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.
تتبع المجموع والتصحيح قرب أمثلة الإلغاء حتى لا تحكم على حد صغير من المجموع المقرب وحده.
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.
اختر مجلدًا واطلب من المساعد قراءة الملفات المعنية قبل تعديلها. حدّد الهدف وحدود المهمة في المحادثة.
راجع التغييرات ونتائج الأوامر. شغّل فحوص المشروع قبل اعتماد النتيجة؛ الشيفرة المُولّدة ليست مختبرة تلقائيًا.
def compensated_sum(values):
values = tuple(values)
if len(values) > 1000 or any(type(v) not in (int, float) or
not -1e100 <= v <= 1e100 for v in values):
raise ValueError("values.range")
total = correction = 0.0
for value in values:
value = float(value)
next_total = total + value
correction += ((total - next_total) + value if abs(total) >= abs(value)
else (value - next_total) + total)
total = next_total
return total + correction