy przekształca przed obliczeniem. Nie pozwól, aby rozstrzygała przypadkowa reguła iteracji. Poproś asystenta o sprawdzenie miejsca tej polityki i zweryfikuj błąd widziany przez kod wywołujący.
Sprawdź też wymiary wyjścia i odpowiedniość wierszy oraz kolumn. Kilka poprawnych wartości nie dowodzi, że wynik ma kształt oczekiwany przez dalszy kod, szczególnie po zmianach obsługi pustego wejścia.
Podaj obsługiwane granice i sprawdź miejsce ich egzekwowania. Przetestuj akceptowane rozmiary graniczne oraz przypadek nadmiernego rozmiaru. Limity w przykładzie nie są gwarancją wydajności aplikacji ani pozwoleniem na pominięcie kontroli podczas wykonania.
Zdecyduj, czy typ należy do kontraktu, a następnie jawnie sprawdź konwersję lub odrzucenie. Bardziej liberalna zmiana może później wpłynąć na arytmetykę i serializację, więc przejrzyj całą ścieżkę, zamiast bez powodu rozszerzać akceptowane wartości.
MatrixCairn · Zaktualizowano 2026-10-25