प्रोजेक्ट
शून्य, एक, दो, संयुक्त संख्या का वर्ग और ऊपरी सीमा जाँचें तथा स्मृति आवंटन से पहले ऋणात्मक, भिन्नात्मक या बूलियन सीमा अस्वीकार करें।
AI के साथ कोड का कार्यक्षेत्र
सीमित अभाज्य संख्या छलनी
1000000 तक सीमित छलनी से समावेशी पूर्णांक सीमा तक अभाज्य संख्याएँ निकालें।
● ● ●SieveFern●
कार्यप्रवाह · सीमित अभाज्य संख्या छलनी ×
from math import isqrt
def primes_through(limit):
if type(limit) is not int or not 0 <= limit <= 1000000:
raise ValueError("limit.range")
sieve = bytearray([1]) * (limit + 1)
sieve[0] = 0
if limit >= 1:
sieve[1] = 0
for p in range(2, isqrt(limit) + 1):
if sieve[p]:
for multiple in range(p * p, limit + 1, p):
sieve[multiple] = 0
return [i for i, prime in enumerate(sieve) if prime]✳1000000 तक सीमित छलनी से समावेशी पूर्णांक सीमा तक अभाज्य संख्याएँ निकालें।
✓ बदलावलागू करने से पहले समीक्षा करें ↗
कार्यक्षेत्र का चित्रण
लागू करने से पहले समीक्षा करें
वास्तविक व्यवहार की अपेक्षित परिणाम से तुलना करें। जाँच असफल हो तो अगले बदलाव से पहले कारण समझें।
मॉडल
बेस URL और आवश्यक होने पर API कुंजी से OpenAI-संगत या Anthropic endpoint सेट करें। कनेक्शन जाँचें। स्थानीय मॉडल सर्वर चालू होना चाहिए; दूरस्थ उपकरण अलग से डेटा भेज सकते हैं।
कार्यप्रवाह
from math import isqrt
def primes_through(limit):
if type(limit) is not int or not 0 <= limit <= 1000000:
raise ValueError("limit.range")
sieve = bytearray([1]) * (limit + 1)
sieve[0] = 0
if limit >= 1:
sieve[1] = 0
for p in range(2, isqrt(limit) + 1):
if sieve[p]:
for multiple in range(p * p, limit + 1, p):
sieve[multiple] = 0
return [i for i, prime in enumerate(sieve) if prime]बदलाव के अनुरोध में कार्यभार की सीमा शामिल करें
रूटीन सही उत्तर दे सकती है, फिर भी अनुप्रयोग की क्षमता से अधिक काम स्वीकार सकती है। SieveFern परियोजना कोड में यह अंतर जाँचने का Windows एआई कोडिंग कार्यक्षेत्र देता है। मॉडल से कार्यान्वयन बदलने को कहने से पहले स्वीकार्य व अस्वीकार्य कार्यभार और कॉलर को मिलने वाला प्रत्युत्तर बताएँ।
उदाहरण के लिए सीमित अभाज्य-संख्या उत्पादन रूटीन बातचीत में लाएँ। मॉडल से देखें कि आवंटन और गणना के सापेक्ष इनपुट सीमा कहाँ जँचती है। छोटे स्वीकार्य इनपुट और बताई सीमा से बाहर का अनुरोध दें, ताकि पैच उपयोगी परिणाम और नियंत्रित अस्वीकृति दोनों सँभाले।
सीमा बढ़ाने का कोई सुझाव अलग निर्णय के रूप में देखें। स्थिरांक बदलने से स्मृति आवश्यकता, रनटाइम और संक्रिया प्रस्तुत करने वाला इंटरफ़ेस प्रभावित हो सकते हैं। जिन मामलों को समर्थन देना है उन पर परियोजना जाँचें चलाएँ और जहाँ जरूरी हो संसाधन उपयोग मापें। मापे अवलोकन बातचीत के अनुमानों से अलग रखें।
SieveFern समर्थित OpenAI-संगत या Anthropic मॉडल कनेक्शन कॉन्फ़िगर करने देता है, आवश्यक क्रेडेंशियल समेत। एंडपॉइंट बिना सेंसर वाला एआई मॉडल देता हो तो भी उसकी वास्तविक नीतियाँ प्रतिक्रियाओं पर लागू हैं। उपलब्ध उपकरण और संदर्भ क्षमता भी मॉडल व सर्वर पर निर्भर हैं; वे अनुप्रयोग की सुरक्षित कार्यभार सीमा निर्धारित नहीं करते।
संसाधन-सीमित सुविधा की समीक्षा
बहुत बड़ा अनुरोध कहाँ अस्वीकार हो?
देखें कि सत्यापन महँगे आवंटन या संक्रिया से पहले होता है या नहीं। मॉडल से क्रम और कॉलर की त्रुटि सँभालने की प्रक्रिया खोजने को कहें। स्वीकार्य सीमा से ठीक आगे का अनुरोध जाँचें ताकि अस्वीकृति अपेक्षित पथ पर हो।
क्या आकार सीमा बढ़ाना केवल कॉन्फ़िगरेशन बदलाव है?
इससे कार्यभार काफी बदल सकता है। बढ़ाने से पहले कार्यान्वयन देखें और अपने परिवेश में संबंधित संसाधन उपयोग मापें। यह भी जाँचें कि कॉलर, टाइमआउट या आसपास के इंटरफ़ेस पुराने अधिकतम पर निर्भर हैं या नहीं।
उपयोगी प्रदर्शन अवलोकन क्या है?
परिणाम के साथ परीक्षण इनपुट, रनटाइम परिवेश और माप विधि लिखें। प्रस्ताव आँकते समय समान स्थितियों की तुलना करें। मॉडल का अनुमान प्रयोग की योजना में मदद कर सकता है, पर वह आपके कार्यान्वयन का माप नहीं है।
क्या मान लें कि संसाधन जाँचें स्थानीय मॉडल के पास चलती हैं?
नहीं। स्थानीय मॉडल को अपना चालू सर्वर चाहिए, जबकि जुड़े उपकरण कहीं और चल सकते हैं या दूरस्थ सेवाओं से संपर्क कर सकते हैं। स्मृति या समय परिणामों को लक्ष्य मशीन का प्रतिनिधि मानने से पहले वास्तविक निष्पादन व्यवस्था सुनिश्चित करें।
SieveFern · अद्यतन 2026-10-25