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.
Porównaj zapasy z wymaganiami na partię przed podłączeniem ograniczającej liczby do ekranu magazynu.
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.
Wybierz folder i poproś asystenta o przeczytanie odpowiednich plików przed ich zmianą. Określ cel oraz granice zadania.
Sprawdzaj zmiany i wyniki poleceń. Uruchom testy projektu przed zaakceptowaniem rezultatu; wygenerowany kod nie jest automatycznie przetestowany.
def recipe_batches(stock, recipe):
if type(stock) is not list or type(recipe) is not list:
raise ValueError("lists required")
if len(stock) != len(recipe) or not 1 <= len(stock) <= 32:
raise ValueError("matching ingredient counts")
if any(type(x) is not int or not 0 <= x <= 10**9
for x in stock + recipe):
raise ValueError("bounded nonnegative integers")
limits = [a // b for a, b in zip(stock, recipe) if b]
if not limits:
raise ValueError("at least one required ingredient")
return min(limits)