Kembalikan palindrom terpanjang paling kiri dari teks maksimal 512 titik kode.
def longest_palindrome(text):
if type(text) is not str or len(text) > 512:
raise ValueError("palindrome.input")
best = (0, 0)
for center in range(len(text)):
for left, right in ((center, center), (center, center+1)):
while left >= 0 and right < len(text) and text[left] == text[right]:
stop = right+1
if stop-left > best[1]-best[0] or (stop-left == best[1]-best[0] and left < best[0]):
best = (left, stop)
left -= 1
right += 1
return text[best[0]:best[1]]
| Proyek | Uji teks kosong, pusat genap dan panjang seri tanpa normalisasi Unicode atau segmentasi grafem. |
|---|---|
| Tinjau sebelum menerapkan | Bandingkan perilaku sebenarnya dengan hasil yang diharapkan. Jika pemeriksaan gagal, cari penyebabnya sebelum membuat perubahan lain. |
| 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. |
def longest_palindrome(text):
if type(text) is not str or len(text) > 512:
raise ValueError("palindrome.input")
best = (0, 0)
for center in range(len(text)):
for left, right in ((center, center), (center, center+1)):
while left >= 0 and right < len(text) and text[left] == text[right]:
stop = right+1
if stop-left > best[1]-best[0] or (stop-left == best[1]-best[0] and left < best[0]):
best = (left, stop)
left -= 1
right += 1
return text[best[0]:best[1]]
MirrorVane menyediakan ruang kerja pemrograman Windows untuk pengembangan Python dengan koneksi model pilihan Anda. Mulai tugas pemrosesan teks dengan contoh perilaku yang diinginkan, termasuk cara memilih di antara hasil yang sama-sama valid. Ini memberi percakapan aturan produk konkret yang harus dipertahankan ketika asisten menyarankan penataan ulang implementasi.
Contoh palindrom terpanjang merupakan permintaan berguna untuk dibawa ke ruang kerja. Minta model memeriksa cara fungsi memilih hasil paling kiri ketika panjangnya sama dan apa yang dianggap sebagai karakter. Sertakan pemanggil agar pembahasan tetap terkait dengan model teks aplikasi, bukan menganggap semua string yang tampak identik memiliki representasi sama.
Tinjau usulan kode dengan data uji singkat untuk masukan kosong, hasil seri, dan kasus karakter yang didukung aplikasi. Jalankan pengujian itu di lingkungan Python Anda, lalu periksa hasil di tempat pengguna menjumpainya. Perubahan yang mempertahankan panjang keluaran tetap dapat memilih teks berbeda, jadi penerimaan harus membandingkan nilai kembali sebenarnya.
Model AI tanpa pembatasan dapat mendukung pekerjaan ini jika tersedia dari endpoint yang didukung, baik yang kompatibel dengan OpenAI maupun Anthropic. Konfigurasikan kredensial yang diperlukan dan pastikan alat serta batas konteksnya. Perilaku model tetap bergantung pada penyedia, sedangkan ruang kerja memungkinkan Anda memeriksa usulannya berdasarkan kontrak Python spesifik dan contoh yang diberikan.
Tentukan hasil yang harus dipilih dan berikan masukan yang menghasilkan kandidat dengan panjang sama. Dalam contoh yang diberikan, aturan mengutamakan hasil paling kiri. Bandingkan teks hasil secara persis, bukan hanya panjangnya.
Jangan menganggap konvensi teks aplikasi tersirat. Nyatakan apakah normalisasi atau penanganan grafem diperlukan dan periksa lokasi yang tepat untuknya. Contoh menggunakan elemen string Python; perilaku teks yang lebih luas memerlukan kebutuhan dan data uji eksplisit.
Tanyakan kebutuhan yang mendasari kerumitan dan bukti pendukungnya. Tinjau perilaku usulan menggunakan data uji yang sama sebelum mempertimbangkan kinerja. Teknik canggih tidak dengan sendirinya membuat perubahan pemeliharaan lebih mudah dibenarkan.
Gunakan lingkungan yang ditetapkan proyek dan pastikan cara pemeriksaannya dijalankan. Ruang kerja yang didokumentasikan mendukung percakapan pemrograman dan pengeditan; membuka folder tidak menetapkan versi Python tertentu atau memasang dependensinya.
MirrorVane · Diperbarui 2026-10-25