関数の目的が不明なとき何を依頼しますか？
どの呼び出し側が結果を使い、何を期待するか、関連ファイルを参照して説明するよう依頼します。数学的な説明だけではアプリでの目的が分からない場合があります。改善を提案する前に、欠けている利用文脈を明示してください。
● ● ●TotientRill●
ワークフロー · オイラーのトーシェント計数 ×
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 result✳nを1000000000以下として、1からnまででnと互いに素な整数の数をオイラー関数で求めます。
✓ 変更内容適用前に確認 ↗
ワークスペースのイメージ
プロジェクト
1、素数、重複因子を確認し、ゼロ、負数、分数、真偽値を拒否します。
適用前に確認
実際の動作を期待する結果と比較します。検証に失敗した場合は、次の変更を加える前に原因を調べてください。
モデル
OpenAI互換またはAnthropicのエンドポイントを、ベースURLと必要なAPIキーで設定し、接続をテストします。ローカルのモデルサーバーは起動が必要です。リモートツールは別途データを送信する場合があります。
ワークフロー
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 result理解できない関数をレビュー可能な作業に変える
TotientRillは、不慣れなソースコードで作業を進めるWindows向けAIコーディング環境です。プロジェクトフォルダーを開き、一つの関数を入力、呼び出し側、テストとの関係で説明するよう接続モデルに依頼します。目的は、前提の明確化、エラー経路の改善、調べられる限定的な変更といった、有用な次の開発作業です。
例えばtotient.pyは、明示的な入力上限を持つ数値ヘルパーをレビューする出発点です。なぜ呼び出し側に結果が必要か、受理する最小入力の期待値は何か、不正値がどう報告されるか尋ねます。既成の数学機能を約束する環境に変えることなく、例を学習目的のプロジェクト作業に使えます。保守する予定の実際のコードに説明を結び付けてください。
対応するOpenAI互換またはAnthropicのエンドポイントで提供されていれば、フィルターなしAIモデルを選びます。サービス設定と必要な認証情報を指定し、コンテキストとツールの上限を確認します。編集前に説明をソースと独立に確認した小さな例に照らして比較してください。修正をレビューし、関連するプロジェクトテストを実行します。不慣れな用語を信じるだけでなく、初心者も答えを吟味し証拠を通じて理解を深められます。
説明から小さな貢献へ進む
初心者はどうモデルの説明を吟味できますか？
独立に結果を確かめられる小さな入力を選び、ソースを追跡します。不一致があれば尋ねてください。モデル自身の例を繰り返すより、疑問のある特定の主張を試す例の方が役立ちます。
恣意的に見える入力上限は削除すべきですか？
まず存在理由と拒否時の呼び出し側の処理を調べます。負荷やインターフェースの要件を反映している可能性があります。条件の削除が技術的に簡単でも、受理入力の拡張は契約を変え、新たな検証が必要になる場合があります。
不慣れな数値コードで最初の修正には何が適していますか？
受理入力と矛盾するエラーメッセージなど、明確な期待結果を持つ観察済みの問題を選びます。影響を理解するまでアルゴリズム変更は分けます。差分をレビューし、実際の改善を示す検証を残してください。
TotientRill · 更新日 2026-10-25