الضرب الاتجاهي بمركبات صحيحة
احسب الضرب الاتجاهي وفق قاعدة اليد اليمنى لمتجهين من ثلاث مركبات صحيحة.
def cross_product(a, b):
if type(a) not in (list, tuple) or type(b) not in (list, tuple):
raise ValueError("vector.type")
if len(a) != 3 or len(b) != 3 or any(type(x) is not int for x in (*a, *b)):
raise ValueError("vector.components")
x, y, z = a
u, v, w = b
return (y*w-z*v, z*u-x*w, x*v-y*u)| راجع قبل التطبيق | قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية. |
|---|---|
| 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 المتجهات المتوازية وترتيب الأساس والإحداثيات الكبيرة وارفض الأطوال الخاطئة والمركبات غير الصحيحة دون تغيير المدخلات. |
def cross_product(a, b):
if type(a) not in (list, tuple) or type(b) not in (list, tuple):
raise ValueError("vector.type")
if len(a) != 3 or len(b) != 3 or any(type(x) is not int for x in (*a, *b)):
raise ValueError("vector.components")
x, y, z = a
u, v, w = b
return (y*w-z*v, z*u-x*w, x*v-y*u)أظهر افتراضات الاتجاه قبل التعديل
يمنح VectorAnvil المطورين مساحة عمل على Windows لفحص المصدر ومحادثات البرمجة والتغييرات المقترحة مع نموذج متصل. في الشيفرة العددية، ابدأ بالاصطلاح الذي يعتمد عليه باقي التطبيق. قد يظل التعبير الذي يبدو صحيحا تغييرا خاطئا إن فسر المستدعي مخرجه ضمن نظام إحداثيات مختلف.
إحدى المهام مراجعة روتين ضرب اتجاهي يميني لمتجهات صحيحة من ثلاثة مكونات. أدرج مستدعيه وافتراضات الأنواع في المحادثة، ثم اسأل كيف يؤثر ترتيب المدخلات في النتيجة. حدد هل يجب أن يترك الروتين المدخلين دون تغيير. يمنح ذلك النموذج مسألة صيانة محددة دون اعتبار المثال الرياضي ميزة مدمجة في التطبيق.
قيّم الاقتراح بحالات اختبار لمتجهات الأساس والمتجهات المتوازية في مشروعك. اعكس ترتيب المدخلات وافحص توافق الاتجاه مع الاصطلاح المحدد. أدرج إحداثيات كبيرة إن كانت ذات صلة بأنواع بياناتك، وافحص مسار رفض المدخلات المشوهة. راجع ما تغير في مواضع الاستدعاء بعناية تضاهي مراجعة الروتين نفسه.
اختر نموذجا عبر نقطة نهاية مدعومة متوافقة مع OpenAI أو تابعة لـ Anthropic. إذا وفرت نقطة النهاية نماذج ذكاء اصطناعي بلا تصفية، فيمكن لـ VectorAnvil استخدام الاتصال المدعوم مع بيانات الاعتماد المطلوبة. يحدد النموذج والخادم المختاران قيود الاستجابة والأدوات وحدود السياق؛ وتبقى اصطلاحات مشروعك معيار قبول النتيجة.
أسئلة لمراجعة شيفرة المتجهات
ما الاصطلاح الذي ينبغي ذكره في الطلب؟
حدد اصطلاح الإحداثيات وترتيب المدخلات المتوقع وأنواع المكونات المستخدمة في تطبيقك. أدرج نتيجة معروفة من العقد الحالي. يثبت ذلك أساس النقاش ويسهل اكتشاف اقتراح يعكس الاتجاه بصمت.
لماذا أقارن المدخلات بعد تبديلها؟
في هذا المثال، ينبغي أن يعكس تبديل المتجهين اتجاه الضرب الاتجاهي. استخدم حالة نتيجتها غير صفرية ليكون الفحص ذا معنى. افحص أيضا الشيفرة المستدعية، لأن ترتيب الوسيطات فيها يحدد الاصطلاح المستخدم فعليا.
هل ينبغي أن تتسبب المتجهات المتوازية في خطأ؟
صف سياسة تطبيقك بدلا من ترك الاقتراح يخترع سياسة. قد تكون النتيجة الصفرية صالحة للروتين بينما تتطلب معالجة خاصة لدى مستهلك لاحق. أدرج ذلك المستهلك إذا كان سلوكه جزءا من التغيير المطلوب.
هل يمكن توسيع الروتين إلى أنواع عددية أخرى؟
تعامل مع ذلك كتغيير مستقل للعقد يحدد الأنواع المقبولة وحالات التحقق صراحة. لا يثبت مثال المتجهات الصحيحة سلوكا مناسبا للفاصلة العائمة أو تجاوز السعة في تطبيقك. راجع الأنواع الفعلية وشغّل فحوص المشروع المعنية.
VectorAnvil · آخر تحديث 2026-10-25