Вибір за зваженим квитком
Зіставте цілий квиток індексу списку невід'ємних цілих ваг.
from bisect import bisect_right
def ticket_index(weights, ticket):
if any(type(w) is not int or w < 0 for w in weights):
raise ValueError("nonnegative integer weights")
bounds, total = [], 0
for weight in weights:
total += weight
bounds.append(total)
if type(ticket) is not int or not 0 <= ticket < total:
raise ValueError("ticket outside total")
return bisect_right(bounds, ticket)Проєкт
Перевірте нульові ваги й накопичені межі, відхиляючи нульову суму чи квиток поза сумою без випадкових чисел.
Перевірте перед застосуванням
Порівняйте фактичну поведінку з очікуваним результатом. Якщо перевірка не проходить, з’ясуйте причину перед наступними змінами.
Моделі
Налаштуйте OpenAI-сумісний або Anthropic endpoint із базовою URL-адресою та API-ключем, якщо він потрібен. Перевірте з’єднання. Локальний сервер моделі має працювати; віддалені інструменти можуть окремо передавати дані.
from bisect import bisect_right
def ticket_index(weights, ticket):
if any(type(w) is not int or w < 0 for w in weights):
raise ValueError("nonnegative integer weights")
bounds, total = [], 0
for weight in weights:
total += weight
bounds.append(total)
if type(ticket) is not int or not 0 <= ticket < total:
raise ValueError("ticket outside total")
return bisect_right(bounds, ticket)Зробіть перевірку логіки вибору відтворюваною
WeightSpruce поєднує логіку застосунку й розмову з ШІ в середовищі програмування для Windows. Воно корисне, коли правило вибору виглядає правдоподібно, але його граничні випадки потребують уважного вивчення. Відкрийте теку проєкту й попросіть підключену модель простежити рішення від наданих даних до результату, включно з діями коду виклику, коли допустимого вибору немає.
Приклад tickets.py може підтримати запит про зважений вибір квитків. Надайте невеликий список ваг і конкретні позиції квитків, а потім запитайте, чи кожна відповідає потрібному елементу. Вважайте нульові ваги та граничні позиції частиною контракту. Це конкретна вправа для проєкту, а не вбудована служба розподілу. Перевірка має пов’язувати результат допоміжної функції з поведінкою застосунку, якою він керує.
ШІ без обмежень — варіант вибору моделі, коли підтримувана OpenAI-сумісна кінцева точка або кінцева точка Anthropic пропонує таку модель. Налаштуйте адресу й потрібні облікові дані; доступ до інструментів і контекст визначає сервіс. Вивчіть правки перед детермінованими перевірками, які виявляють граничні помилки. Якщо застосунок також використовує випадкові дані, оцінюйте це джерело окремо. Розділення відповідності квитків і випадковості полегшує розуміння того, який компонент насправді перевіряє тест.
Перевірка зміни зваженого вибору
Чи можна тестувати відповідність квитків без випадкової вибірки?
Так. Використовуйте відомі ваги й явні позиції квитків для першого, останнього та граничних випадків. Це безпосередньо перевіряє відповідність. Випадкові випробування можуть доповнювати її, але здатні пропустити вузьку помилку на одиницю й ускладнити відтворення збоїв.
Що має статися, коли всі ваги нульові?
Визначте результат у контракті коду виклику. За нульової суми допустимого квитка немає, тому відхилення чи окремо визначений запасний варіант потребують свідомої обробки. Попросіть модель простежити шлях помилки разом зі звичайними виборами.
Чи доводить правильна відповідність справедливість випадкового вибору?
Ні. Відповідність і генерація квитків — окремі компоненти. Перевірте потрібні діапазон та властивості джерела даних, а потім протестуйте інтеграцію. Не виводьте гарантії розподілу лише з того, що допоміжна функція повертає очікуваний елемент для фіксованих квитків.
Який код виклику слід перевірити після виправлення межі?
Вивчіть споживачів, які тлумачать повернутий індекс або формують діапазон квитків. Перевірте припущення про виключені елементи й порожні дані. Перед прийняттям виправлення допоміжна функція та код виклику мають узгоджено визначати, чи включено верхню межу.
WeightSpruce · Оновлено 2026-10-25