โปรเจกต์
ทดสอบศูนย์ หนึ่ง สอง กำลังสองของจำนวนประกอบและขอบบน พร้อมปฏิเสธค่าลบ เศษส่วนหรือบูลีนก่อนจองหน่วยความจำ.
พื้นที่เขียนโค้ดด้วย AI
ตะแกรงจำนวนเฉพาะแบบจำกัด
แสดงจำนวนเฉพาะถึงขอบเขตจำนวนเต็มแบบรวมปลายด้วยตะแกรงที่จำกัดไว้ที่ 1000000.
● ● ●SieveFern●
ขั้นตอนการทำงาน · ตะแกรงจำนวนเฉพาะแบบจำกัด ×
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]✳แสดงจำนวนเฉพาะถึงขอบเขตจำนวนเต็มแบบรวมปลายด้วยตะแกรงที่จำกัดไว้ที่ 1000000.
✓ การเปลี่ยนแปลงตรวจสอบก่อนนำไปใช้ ↗
ภาพประกอบพื้นที่ทำงาน
ตรวจสอบก่อนนำไปใช้
เปรียบเทียบการทำงานจริงกับผลที่คาดหวัง หากการตรวจสอบไม่ผ่าน ให้หาสาเหตุก่อนแก้ไขเพิ่มเติม
โมเดล
ตั้งค่า endpoint ที่รองรับ OpenAI หรือ Anthropic ด้วย URL หลักและคีย์ API หากจำเป็น ทดสอบการเชื่อมต่อ เซิร์ฟเวอร์โมเดลในเครื่องต้องทำงานอยู่ เครื่องมือระยะไกลอาจส่งข้อมูลแยกต่างหาก
ขั้นตอนการทำงาน
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]ใส่ขีดจำกัดภาระงานในคำขอแก้ไข
รูทีนอาจให้คำตอบถูกต้องแต่ยังยอมรับงานมากเกินกว่าที่แอปพร้อมรองรับ SieveFern ให้พื้นที่ทำงานเขียนโค้ดด้วย AI บน Windows เพื่อตรวจช่องว่างนี้ในโค้ดโปรเจกต์ อธิบายภาระงานที่ยอมรับและปฏิเสธ กับคำตอบที่ผู้เรียกควรได้รับ ก่อนขอให้โมเดลเปลี่ยนวิธีเขียน
ตัวอย่างเช่น นำรูทีนสร้างจำนวนเฉพาะที่จำกัดขอบเขตเข้าบทสนทนา ขอให้โมเดลตรวจว่าขีดจำกัดอินพุตถูกตรวจตรงไหนเมื่อเทียบกับการจัดสรรและการคำนวณ รวมอินพุตเล็กที่ยอมรับและคำขอเกินขีดจำกัดที่ระบุ เพื่อให้แพตช์ที่เสนอต้องคำนึงทั้งผลที่ใช้งานได้และการปฏิเสธอย่างควบคุม
พิจารณาข้อเสนอเพิ่มขีดจำกัดเป็นการตัดสินใจแยก ค่าคงที่ที่เปลี่ยนอาจกระทบหน่วยความจำที่ต้องใช้ เวลาทำงาน และส่วนติดต่อที่เปิดให้ใช้การดำเนินการนั้น รันการตรวจโปรเจกต์ในกรณีที่ตั้งใจรองรับ และวัดทรัพยากรตรงที่สำคัญ แยกสิ่งที่วัดได้จริงออกจากค่าประมาณในบทสนทนา
SieveFern ให้ตั้งค่าการเชื่อมต่อโมเดลที่รองรับ OpenAI-compatible หรือ Anthropic พร้อมข้อมูลรับรองเมื่อจำเป็น หากปลายทางมีโมเดล AI ไร้การเซ็นเซอร์ นโยบายจริงของโมเดลนั้นยังควบคุมคำตอบ เครื่องมือและความจุบริบทที่ใช้ได้ขึ้นกับโมเดลและเซิร์ฟเวอร์ด้วย สิ่งเหล่านี้ไม่ได้กำหนดขีดจำกัดภาระงานที่ปลอดภัยสำหรับแอปของคุณ
ตรวจฟีเจอร์ที่จำกัดการใช้ทรัพยากร
ควรปฏิเสธคำขอที่ใหญ่เกินไปตรงไหน?
ตรวจว่าการตรวจอินพุตเกิดก่อนการจัดสรรหรือการดำเนินการที่ใช้ทรัพยากรมากหรือไม่ ขอให้โมเดลไล่ลำดับนั้นและการจัดการข้อผิดพลาดของผู้เรียก ทดสอบคำขอที่เกินขอบเขตเพียงเล็กน้อยเพื่อยืนยันว่าปฏิเสธตามเส้นทางที่ตั้งใจ
การเพิ่มขีดจำกัดขนาดเป็นเพียงการตั้งค่าหรือไม่?
อาจเปลี่ยนภาระงานอย่างมาก ตรวจวิธีเขียนและวัดทรัพยากรที่เกี่ยวข้องในสภาพแวดล้อมของคุณก่อนเพิ่ม ตรวจด้วยว่าผู้เรียก เวลารอสูงสุด หรือส่วนติดต่อโดยรอบพึ่งพาค่าสูงสุดเดิมหรือไม่
ข้อสังเกตด้านประสิทธิภาพที่มีประโยชน์เป็นอย่างไร?
บันทึกอินพุตที่ทดสอบ สภาพแวดล้อมรัน และวิธีวัดพร้อมผล เปรียบเทียบภายใต้เงื่อนไขเดียวกันเมื่อประเมินข้อเสนอ ค่าประมาณของโมเดลช่วยวางแผนทดลองได้ แต่ไม่ใช่การวัดโค้ดของคุณ
ถือว่าการตรวจทรัพยากรรันข้างโมเดลในเครื่องได้หรือไม่?
ไม่ได้ โมเดลในเครื่องต้องมีเซิร์ฟเวอร์ของตัวเองที่ทำงานอยู่ ส่วนเครื่องมือที่เชื่อมต่ออาจรันที่อื่นหรือติดต่อบริการระยะไกล ยืนยันการตั้งค่าประมวลผลจริงก่อนตีความผลหน่วยความจำหรือเวลาเป็นตัวแทนเครื่องเป้าหมาย
SieveFern · อัปเดตล่าสุด 2026-10-25