Model
Atur endpoint kompatibel OpenAI atau Anthropic dengan URL dasar dan kunci API jika diperlukan. Uji koneksi. Server model lokal harus berjalan; alat jarak jauh dapat mengirim data secara terpisah.
Ruang kerja kode dengan AI
Konvolusi diskret penuh
Hitung konvolusi diskret penuh dari dua urutan angka hingga.
● ● ●KernelQuay●
Alur kerja · Konvolusi diskret penuh ×
import math
def convolve(values, kernel):
if not all(map(math.isfinite, [*values, *kernel])):
raise ValueError("finite inputs required")
if not values or not kernel: return []
result = [0] * (len(values) + len(kernel) - 1)
for i, value in enumerate(values):
for j, weight in enumerate(kernel):
result[i + j] += value * weight
if not all(map(math.isfinite, result)):
raise ValueError("non-finite result")
return result✳Hitung konvolusi diskret penuh dari dua urutan angka hingga.
✓ PerubahanTinjau sebelum menerapkan ↗
Ilustrasi ruang kerja
Proyek
Uji masukan kosong, satu nilai dan kernel asimetris, menjaga panjang keluaran sama dengan jumlah panjang masukan tak kosong dikurangi satu.
Tinjau sebelum menerapkan
Bandingkan perilaku sebenarnya dengan hasil yang diharapkan. Jika pemeriksaan gagal, cari penyebabnya sebelum membuat perubahan lain.
Alur kerja
import math
def convolve(values, kernel):
if not all(map(math.isfinite, [*values, *kernel])):
raise ValueError("finite inputs required")
if not values or not kernel: return []
result = [0] * (len(values) + len(kernel) - 1)
for i, value in enumerate(values):
for j, weight in enumerate(kernel):
result[i + j] += value * weight
if not all(map(math.isfinite, result)):
raise ValueError("non-finite result")
return resultHubungkan perubahan numerik dengan perangkat lunak yang mengonsumsinya
Fungsi pembantu numerik merupakan bagian dari kontrak aplikasi: pemanggilnya bergantung pada bentuk keluaran, masukan yang diterima, dan perilaku kegagalan sama seperti aritmetikanya. KernelQuay adalah ruang kerja pemrograman AI Windows untuk meninjau hubungan tersebut. Bawa implementasi dan sejumlah kecil hasil yang diharapkan ke percakapan sebelum meminta perubahan.
Misalnya, mintalah tinjauan konvolusi diskret penuh dalam modul pemrosesan. Tunjukkan kepada model terhubung cara pemanggil menggunakan keluaran dan apakah urutan kosong memiliki makna. Minta model menjelaskan batas yang diusulkan menggunakan contoh kecil yang asimetris, yang membuat pembalikan tidak sengaja lebih mudah terlihat daripada pengujian simetris yang nyaman.
Pertahankan penanganan kesalahan dalam tinjauan yang sama. Masukan bernilai hingga tetap dapat menghasilkan nilai di luar rentang numerik yang dimaksud, dan konsumen berikutnya mungkin memerlukan respons kegagalan tertentu. Periksa usulan kode, jalankan pemeriksaan numerik, dan uji pemanggil dengan hasil valid maupun masukan yang ditolak. Tujuannya adalah batas perangkat lunak yang dapat diandalkan, bukan rumus yang disajikan tanpa integrasi.
KernelQuay memungkinkan Anda mengonfigurasikan endpoint kompatibel OpenAI atau Anthropic yang didukung, dengan kredensial jika diperlukan. Model AI abliterasi yang tersedia dapat membantu diskusi kode; servernya menentukan alat yang tersedia dan konteks. Contoh serta hasil eksekusi Anda memberi dasar konkret bagi tinjauan.
Hubungkan perubahan numerik dengan perangkat lunak yang mengonsumsinya — pertanyaan sebelum mengedit
Mengapa menyertakan pemanggil fungsi pembantu numerik?
Pemanggil menetapkan panjang keluaran dan perilaku kegagalan yang diperlukan aplikasi. Fungsi pembantu dapat menghasilkan angka yang masuk akal tetapi merusak integrasi karena bentuk atau pengecualian berubah. Tinjau kedua sisi sebelum menerima refaktor numerik.
Apa yang membuat contoh kecil berguna di sini?
Gunakan nilai berbeda dan asimetris dengan hasil yang dapat Anda periksa secara independen. Jelaskan operasi dan urutan keluaran yang dimaksud. Data uji semacam ini membantu mengungkap pembalikan atau kesalahan batas yang mungkin tersembunyi oleh nilai berulang atau simetris.
Haruskah keluaran tidak valid diperiksa selain masukan?
Jika aplikasi mensyaratkan hasil bernilai hingga, periksa kedua batas. Operan valid yang bernilai hingga tidak otomatis menjamin setiap hasil perhitungan memenuhi persyaratan itu. Uji perilaku penolakan yang diharapkan dan cara pemanggil menanganinya.
Bisakah saya menerima optimasi setelah satu contoh cocok?
Satu contoh adalah titik awal. Bandingkan panjang perwakilan, perilaku masukan kosong, dan kasus kegagalan yang tercakup kontrak. Tinjau asumsi yang berubah sebelum mengukur waktu implementasi, lalu jalankan sendiri pemeriksaan proyek terkait.
KernelQuay · Diperbarui 2026-10-25
