Modèles
Configurez un endpoint compatible OpenAI ou Anthropic avec son URL de base et une clé API si nécessaire. Testez la connexion. Un serveur local doit fonctionner ; les outils distants peuvent transmettre des données séparément.
Produit
Fonctions du logiciel · Échantillonnage par réservoir de flux
01
Utilisez SampleThicket pour distinguer le réservoir conservé du flux d’entrée déjà consommé.
Projet
Sélectionnez un dossier et demandez à l’assistant de lire les fichiers concernés avant de les modifier. Définissez le résultat attendu et les limites de la tâche.
Modifications
Examinez les changements et les sorties de commandes. Lancez les vérifications du projet avant de valider le résultat : le code généré n’est pas testé automatiquement.
Échantillonnage par réservoir de flux
● ● ●SampleThicket●
Méthodes de travail · Échantillonnage par réservoir de flux ×
from random import Random
def reservoir_sample(items, size, seed):
if type(size) is not int or not 0 <= size <= 32:
raise ValueError("size.range")
if type(seed) is not int or not 0 <= seed < 2**32:
raise ValueError("seed.range")
rng, sample, count = Random(seed), [], 0
for index, item in enumerate(items):
count = index + 1
if count > 1000:
raise ValueError("stream.limit")
if index < size:
sample.append(item)
elif size:
position = rng.randrange(count)
if position < size:
sample[position] = item
if size > count:
raise ValueError("stream.short")
return sample✳Prélevez un réservoir de 32 éléments au plus dans un flux fini de 1000 éléments au plus avec un générateur local initialisé par une graine.
✓ ModificationsVérifiez avant d’appliquer ↗
Illustration de l’espace de travail