너비 임계값 기반 이미지 선택
표시 폭 1~10000과 밀도 비율 1/4~8을 사용해 URL과 폭의 쌍 1~64개 중에서 선택합니다.
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])
- 프로젝트
- 정확한 임계값과 가장 큰 후보로의 대체를 시험하고 선택한 URL을 가져오지 않으면서 중복 폭이나 잘못된 수를 거부합니다.
- 적용하기 전에 검토하세요
- 실제 동작을 예상 결과와 비교하세요. 검사가 실패하면 다음 변경을 하기 전에 원인을 조사하세요.
- 모델
- 기본 URL과 필요한 API 키로 OpenAI 호환 또는 Anthropic 엔드포인트를 설정하고 연결을 테스트하세요. 로컬 모델 서버는 실행 중이어야 합니다. 원격 도구는 데이터를 별도로 전송할 수 있습니다.
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])
선택된 이미지를 요구 사항까지 거슬러 추적하세요
예상치 못한 이미지 URL은 자산 손상이 아니라 선택 로직의 결과일 수 있습니다. PixelVeranda는 그 조사를 위한 Windows AI 코딩 작업 공간을 제공합니다. 프로젝트를 열고 변경 제안 전에 연결된 모델에게 후보 데이터, 뷰포트 입력, 선택된 URL을 사용하는 호출부를 살펴보도록 요청하세요. 관찰한 선택과 예상 선택을 포함하세요.
구체적으로 요청한 표시 크기와 픽셀 비율에 충분한 너비를 가진 첫 이미지를 선택하는 코드를 검토할 수 있습니다. 충분히 큰 후보가 없을 때 어떻게 해야 하는지, 입력 후보가 정렬되어 들어오는지 지정하세요. 편리한 입력 순서에 의존하지 않고 이러한 결정을 명시하는 제안을 요청하세요.
정확한 URL 기대값으로 패치를 확인하세요. 너비 임계값 주변, 대체 선택 경계, 잘못된 후보 데이터로 프로젝트 테스트를 실행하세요. 호출부가 뷰포트 정보를 얻고 거부를 처리하는 방식을 살펴본 뒤 영향받는 페이지를 직접 사용해 보세요. 선택된 URL은 이미지 전달의 일부입니다. 그것을 선택했다는 사실이 최종 렌더링 이미지가 모든 요구를 충족함을 입증한다고 제안해서는 안 됩니다.
PixelVeranda는 OpenAI 호환 또는 Anthropic 엔드포인트 연결을 지원합니다. 서비스에서 제공되는 경우 무검열 AI 모델을 선택할 수 있으며 컨텍스트, 제한, 도구는 해당 설정에 따라 달라집니다. 선택 요구 사항을 대화에 유지하고 애플리케이션 결과로 제안된 수정을 판단하세요.
이미지 선택 변경 검토
잘못된 후보를 설명하는 데 어떤 증거가 도움이 되나요?
후보 너비와 URL, 요청 표시 너비, 픽셀 비율, 예상 선택을 제공하세요. 그 값을 공급하는 코드를 포함하세요. 그러면 선택 로직과 잘못된 측정 또는 불완전한 후보 데이터를 구분할 수 있습니다.
함수는 후보가 정렬되어 있다고 가정해야 하나요?
입력 계약이 순서를 보장하고 호출부가 이를 적용할 때만 그렇습니다. 도우미에게 목록의 출처를 살펴보도록 요청하세요. 순서가 보장되지 않으면 정렬되지 않은 예제를 테스트하고 패치가 도입한 정렬도 검토하세요.
충분히 큰 후보가 없으면 어떻게 해야 하나요?
가장 큰 후보 선택이나 오류 보고 등 대체 정책을 명시하세요. 그런 다음 바로 그 사례를 프로젝트에서 확인하세요. 모델이 어떤 분기가 작성하기 쉽다는 이유만으로 정책을 선택해서는 안 됩니다.
URL 선택이 브라우저 전달 품질을 확인해 주나요?
아니요. 함수 반환 값뿐 아니라 실제 페이지도 검증하세요. 레이아웃, 측정, 자산 가용성이 선택 이후 결과에 영향을 줄 수 있습니다. 정밀한 로직을 위한 함수 테스트와 사용자에게 보이는 결과를 위한 애플리케이션 검사를 유지하세요.
PixelVeranda · 업데이트 2026-10-25