Projeto
Teste texto vazio e uma cadeia não periódica, preservando marcas combinantes sem normalização nem repetições finais parciais.
Encontre a menor unidade cujas repetições formam exatamente uma cadeia de até 256 pontos de código Unicode.
def primitive_period(text):
if type(text) is not str or len(text) > 256:
raise ValueError("period.input")
if not text:
return ""
for width in range(1, len(text)+1):
if len(text) % width == 0:
root = text[:width]
if root * (len(text)//width) == text:
return rootTeste texto vazio e uma cadeia não periódica, preservando marcas combinantes sem normalização nem repetições finais parciais.
Compare o comportamento real com o resultado esperado. Se uma verificação falhar, investigue a causa antes de fazer outras alterações.
Configure um endpoint compatível com OpenAI ou Anthropic com a URL base e uma chave API, quando necessária. Teste a conexão. O servidor local precisa estar em execução; ferramentas remotas podem transmitir dados separadamente.
def primitive_period(text):
if type(text) is not str or len(text) > 256:
raise ValueError("period.input")
if not text:
return ""
for width in range(1, len(text)+1):
if len(text) % width == 0:
root = text[:width]
if root * (len(text)//width) == text:
return rootPeriodVireo oferece um ambiente de programação com IA para Windows destinado a mudanças no processamento de texto que exigem uma definição precisa de correspondência. Traga o código relevante e strings representativas para a conversa. Peça ao modelo que examine se a aplicação compara o texto original ou uma representação transformada antes de solicitar uma correção que possa mudar as entradas aceitas.
Uma rotina de texto repetido oferece um exemplo concreto. Solicite uma revisão para verificar se uma unidade candidata reproduz a string inteira, incluindo qualquer trecho final incompleto. Forneça alguns casos de teste curtos e indique o resultado esperado. Assim, a discussão trata do comportamento no seu projeto, em vez de uma afirmação abstrata de que strings visualmente semelhantes devem ser equivalentes.
Revise propostas de normalização ou pré-processamento separadamente da mudança central de correspondência. Uma transformação pode fazer um teste passar enquanto elimina uma distinção necessária à aplicação. Execute as verificações do projeto com saídas esperadas exatas, incluindo entrada vazia e caracteres combinantes relevantes; depois, examine o código chamador que armazena ou exibe o texto retornado.
Modelos de IA abliterados podem ser selecionados quando disponíveis por meio de um endpoint compatível com OpenAI ou da Anthropic que seja suportado. Configure as credenciais quando necessário e verifique a conexão com o modelo. Restrições, suporte a ferramentas e limites de contexto continuam dependendo do modelo e do servidor escolhidos; use o ambiente para avaliar o código proposto segundo suas próprias regras de texto.
Isso depende do contrato. A correspondência exata do texto original e a correspondência de texto normalizado são comportamentos distintos. Forneça exemplos e indique qual deles a aplicação exige antes de pedir ao modelo que altere o código de comparação ou pré-processamento.
Ela distingue um prefixo repetido de uma unidade que reproduz toda a entrada. Inclua um caso de teste com uma unidade final parcial e especifique o resultado esperado. Verifique se a implementação proposta examina todo o texto, e não apenas o início.
Não sem revisar seus efeitos. Ela pode alterar o texto retornado ou eliminar distinções preservadas pelo código chamador. Peça que a normalização seja explicada como uma mudança de comportamento separada e teste explicitamente qualquer transformação aceita.
Construa uma string sintética curta que preserve os caracteres e o limite relevantes. Examine os destinos do endpoint e das ferramentas antes de enviar material real. Um servidor de modelo local precisa ser executado separadamente e não torna locais todas as ferramentas conectadas.
PeriodVireo · Atualizado 2026-10-25