Hitung bilangan bulat satu hingga n yang relatif prima terhadap n dengan totien Euler dan batas n 1000000000.
def totient(value):
if type(value) is not int or not 1 <= value <= 1000000000:
raise ValueError("value.range")
remaining, result, factor = value, value, 2
while factor * factor <= remaining:
if remaining % factor == 0:
result -= result // factor
while remaining % factor == 0:
remaining //= factor
factor += 1
if remaining > 1:
result -= result // remaining
return resultUji satu, bilangan prima dan faktor berulang, serta tolak nol, negatif, pecahan dan Boolean.
Bandingkan perilaku sebenarnya dengan hasil yang diharapkan. Jika pemeriksaan gagal, cari penyebabnya sebelum membuat perubahan lain.
Atur endpoint kompatibel OpenAI atau Anthropic dengan URL dasar dan kunci API jika diperlukan. Uji koneksi. Server model lokal harus berjalan; alat jarak jauh dapat mengirim data secara terpisah.
def totient(value):
if type(value) is not int or not 1 <= value <= 1000000000:
raise ValueError("value.range")
remaining, result, factor = value, value, 2
while factor * factor <= remaining:
if remaining % factor == 0:
result -= result // factor
while remaining % factor == 0:
remaining //= factor
factor += 1
if remaining > 1:
result -= result // remaining
return resultTotientRill adalah ruang kerja pemrograman AI untuk Windows guna membuat kemajuan dalam kode sumber yang belum dikenal. Buka folder proyek dan minta model yang terhubung menjelaskan satu fungsi dalam kaitannya dengan masukan, pemanggil, dan pengujiannya. Tujuannya adalah langkah pengembangan berikutnya yang berguna: memperjelas asumsi, memperbaiki jalur kesalahan, atau membuat perubahan terbatas yang dapat diperiksa.
Misalnya, totient.py menawarkan titik awal untuk meninjau fungsi pembantu numerik dengan batas masukan eksplisit. Tanyakan mengapa pemanggil membutuhkan hasilnya, apa yang diharapkan untuk masukan terkecil yang diterima, dan bagaimana nilai tidak valid dilaporkan. Contoh dapat mendukung tugas proyek berorientasi pembelajaran tanpa mengubah ruang kerja menjadi janji fitur matematis siap pakai. Jaga penjelasan tetap terkait dengan kode nyata yang ingin Anda pelihara.
Pilih model AI tanpa filter jika tersedia melalui endpoint kompatibel OpenAI atau Anthropic yang didukung. Berikan pengaturan layanan dan kredensial yang diperlukan, dengan memperhatikan batas konteks dan alatnya. Lalu bandingkan penjelasan dengan kode sumber dan kasus kecil yang diperiksa secara independen sebelum menyunting. Tinjau perbaikan hasilnya dan jalankan pengujian proyek terkait. Ini memberi pemula cara mempertanyakan jawaban dan membangun pemahaman melalui bukti, bukan menerima istilah asing begitu saja.
Tanyakan pemanggil mana yang menggunakan hasil dan apa yang diharapkan pemanggil tersebut, dengan rujukan ke berkas terkait. Deskripsi matematis saja mungkin tidak menjelaskan tujuan aplikasi. Nyatakan konteks penggunaan yang masih hilang secara eksplisit sebelum mengusulkan perbaikan.
Pilih masukan kecil dengan hasil yang dapat ditentukan secara independen, lalu telusuri melalui kode sumber. Tanyakan setiap ketidaksesuaian. Mengulangi contoh model sendiri kurang berguna daripada memeriksa kasus yang menguji klaim spesifik yang Anda ragukan.
Selidiki dahulu alasan keberadaannya dan bagaimana pemanggil menangani penolakan. Batas itu mungkin mencerminkan beban kerja atau persyaratan antarmuka. Memperluas masukan yang diterima mengubah kontrak dan mungkin memerlukan verifikasi baru, meskipun menghapus kondisi tersebut secara teknis sederhana.
Pilih masalah yang diamati dengan hasil harapan jelas, seperti pesan kesalahan yang tidak konsisten dengan masukan yang diterima. Pisahkan perubahan algoritme hingga Anda memahami konsekuensinya. Tinjau perbedaan kode dan pertahankan pemeriksaan yang menunjukkan perbaikan nyata.
TotientRill · Diperbarui 2026-10-25