AND को OR से अधिक प्राथमिकता देकर सपाट बूलियन टोकन अनुक्रम का मान निकालें।
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])True OR False AND False जाँचें तथा बिना पाठ चलाए खाली इनपुट, गलत ऑपरेटर, कोष्ठक और गैर-बूलियन मान अस्वीकार करें।
वास्तविक व्यवहार की अपेक्षित परिणाम से तुलना करें। जाँच असफल हो तो अगले बदलाव से पहले कारण समझें।
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।
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 मौजूदा परियोजना में सशर्त व्यवहार समझने वाले डेवलपरों का Windows एआई कोडिंग कार्यक्षेत्र है। फ़ोल्डर खोलें और अनपेक्षित परिणाम देने वाला निर्णय बताएँ। जुड़ा मॉडल संबंधित कोड जाँचने और केंद्रित संशोधन पर चर्चा में मदद कर सकता है; बातचीत समीक्षा के दौरान अपेक्षित व्यवहार सामने रखती है।
boolean_tokens.py उदाहरण सपाट बूलियन अभिव्यक्तियों का कार्य सुझाता है। अपने अनुप्रयोग में पूछें कि स्वीकृत इनपुट, ऑपरेटर प्राथमिकता और विफलता व्यवहार कॉलर की अपेक्षा से मेल खाते हैं या नहीं। संपादन माँगने से पहले ज्ञात परिणाम वाली कुछ अभिव्यक्तियाँ दें। इससे उदाहरण परियोजना संदर्भ बनता है, होमपेज भाषा पाठ नहीं बनता और न सॉफ़्टवेयर के साथ नियम इंजन मिलने का संकेत देता है।
समर्थित OpenAI-संगत या Anthropic एंडपॉइंट पर उपलब्ध हो तो बिना फ़िल्टर वाला एआई मॉडल चुन सकते हैं। आवश्यक पता और क्रेडेंशियल कॉन्फ़िगर करें तथा वास्तविक संदर्भ और टूल समर्थन देखें। पैच जाँचने के बाद अपेक्षित व्यवहार को पुराने से अलग करने वाली अभिव्यक्तियाँ और गलत इनपुट जाँचें। अभिव्यक्ति के अर्थ में बदलाव को प्रारूप सफ़ाई से अलग रखें। समीक्षा में स्पष्ट होना चाहिए कि कौन-से निर्णय बदले, क्यों बदले और कॉलरों को वे कैसे दिखेंगे।
समर्थित ऑपरेटरों को मिलाने वाली अभिव्यक्ति लें जिसका परिणाम अलग व्याख्याओं में अलग हो। अपेक्षित परिणाम और अनुप्रयोग उसकी अपेक्षा क्यों करता है, लिखें। अर्थ बदलने का प्रस्ताव देने से पहले मॉडल से वर्तमान कोड ट्रेस करवाएँ।
केवल यदि वह माँगे अनुबंध का हिस्सा है। सिंटैक्स जोड़ने से दायरा बदलता है और अलग पार्सर तथा नया त्रुटि प्रबंधन लग सकता है। परियोजना को स्पष्ट रूप से व्यापक भाषा न चाहिए तो सपाट अभिव्यक्ति सुधार सीमित रखें।
गायब ऑपरेंड, अज्ञात ऑपरेटर और गलत प्रकार के मान दें। हर विफलता कॉलर तक कैसे पहुँचती है, जाँचें। हेल्पर की त्रुटि तभी उपयोगी है जब आसपास का अनुप्रयोग उसे अपने अनुबंध के अनुसार संभाले।
वह दिखता व्यवहार बता सकता है, अनकही मंशा स्थापित नहीं कर सकता। नियम का उद्देश्य और स्वीकार्य परिणाम दें, फिर आवश्यकताओं को कार्यान्वयन से मिलाएँ। विश्वसनीय लगती व्याख्या को नीति मानने के बजाय अस्पष्ट मामले निर्णय के लिए चिह्नित करें।
LogicStitch · अद्यतन 2026-10-25