Sprawdź przed zastosowaniem
Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami.
Środowisko programowania z AI
Kanoniczne dekodowanie Base64
Dekoduj wyłącznie kanoniczne ciągi standardowego Base64.
● ● ●RadixMoor●
Sposoby pracy · Kanoniczne dekodowanie Base64 ×
import base64
def canonical_decode(text):
if not isinstance(text, str): raise ValueError("text required")
decoded = base64.b64decode(text, validate=True)
if base64.b64encode(decoded).decode("ascii") != text:
raise ValueError("noncanonical Base64")
return decoded✳Dekoduj wyłącznie kanoniczne ciągi standardowego Base64.
✓ ZmianySprawdź przed zastosowaniem ↗
Ilustracja środowiska
Modele
Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie.
Projekt
Sprawdź pusty ciąg, błędne bity dopełnienia i wewnętrzne spacje, odrzucając warianty zamiast normalizować je bez ostrzeżenia.
Sposoby pracy
import base64
def canonical_decode(text):
if not isinstance(text, str): raise ValueError("text required")
decoded = base64.b64decode(text, validate=True)
if base64.b64encode(decoded).decode("ascii") != text:
raise ValueError("noncanonical Base64")
return decodedUzgodnij zakodowane wejście z zasadami aplikacji
RadixMoor to środowisko programistyczne AI dla Windows do badania granicy między tekstem zewnętrznym a danymi wewnętrznymi. Zacznij od folderu projektu i powodu, dla którego aplikacja przyjmuje zakodowaną wartość. Poproś podłączony model o sprawdzenie wywołania dekodowania i kodu korzystającego z jego wyniku przed zaproponowaniem zmiany.
Na przykład prośba dotycząca base64_decode.py może odróżnić tekst dający się zdekodować od tekstu zgodnego z kanoniczną postacią projektu. Podaj jeden akceptowany ciąg i jedną reprezentację odrzucaną przez Twoje zasady. Sprawdź, jak sugerowana implementacja zachowuje to rozróżnienie i jak kod wywołujący wyjaśnia odrzucenie, zamiast akceptować propozycję tylko dlatego, że tworzy bajty.
Prześledź dalszy przepływ aplikacji po dekodowaniu. Sprawdź, czy dalszy kod oczekuje bajtów czy tekstu i gdzie następuje dekodowanie znaków. Uruchom odpowiednie przypadki testowe i sprawdź ścieżkę błędu we własnym środowisku. Daje to małej zmianie granicy obserwowalne kryterium sukcesu bez rozszerzania jej na niepowiązany projekt konwersji formatów.
Model pomagający jest dostarczany przez wybrany obsługiwany punkt końcowy zgodny z OpenAI lub Anthropic. Można używać modelu AI bez cenzury tam, gdzie jest dostępny, z danymi uwierzytelniającymi w razie potrzeby. Ograniczenia i dostępne narzędzia pozostają właściwe dla dostawcy, modelu i serwera; ich limit kontekstu określa też, ile kodu może jednocześnie stanowić podstawę rozmowy.
Pytania dotyczące zmiany zakodowanego wejścia
- Dlaczego odrzucić ciąg, jeśli dekoduje się poprawnie?
Aplikacja może wymagać jednej reprezentacji kanonicznej zamiast każdej równoważnej postaci. Określ tę zasadę i jej powód w prośbie. Oceń testy akceptacji względem zadeklarowanej reguły; samo poprawne odzyskanie bajtów nie dowodzi spełnienia kontraktu aplikacji przez wejście.
- Gdzie powinno następować dekodowanie znaków?
Wskaż warstwę znającą oczekiwane kodowanie znaków i sposób zgłaszania nieprawidłowego tekstu. Dekodowanie Base64 tworzy bajty, więc późniejsza konwersja tekstu to osobna decyzja. Poproś model o prześledzenie obecnego kodu wywołującego zamiast dodawania założonego kodowania tekstu wewnątrz funkcji.
- Czy test konwersji w obie strony może zastąpić wszystkie przypadki testowe?
Może wspierać sprawdzenie postaci kanonicznej, ale nadal testuj wejście akceptowane, wadliwe i zachowanie odrzucenia oczekiwane przez wywołującego. Niezależnie określone oczekiwane bajty pomagają ujawnić błędy, które wzajemnie spójna para przekształceń mogłaby ukryć podczas przeglądu.
- O co poprosić przy rozszerzaniu akceptowanego wejścia?
Jawnie wypisz nowe postacie i wskaż wywołania zależne od ścisłego odrzucania. Poproś o ukierunkowaną propozycję z odpowiadającymi przypadkami akceptacji i odrzucenia. Traktuj łagodniejsze parsowanie jako zmianę zachowania, nawet jeśli poprawka usuwa tylko mały warunek.
RadixMoor · Zaktualizowano 2026-10-25