Trasformata intera di Walsh–Hadamard
Applica la trasformata di Walsh–Hadamard non normalizzata a una sequenza non vuota di interi limitati con lunghezza potenza di due fino a 256.
def walsh_transform(values):
out = list(values)
n = len(out)
if not 1 <= n <= 256 or n & (n - 1):
raise ValueError("length.power_two")
if any(type(v) is not int or abs(v) > 1000000 for v in out):
raise ValueError("value.range")
step = 1
while step < n:
for start in range(0, n, 2 * step):
for j in range(start, start + step):
a, b = out[j], out[j + step]
out[j], out[j + step] = a + b, a - b
step *= 2
return out| Progetto | Rifiuta lunghezze non valide e booleani, verificando che due applicazioni moltiplichino l’originale per la lunghezza. |
|---|---|
| Controlla prima di applicare | Confronta il comportamento effettivo con il risultato atteso. Se una verifica fallisce, indaga la causa prima di altre modifiche. |
| Modelli | Configura un endpoint compatibile con OpenAI o Anthropic usando URL di base e chiave API, se necessaria. Prova la connessione. Il server locale deve essere in esecuzione; gli strumenti remoti possono trasmettere dati separatamente. |
def walsh_transform(values):
out = list(values)
n = len(out)
if not 1 <= n <= 256 or n & (n - 1):
raise ValueError("length.power_two")
if any(type(v) is not int or abs(v) > 1000000 for v in out):
raise ValueError("value.range")
step = 1
while step < n:
for start in range(0, n, 2 * step):
for j in range(start, start + step):
a, b = out[j], out[j + step]
out[j], out[j + step] = a + b, a - b
step *= 2
return outMantieni visibili le convenzioni della trasformata durante la rifattorizzazione
WalshAster è uno spazio di lavoro Windows per affrontare modifiche al sorgente con un modello IA collegato. Le rifattorizzazioni computazionali sono più facili da valutare quando si dichiara prima la convenzione originale. Descrivi input accettato, forma dell'output attesa e regola di scala prima di chiedere all'assistente di riorganizzare cicli o introdurre un'implementazione diversa.
L'esempio della trasformata intera di Walsh–Hadamard offre un'attività concreta per la conversazione. Chiedi al modello di esaminare le coppie aggiornate e il limite della lunghezza dell'input nel contesto del tuo modulo. Mantieni esplicita la convenzione dell'esempio, affinché un nome noto non porti l'assistente a presumere una variante normalizzata o un ordine diverso dei risultati.
Durante la revisione confronta il codice proposto con piccoli output noti e con le proprietà che il progetto deve preservare. Per questo esempio, applicare due volte la trasformata offre un utile controllo della scala, insieme ai casi di input rifiutato. Esegui tu i controlli ed esamina ogni chiamante che interpreta l'output; una rifattorizzazione interna non deve cambiare silenziosamente la convenzione sui dati esposta in quel punto.
Scegli un modello IA senza restrizioni solo tramite un endpoint supportato compatibile con OpenAI o Anthropic che lo renda disponibile. Configura le credenziali richieste e verifica capacità di contesto e strumenti. Le restrizioni del modello collegato restano dipendenti dal fornitore e la semplificazione proposta richiede comunque evidenze dall'implementazione e dai test effettivi.
Domande di revisione per la manutenzione delle trasformate
- Quale convenzione devo documentare prima di richiedere una rifattorizzazione?
Indica ordinamento dell'output, scala e lunghezze di input accettate, insieme ai tipi degli elementi gestiti dal modulo. Includi un piccolo input e output noti. Così una proposta non sostituisce una diversa convenzione di trasformata sotto lo stesso nome.
- Il controllo della doppia trasformata basta da solo?
È utile per la convenzione illustrata, ma deve accompagnare output noti e test sui limiti degli input. Verifica anche l'interpretazione del chiamante. Una proprietà algebrica preservata non dimostra necessariamente che ordinamento e comportamento dell'interfaccia restino quelli attesi dall'applicazione.
- Come rivedo una modifica che altera l'input?
Stabilisci prima se il contratto esistente lo consente. Includi i chiamanti che riutilizzano i valori originali e verifica esplicitamente quel riuso. Una proposta che risparmia memoria cambia il comportamento osservabile se tali chiamanti si aspettano una sequenza di input invariata.
- Usare un altro modello cambia le verifiche necessarie?
No. Mantieni gli stessi input accettati, risultati noti e controlli di scala quando consideri la proposta di un altro modello. La scelta può cambiare la spiegazione o il codice suggerito, ma non ne stabilisce la correttezza né sostituisce la verifica del progetto.
WalshAster · Aggiornato 2026-10-25