Modelos
Configura un endpoint compatible con OpenAI o Anthropic usando la URL base y, si hace falta, una clave API. Prueba la conexión. Un servidor local debe estar en ejecución; las herramientas remotas pueden enviar datos por separado.
Compara distintas divisiones con la entrada completa, prueba el flujo vacío y rechaza bloques que no sean bytes sin modificar los búferes.
Configura un endpoint compatible con OpenAI o Anthropic usando la URL base y, si hace falta, una clave API. Prueba la conexión. Un servidor local debe estar en ejecución; las herramientas remotas pueden enviar datos por separado.
Selecciona una carpeta y pide al asistente que lea los archivos relevantes antes de editarlos. Mantén el objetivo y los límites de la tarea en la conversación.
Revisa las modificaciones y la salida de los comandos. Ejecuta las comprobaciones de tu proyecto antes de aceptar el resultado; el código generado no está probado por defecto.
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.