Trouvez la longueur d’une sous-suite strictement croissante parmi au plus 1000 entiers.
from bisect import bisect_left
def increasing_length(values):
values = tuple(values)
if len(values) > 1000 or any(type(v) is not int for v in values):
raise ValueError("values.integer")
tails = []
for value in values:
position = bisect_left(tails, value)
if position == len(tails):
tails.append(value)
else:
tails[position] = value
return len(tails)| Projet | Testez doublons, données décroissantes et entrée vide, en rejetant les non-entiers et en préservant ordre et valeurs. |
|---|---|
| Vérifiez avant d’appliquer | Comparez le comportement observé au résultat attendu. Si une vérification échoue, cherchez la cause avant de poursuivre les modifications. |
| Modèles | Configurez un endpoint compatible OpenAI ou Anthropic avec son URL de base et une clé API si nécessaire. Testez la connexion. Un serveur local doit fonctionner ; les outils distants peuvent transmettre des données séparément. |
from bisect import bisect_left
def increasing_length(values):
values = tuple(values)
if len(values) > 1000 or any(type(v) is not int for v in values):
raise ValueError("values.integer")
tails = []
for value in values:
position = bisect_left(tails, value)
if position == len(tails):
tails.append(value)
else:
tails[position] = value
return len(tails)RiseLattice est un espace de programmation pour Windows où examiner le code d’un projet avec un modèle de votre choix. Pour une fonctionnalité d’analyse, partez du sens du résultat rapporté et d’un exemple vérifiable par le lecteur. Cela donne à l’assistant une cible pratique au-delà du raccourcissement d’une fonction ou de la substitution d’un algorithme familier.
L’exemple fourni de sous-séquence croissante soulève une distinction utile entre préserver l’ordre d’entrée et trier les données. Vous pouvez demander au modèle d’examiner une fonctionnalité qui rapporte la longueur d’une sous-séquence strictement croissante, puis de suivre l’utilisation de ce résultat. Précisez le rôle des valeurs en double avant de demander une modification des comparaisons ou du traitement des données.
Examinez la proposition pour repérer tout changement de sens, notamment le résultat de l’entrée vide et les types acceptés. Exécutez de petits cas aux réponses connues indépendamment et inspectez leur ordre autant que leurs valeurs. Vérifiez aussi le libellé ou le rapport consommateur, car un nombre correct peut être présenté sous une description trompeuse.
Pour utiliser un modèle d’IA sans restrictions, choisissez-en un proposé par votre point de terminaison compatible OpenAI ou Anthropic pris en charge et configurez les identifiants requis. Les outils disponibles, les restrictions de réponse et la capacité de contexte dépendent de ce modèle et du service. RiseLattice garde la discussion proche du code tandis que vos cas de test fournissent les preuves nécessaires à l’acceptation de la modification.
Utilisez une séquence courte dont l’ordre trié donnerait une réponse différente de l’ordre d’origine. Précisez explicitement le résultat de sous-séquence attendu. Cela vérifie un aspect du sens qu’un ensemble de tests déjà triés manquerait.
Précisez si la fonctionnalité exige une croissance stricte ou autorise les égalités. Ce sont deux contrats différents. Incluez des exemples riches en doublons et demandez à l’assistant d’expliquer quelle comparaison du code proposé applique la règle choisie.
Le produit documenté est un espace de programmation pour Windows avec des points de terminaison de modèles configurables. Le nom de domaine n’établit pas de connexion de base de données. Fournissez le code concerné si l’intégration de base de données fait réellement partie de la tâche.
Confirmez d’abord qu’elle préserve le sens du résultat, les règles d’entrée et le comportement d’échec. Exécutez des tests appropriés, puis mesurez les performances si nécessaire dans votre environnement. Un autre algorithme ou une explication convaincante ne prouve pas en soi une amélioration.
RiseLattice · Mis à jour 2026-10-25