Modelle
Richten Sie einen OpenAI-kompatiblen oder Anthropic-Endpunkt mit Basis-URL und gegebenenfalls API-Schlüssel ein. Testen Sie die Verbindung. Ein lokaler Modellserver muss laufen; entfernte Werkzeuge können Daten separat übertragen.
Vergleichen Sie verschiedene Blockgrenzen mit der Gesamteingabe, prüfen Sie einen leeren Strom und verwerfen Sie andere Datentypen ohne Pufferänderung.
Richten Sie einen OpenAI-kompatiblen oder Anthropic-Endpunkt mit Basis-URL und gegebenenfalls API-Schlüssel ein. Testen Sie die Verbindung. Ein lokaler Modellserver muss laufen; entfernte Werkzeuge können Daten separat übertragen.
Wählen Sie einen Ordner und lassen Sie die betreffenden Dateien vor einer Änderung lesen. Legen Sie Ziel und Grenzen der Aufgabe fest.
Prüfen Sie Änderungen und Befehlsausgaben. Führen Sie die Projektprüfungen aus, bevor Sie das Ergebnis übernehmen; erzeugter Code ist nicht automatisch getestet.
from zlib import crc32
def checksum_chunks(chunks):
value = 0
for chunk in chunks:
if not isinstance(chunk, (bytes, bytearray, memoryview)):
raise ValueError("crc.bytes")
value = crc32(chunk, value)
return value & 0xffffffff
# CRC-32 is a checksum, not authentication or encryption.