Sprawdź przed zastosowaniem
Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami.
Środowisko programowania z AI
Mosty grafów nieskierowanych
Znajdź mosty prostego grafu nieskierowanego o najwyżej 32 wierzchołkach.
● ● ●SpanSorbus●
Sposoby pracy · Mosty grafów nieskierowanych ×
def bridge_edges(n, edges):
if type(n) is not int or not 0 <= n <= 32:
raise ValueError("vertex count")
if type(edges) is not list or len(edges) > 496:
raise ValueError("edge count")
graph = [set() for _ in range(n)]
for edge in edges:
if type(edge) is not tuple or len(edge) != 2 or any(
type(x) is not int or not 0 <= x < n for x in edge):
raise ValueError("edge endpoints")
a, b = edge
if a == b or b in graph[a]:
raise ValueError("simple undirected edges")
graph[a].add(b); graph[b].add(a)
timer, found = 0, []
entered, low = [-1] * n, [0] * n
def visit(v, parent):
nonlocal timer
entered[v] = low[v] = timer; timer += 1
for u in sorted(graph[v]):
if u == parent:
continue
if entered[u] < 0:
visit(u, v); low[v] = min(low[v], low[u])
if low[u] > entered[v]:
found.append(tuple(sorted((v, u))))
else:
low[v] = min(low[v], entered[u])
for v in range(n):
if entered[v] < 0:
visit(v, -1)
return sorted(found)✳Znajdź mosty prostego grafu nieskierowanego o najwyżej 32 wierzchołkach.
✓ ZmianySprawdź przed zastosowaniem ↗
Ilustracja środowiska
Modele
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.
Projekt
Sprawdź rozłączne składowe i cykle, odrzucając powtórzone krawędzie, pętle i błędne końce bez zmiany wejścia.
Sposoby pracy
def bridge_edges(n, edges):
if type(n) is not int or not 0 <= n <= 32:
raise ValueError("vertex count")
if type(edges) is not list or len(edges) > 496:
raise ValueError("edge count")
graph = [set() for _ in range(n)]
for edge in edges:
if type(edge) is not tuple or len(edge) != 2 or any(
type(x) is not int or not 0 <= x < n for x in edge):
raise ValueError("edge endpoints")
a, b = edge
if a == b or b in graph[a]:
raise ValueError("simple undirected edges")
graph[a].add(b); graph[b].add(a)
timer, found = 0, []
entered, low = [-1] * n, [0] * n
def visit(v, parent):
nonlocal timer
entered[v] = low[v] = timer; timer += 1
for u in sorted(graph[v]):
if u == parent:
continue
if entered[u] < 0:
visit(u, v); low[v] = min(low[v], low[u])
if low[u] > entered[v]:
found.append(tuple(sorted((v, u))))
else:
low[v] = min(low[v], entered[u])
for v in range(n):
if entered[v] < 0:
visit(v, -1)
return sorted(found)Powiąż wyniki grafu z decyzją podejmowaną przez aplikację
SpanSorbus to środowisko programowania dla Windows do badania logiki spójności w kontekście rzeczywistych plików źródłowych. Zacznij od opisania decyzji, którą aplikacja podejmuje na podstawie wyniku grafu. Poproś podłączony model o sprawdzenie reprezentacji wejścia i jej odbiorcy przed zleceniem zmiany przejścia grafu lub wyjścia.
Przydatne zadanie może wykorzystywać bridge_edges.py do zbadania krawędzi, której usunięcie rozdziela spójną część danych testowych. Dodaj dla porównania graf z cyklem i określ oczekiwaną listę krawędzi. Przejrzyj założenia grafu prostego i nieskierowanego obok implementacji, aby proponowana zmiana nie przyjmowała po cichu innego rodzaju wejścia.
Praca nad oprogramowaniem trwa po powrocie z procedury. Sprawdź, jak kod wywołujący nazywa węzły, prezentuje krawędzie i obsługuje odrzucone dane, a następnie uruchom kontrole projektu z niespójnymi i pustymi grafami testowymi. Powiąż przegląd z tymi obserwowalnymi wynikami. Poprawne wyjaśnienie grafu nie dowodzi, że aplikacja mapuje rzeczywiste dane na oczekiwaną reprezentację.
SpanSorbus łączy się przez obsługiwane punkty końcowe zgodne z OpenAI lub Anthropic, z danymi uwierzytelniającymi, gdy są wymagane. Wybierz model AI bez cenzury, jeśli punkt końcowy go udostępnia, sprawdzając ograniczenia dostawcy i dostępne narzędzia. Limity kontekstu zależą od modelu i serwera, więc dostarcz ograniczony zestaw danych testowych i odpowiednich odbiorców, aby skupić rozmowę o kodzie.
Pytania przed zmianą kodu spójności
- Czy każdą krawędź poza cyklem należy traktować tak samo?
Sprawdź dokładną definicję grafu i decyzję podejmowaną przez aplikację. Użyj danych testowych z niezależnie zapisanym oczekiwanym wynikiem. Przejrzyj założenia kodu dotyczące kierunku, krawędzi równoległych i pętli własnych, zanim przeniesiesz nieformalne wyjaśnienie grafu na wymaganie oprogramowania.
- Dlaczego testować niespójne wejście?
Aplikacja może zawierać kilka oddzielnych składowych, z których każda ma własne istotne krawędzie. Przejście zaczynające się od jednego węzła może pominąć pozostałe. Dodaj graf testowy z więcej niż jedną składową i porównaj całe wyjście, a nie tylko pierwszą oczekiwaną krawędź.
- Czy mogę przekazać powtórzone krawędzie z importowanych danych?
Najpierw sprawdź kontrakt przyjmowanego wejścia. Przykład oczekuje grafu prostego i odrzuca duplikaty. Jeśli importowane dane zawierają powtórzone krawędzie, zdecyduj, czy importer powinien je normalizować, czy zgłaszać błąd, zanim poprosisz o zmiany procedury grafowej.
- Co odbiorca powinien zachować przy wyświetlaniu krawędzi?
Zdefiniuj mapowanie wewnętrznych identyfikatorów węzłów na etykiety widoczne dla użytkownika oraz kolejność potrzebną do stabilnego wyjścia. Przejrzyj te mapowania wraz z proponowaną edycją. Poprawna wewnętrzna para krawędzi nadal może dawać mylący wynik, jeśli kod wywołujący skojarzy ją z niewłaściwymi etykietami.
SpanSorbus · Zaktualizowano 2026-10-25