CCarryLoam
Pracovní prostředí s AI pro kód

Internetové součty s lichým bajtem

Vypočtěte 16bitový internetový součet pro nula až 65535 bajtů s nulovým doplněním posledního lichého bajtu.

● ● ●CarryLoam●
Pracovní postupy · Internetové součty s lichým bajtem ×
def internet_checksum(data):
    if type(data) is not bytes or len(data) > 65535:
        raise ValueError("checksum.bytes")
    total = 0
    for i in range(0, len(data), 2):
        total += (data[i] << 8) | (data[i+1] if i+1 < len(data) else 0)
    while total >> 16:
        total = (total & 65535) + (total >> 16)
    return (~total) & 65535
✳Internetové součty s lichým bajtem
✓ ZměnyPřed použitím zkontrolujte ↗
Ilustrace pracovního prostředí
01

Projekt

Otestujte kruhový přenos a prázdný vstup, odmítněte jiné typy a oddělte nekryptografickou kontrolu od autentizace.

02

Před použitím zkontrolujte

Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.

03

Modely

Nastavte endpoint kompatibilní s OpenAI nebo Anthropic pomocí základní URL a případného API klíče. Otestujte připojení. Lokální server modelu musí běžet; vzdálené nástroje mohou data odesílat samostatně.

Pracovní postupy

Internetové součty s lichým bajtem

Pracovní postupy ↗
Pracovní postupy
def internet_checksum(data):
    if type(data) is not bytes or len(data) > 65535:
        raise ValueError("checksum.bytes")
    total = 0
    for i in range(0, len(data), 2):
        total += (data[i] << 8) | (data[i+1] if i+1 < len(data) else 0)
    while total >> 16:
        total = (total & 65535) + (total >> 16)
    return (~total) & 65535
Pracovní prostředí s AI pro kód

Važte změny na úrovni bajtů na nezávislá očekávání

CarryLoam je software pro programování s AI ve Windows pro zkoumání změn, jejichž správnost závisí na přesném výkladu bajtů. Otevřete projekt a popište formát, který musí kód vytvářet či přijímat. Požádejte model o prozkoumání příslušné implementace a volajících a ponechte v konverzaci nezávisle známé výsledky, aby kontrola měla oporu i mimo věrohodné vysvětlení.

Užitečným příkladem zadání je rutina internetového kontrolního součtu. Dodejte krátký testovací vstup sudé délky a jeden liché délky s očekávanými výsledky a ptejte se na zacházení s posledním bajtem a přičítání přenosů zpět. Cílená kontrola může tyto detaily propojit s cestou sestavování paketů, aniž by předpokládala správnost okolní implementace protokolu.

V navržené opravě prověřte změny pořadí bajtů, doplnění a místa uložení kontrolního součtu. Spusťte testy projektu a porovnejte výsledky s nezávislou referencí vhodnou pro váš formát. Objeví-li se neshoda, uchovejte vstupní bajty a oba výstupy, aby další diskuse mohla prozkoumat reprodukovatelný případ.

Vyberte model AI bez cenzury, pokud jej nabízí podporovaný koncový bod kompatibilní s OpenAI nebo koncový bod Anthropic. Přidejte požadované přihlašovací údaje a ověřte dostupné nástroje a kapacitu kontextu. Omezení stále určuje vybraný model a poskytovatel; označení ani pracovní prostředí nedokládají platnost či bezpečnost paketu.

Kontrola změn implementace pracující s bajty

Proč ponechat očekávané kontrolní součty nezávislé na opravě?

Výpočet očekávání stejnou logikou může zopakovat stejnou chybu. Použijte vhodnou referenci nebo nezávisle ověřený testovací příklad a uchovejte přesné vstupní bajty. Diskuse s modelem i testy tak získají samostatný základ pro porovnání.

Co má ověřovat test liché délky?

V očekávaném výsledku má být pozorovatelné zacházení s posledním bajtem. Nechte model vysvětlit navržené doplnění a pořadí bajtů a poté porovnejte výstup. Test kontrolující pouze typ výsledku tyto rozdíly nezachytí.

Dokládá shodný kontrolní součet platnost paketu?

Ne. Ostatní pole, délky a pravidla protokolu potřebují vlastní kontroly. Posuďte změnu kontrolního součtu v jejím rozsahu a podle potřeby prozkoumejte okolní kód sestavující paket, aniž byste jednu shodnou hodnotu považovali za ověření celé zprávy.

Jak postupovat u navrženého příkazu pro síťové ověření?

Před spuštěním prověřte jeho cíl a účinky; syntetická lokální testovací data mohou stačit. Lokální model vyžaduje samostatně běžící server a nezajišťuje lokálnost všech připojených nástrojů včetně nástrojů odesílajících či prohlížejících pakety.

Stáhnout pro Windows ↗

CarryLoam · Aktualizováno 2026-10-25