Zwróć najbardziej lewy najdłuższy palindrom tekstu do 512 punktów kodowych.
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]]
| Projekt | Sprawdź pusty tekst, parzyste środki i remisy bez normalizacji Unicode i segmentacji grafemów. |
|---|---|
| Sprawdź przed zastosowaniem | Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami. |
| 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. |
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 zapewnia środowisko programowania dla Windows do pracy w Pythonie z wybranym przez Ciebie połączeniem z modelem. Zacznij zadanie przetwarzania tekstu od przykładów oczekiwanego zachowania, w tym wyboru między równie poprawnymi wynikami. Daje to rozmowie konkretną regułę produktu, którą należy zachować, gdy asystent zaproponuje przebudowę implementacji.
Przykład najdłuższego palindromu to przydatne zadanie do wniesienia do środowiska. Poproś model o sprawdzenie, jak funkcja wybiera najbardziej lewy wynik przy równych długościach i co traktuje jako znak. Uwzględnij kod wywołujący, aby dyskusja pozostała powiązana z modelem tekstowym aplikacji, zamiast zakładać jednakową reprezentację wszystkich wizualnie identycznych ciągów.
Oceń proponowany kod na krótkich testach pustego wejścia, remisów i przypadków znaków obsługiwanych przez aplikację. Uruchom je w swoim środowisku Pythona, a następnie sprawdź wynik tam, gdzie spotykają go użytkownicy. Zmiana zachowująca długość wyniku może nadal wybierać inny tekst, dlatego akceptacja powinna opierać się na porównaniu rzeczywiście zwróconej wartości.
Model AI bez ograniczeń może wspierać tę pracę, gdy jest dostępny z obsługiwanego punktu końcowego zgodnego z OpenAI lub Anthropic. Skonfiguruj wymagane dane uwierzytelniające i potwierdź narzędzia oraz limity kontekstu. Zachowanie modelu nadal zależy od dostawcy, a środowisko pozwala ocenić jego propozycję względem konkretnego kontraktu Pythona i podanych przykładów.
Określ, który wynik ma wygrać, i podaj dane dające kandydatów o równej długości. W podanym przykładzie reguła preferuje wynik najbardziej z lewej. Porównuj dokładny zwrócony tekst, a nie tylko jego długość.
Nie zakładaj, że konwencje tekstowe aplikacji są domyślne. Określ, czy wymagana jest normalizacja lub obsługa grafemów, i sprawdź jej miejsce. Podany przykład działa na elementach ciągu Pythona; szersze zachowanie tekstowe wymaga jawnych wymagań i testów.
Zapytaj, które wymaganie uzasadnia złożoność i jakie dowody ją wspierają. Oceń proponowane zachowanie na tych samych testach przed rozważaniem wydajności. Zaawansowana technika sama w sobie nie ułatwia uzasadnienia zmiany utrzymaniowej.
Użyj środowiska ustalonego dla projektu i potwierdź sposób uruchamiania kontroli. Udokumentowane środowisko wspiera rozmowy o kodzie i edycję; otwarcie folderu nie ustala konkretnej wersji Pythona ani nie instaluje jej zależności.
MirrorVane · Zaktualizowano 2026-10-25