Vyhodnoťte plochou sekvenci logických hodnot spojených AND a OR s předností AND.
def evaluate_flat(tokens):
if not tokens or len(tokens) % 2 == 0:
raise ValueError("logic.shape")
if any(type(x) is not bool for x in tokens[::2]):
raise ValueError("logic.value")
if any(x not in ("AND", "OR") for x in tokens[1::2]):
raise ValueError("logic.operator")
terms, term = [], tokens[0]
for i in range(1, len(tokens), 2):
if tokens[i] == "AND":
term = term and tokens[i + 1]
else:
terms.append(term)
term = tokens[i + 1]
return any([*terms, term])Otestujte True OR False AND False a odmítněte prázdný vstup, chybně umístěné operátory, závorky či jiné operandy bez spouštění textu.
Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.
Nastavte endpoint kompatibilní s OpenAI nebo Anthropic pomocí základní URL a případného API klíče. Otestujte připojení. Lokální server modelu musí běžet; vzdálené nástroje mohou data odesílat samostatně.
def evaluate_flat(tokens):
if not tokens or len(tokens) % 2 == 0:
raise ValueError("logic.shape")
if any(type(x) is not bool for x in tokens[::2]):
raise ValueError("logic.value")
if any(x not in ("AND", "OR") for x in tokens[1::2]):
raise ValueError("logic.operator")
terms, term = [], tokens[0]
for i in range(1, len(tokens), 2):
if tokens[i] == "AND":
term = term and tokens[i + 1]
else:
terms.append(term)
term = tokens[i + 1]
return any([*terms, term])LogicStitch je programátorské prostředí s AI pro Windows pro vývojáře, kteří potřebují porozumět podmíněnému chování existujícího projektu. Otevřete složku a pojmenujte rozhodnutí vedoucí k nečekanému výsledku. Připojený model může pomoci prozkoumat relevantní kód a probrat cílenou úpravu, zatímco očekávané chování zůstává v rozhovoru viditelné po celou kontrolu.
Příklad boolean_tokens.py naznačuje úlohu s plochými booleovskými výrazy. V aplikaci se ptejte, zda přijímaný vstup, priorita operátorů a chování při chybě odpovídají očekávání volajícího. Než požádáte o úpravy, dodejte několik výrazů se známými výsledky. Příklad tak slouží jako kontext projektu, aniž se úvodní stránka mění v jazykový návod nebo naznačuje, že software obsahuje modul pravidel.
Nefiltrovaný model AI lze vybrat, pokud jej nabízí podporovaný koncový bod kompatibilní s OpenAI nebo Anthropic. Nastavte požadovanou adresu a přihlašovací údaje a zohledněte skutečný kontext a podporu nástrojů modelu. Po prozkoumání úpravy testujte výrazy odlišující zamýšlené chování od původního i chybné vstupy. Změny významu výrazů oddělte od úprav formátování. Výsledná kontrola má vysvětlit, která rozhodnutí se změnila, proč a jak to pozoruje volající kód.
Použijte výraz kombinující podporované operátory, jehož výsledek se podle soupeřících výkladů liší. Zapište zamýšlený výsledek a důvod, proč jej aplikace očekává. Než model navrhne změnu významu, požádejte ho o rozbor současného kódu.
Pouze pokud patří do požadované smlouvy. Přidání syntaxe mění rozsah a může vyžadovat jiný parser i nové zpracování chyb. Opravu stávajících plochých výrazů udržte omezenou, pokud projekt výslovně nepotřebuje širší jazyk.
Zahrňte chybějící operandy, neznámé operátory a hodnoty nesprávného typu. Ověřte, jak volající přijímá každé selhání. Vyvolání chyby pomocnou funkcí je užitečné pouze tehdy, pokud ji okolní aplikace zpracuje podle vlastní smlouvy.
Může popsat zdánlivé chování, ale nemůže stanovit nevyslovený záměr. Dodejte účel pravidla a přijatelné výsledky a porovnejte požadavky s implementací. Nejednoznačné případy označte k rozhodnutí místo přijetí věrohodného výkladu za pravidlo.
LogicStitch · Aktualizováno 2026-10-25