Bildauswahl nach Breitenschwelle
Wähle aus einem bis 64 URL-Breiten-Paaren bei Anzeigebreite 1–10000 und Dichte 1/4 bis 8.
import math
def image_candidate(candidates, width, ratio):
if type(width) is not int or not 1 <= width <= 10000 or type(ratio) not in (int, float) or not 0.25 <= ratio <= 8 or not math.isfinite(ratio):
raise ValueError("image.viewport")
if type(candidates) is not list or not 1 <= len(candidates) <= 64:
raise ValueError("image.candidates")
sizes, seen = [], set()
for pair in candidates:
if type(pair) not in (list, tuple) or len(pair) != 2:
raise ValueError("image.pair")
url, pixels = pair
if type(url) is not str or not 1 <= len(url) <= 2048 or any(ord(c) < 32 or ord(c) == 127 for c in url):
raise ValueError("image.url")
if type(pixels) is not int or not 1 <= pixels <= 100000 or pixels in seen:
raise ValueError("image.size")
seen.add(pixels)
sizes.append((pixels, url))
sizes.sort()
target = width*ratio
return next((url for pixels, url in sizes if pixels >= target), sizes[-1][1])
- Projekt
- Teste exakte Schwellen und Rückfall auf den größten Kandidaten, lehne doppelte Breiten oder ungültige Zahlen ohne URL-Abruf ab.
- Vor dem Anwenden prüfen
- Vergleichen Sie das tatsächliche Verhalten mit dem erwarteten Ergebnis. Klären Sie fehlgeschlagene Prüfungen vor weiteren Änderungen.
- 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.
import math
def image_candidate(candidates, width, ratio):
if type(width) is not int or not 1 <= width <= 10000 or type(ratio) not in (int, float) or not 0.25 <= ratio <= 8 or not math.isfinite(ratio):
raise ValueError("image.viewport")
if type(candidates) is not list or not 1 <= len(candidates) <= 64:
raise ValueError("image.candidates")
sizes, seen = [], set()
for pair in candidates:
if type(pair) not in (list, tuple) or len(pair) != 2:
raise ValueError("image.pair")
url, pixels = pair
if type(url) is not str or not 1 <= len(url) <= 2048 or any(ord(c) < 32 or ord(c) == 127 for c in url):
raise ValueError("image.url")
if type(pixels) is not int or not 1 <= pixels <= 100000 or pixels in seen:
raise ValueError("image.size")
seen.add(pixels)
sizes.append((pixels, url))
sizes.sort()
target = width*ratio
return next((url for pixels, url in sizes if pixels >= target), sizes[-1][1])
Führen Sie das ausgewählte Bild auf die Anforderungen zurück
Eine unerwartete Bild-URL kann aus der Auswahllogik statt aus einer fehlerhaften Bilddatei entstehen. PixelVeranda bietet dieser Untersuchung einen KI-Programmierarbeitsbereich für Windows. Öffnen Sie das Projekt und lassen Sie das verbundene Modell vor Änderungsvorschlägen Kandidatendaten, Ansichtsgrößen und den Aufrufer prüfen, der die gewählte URL verwendet. Geben Sie beobachtete und erwartete Auswahl an.
Als konkrete Aufgabe könnten Sie Code prüfen, der das erste für eine gewünschte Anzeigegröße und Pixeldichte ausreichend breite Bild auswählt. Legen Sie fest, was geschieht, wenn kein Kandidat groß genug ist, und ob die Eingabekandidaten sortiert eintreffen. Verlangen Sie einen Vorschlag, der diese Entscheidungen ausdrücklich macht, statt sich auf eine günstige Eingabereihenfolge zu verlassen.
Prüfen Sie den Patch mit exakten URL-Erwartungen. Führen Sie Projekttests an Breitenschwellen, an der Grenze zur Ersatzwahl und mit ungültigen Kandidatendaten aus. Prüfen Sie, wie der Aufrufer Ansichtsinformationen erhält und Zurückweisung behandelt, und testen Sie anschließend selbst die betroffene Seite. Die ausgewählte URL ist ein Teil der Bildauslieferung; der Vorschlag sollte nicht nahelegen, dass ihre Auswahl die Erfüllung aller Anforderungen durch das endgültig dargestellte Bild beweist.
PixelVeranda unterstützt Verbindungen zu OpenAI-kompatiblen oder Anthropic-Endpunkten. Wählen Sie ein unzensiertes KI-Modell, sofern über Ihren Dienst verfügbar; Kontext, Einschränkungen und Werkzeuge hängen von dieser Konfiguration ab. Halten Sie Auswahlanforderungen im Gespräch fest und beurteilen Sie Änderungen anhand der Ergebnisse Ihrer Anwendung.
Eine Änderung der Bildauswahl prüfen
Welche Belege helfen, den falschen Kandidaten zu erklären?
Geben Sie Kandidatenbreiten und URLs, gewünschte Anzeigebreite, Pixeldichte und erwartete Auswahl an. Fügen Sie den Code hinzu, der diese Werte bereitstellt. So lässt sich Auswahllogik von falschen Messungen oder unvollständigen Kandidatendaten unterscheiden.
Sollte die Funktion sortierte Kandidaten voraussetzen?
Nur wenn der Eingabevertrag diese Reihenfolge garantiert und Aufrufer sie durchsetzen. Lassen Sie den Assistenten die Herkunft der Liste prüfen. Testen Sie bei nicht garantierter Reihenfolge ein unsortiertes Beispiel und prüfen Sie jede vom Patch eingeführte Sortierung.
Wie sollte der Fall ohne ausreichend großen Kandidaten behandelt werden?
Legen Sie die Ersatzregel ausdrücklich fest, etwa die Auswahl des größten verfügbaren Kandidaten oder eine Fehlermeldung. Prüfen Sie dann genau diesen Fall im Projekt. Das Modell sollte keine Regel nur deshalb wählen, weil ein Zweig leichter zu schreiben ist.
Bestätigt die URL-Auswahl die Qualität der Browserauslieferung?
Nein. Prüfen Sie die tatsächliche Seite ebenso wie den Rückgabewert der Funktion. Layout, Messung und Dateiverfügbarkeit können das Ergebnis nach der Auswahl beeinflussen. Verwenden Sie Funktionstestfälle für präzise Logik und eine Anwendungsprüfung für das sichtbare Ergebnis.
PixelVeranda · Aktualisiert 2026-10-25