راجع قبل التطبيق
قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية.
مساحة عمل برمجية بالذكاء الاصطناعي
تصحيح بت واحد بهامينغ
فك كلمة هامينغ من سبعة بتات بافتراض صريح أن بتًا واحدًا على الأكثر قد انقلب.
● ● ●ParityOchre●
سير العمل · تصحيح بت واحد بهامينغ ×
def correct_hamming(word):
word = list(word)
if len(word) != 7 or any(type(b) is not int or b not in (0, 1) for b in word):
raise ValueError("hamming.word")
syndrome = 0
for parity in (1, 2, 4):
value = 0
for position in range(1, 8):
if position & parity:
value ^= word[position-1]
if value:
syndrome |= parity
if syndrome:
word[syndrome-1] ^= 1
data = (word[2] << 3) | (word[4] << 2) | (word[5] << 1) | word[6]
return data, syndrome✳فك كلمة هامينغ من سبعة بتات بافتراض صريح أن بتًا واحدًا على الأكثر قد انقلب.
✓ التغييراتراجع قبل التطبيق ↗
رسم توضيحي لمساحة العمل
النماذج
اضبط نقطة اتصال متوافقة مع OpenAI أو Anthropic باستخدام العنوان الأساسي ومفتاح API عند الحاجة. اختبر الاتصال. يجب أن يعمل خادم النموذج المحلي؛ وقد ترسل الأدوات البعيدة البيانات بشكل منفصل.
المشروع
اختبر الكلمات السليمة وكل موضع خطأ منفرد وارفض الإدخال المشوه أو غير الثنائي ولا تعد بكشف الأخطاء المتعددة.
سير العمل
def correct_hamming(word):
word = list(word)
if len(word) != 7 or any(type(b) is not int or b not in (0, 1) for b in word):
raise ValueError("hamming.word")
syndrome = 0
for parity in (1, 2, 4):
value = 0
for position in range(1, 8):
if position & parity:
value ^= word[position-1]
if value:
syndrome |= parity
if syndrome:
word[syndrome-1] ^= 1
data = (word[2] << 3) | (word[4] << 2) | (word[5] << 1) | word[6]
return data, syndromeأبقِ الشيفرة التجريبية صريحة بشأن افتراضات تشغيلها
ParityOchre مساحة عمل للبرمجة بالذكاء الاصطناعي على Windows لتحويل تجربة تقنية صغيرة إلى مكوّن برمجي واضح الحدود. افتح مجلد المصدر وصف الظروف التي ستستخدم فيها النتيجة. اطلب من النموذج فحص الحساب والمستدعي معاً، خصوصاً حيث قد تُفسر المخرجات على أنها دليل على نجاح الاستعادة.
مثلاً، اطلب مراجعة hamming.py بافتراض خطأ في بت واحد. قدم كلمة سليمة وأخرى تغير فيها بت واحد، ثم حدد كيف يعرض التطبيق البيانات المعادة ومتلازمة الخطأ. ناقش الإخفاقات خارج هذا الافتراض بصورة منفصلة، كي لا توحي نتيجة معقولة بتصحيح كل مدخل تالف.
استخدم التعديل المقترح لفحص الواجهة المحيطة بالتجربة. تحقق من طول المدخل وقيم البتات، وشغّل حالات اختبار مستقلة في بيئتك وافحص الرسالة التي تعرضها الشيفرة المستهلكة. وضوح أسماء المخرجات مهم هنا: ينبغي أن يوضح التطبيق ما يبلغه الإجراء فعلاً، دون تحويل مثال محدود إلى ادعاء أوسع بالموثوقية.
يدعم ParityOchre ربط النماذج عبر نقاط نهاية متوافقة مع OpenAI أو نقاط نهاية Anthropic، مع بيانات اعتماد عند الحاجة. يتاح نموذج ذكاء اصطناعي بلا رقابة حيثما يُعرض، مع الخضوع لقيود المزود. تعتمد الأدوات المتاحة والسياق على النموذج والخادم المختارين؛ وتظل أدلة حالات الاختبار ضرورية عند مراجعة السلوك البرمجي المقترح.
أسئلة عن تجارب الاستعادة محدودة النطاق
هل تثبت القيمة المعادة إصلاح الكلمة؟
فقط ضمن الافتراضات المحددة للإجراء والمدخل. قيمة بيانات معقولة وحدها لا تثبت نجاح تصحيح تلف اعتباطي. راجع وصف التطبيق للنتيجة كي لا يتلقى المستخدمون ضماناً أقوى مما تدعمه التجربة.
ماذا ينبغي أن يشمل التحقق من المدخلات؟
استخدم طول الكلمة المتوقع وقيم البتات المسموح بها في عقد المشروع. أدرج أطوالاً غير صحيحة وقيماً ليست بتات في حالات الاختبار. افحص الرفض عبر المستدعي أيضاً، لأن استثناء الدالة المساعدة ليس بالضرورة استجابة مفيدة للتطبيق.
لماذا ندرج كلمات سليمة في الاختبارات؟
إنها تفحص مسار عدم التغيير ومعنى متلازمة الخطأ المبلغة حين لا يُشار إلى تصحيح. قارن البيانات المستخرجة بقيمة متوقعة مستقلة. اختبار الأمثلة التالفة وحدها قد يفوّت عيباً في معالجة المدخلات العادية أو تفسير المخرجات.
كيف أطلب معالجة أخطاء أوسع؟
حدد حالات الخطأ الإضافية والأدلة التي يحتاجها التطبيق لتمييزها. تعامل مع ذلك كمتطلب تصميم جديد لا كتعديل صغير للمثال الحالي. راجع الواجهة والاختبارات المقترحة قبل افتراض أنها تدعم ضمان استعادة أقوى.
ParityOchre · آخر تحديث 2026-10-25