प्रोजेक्ट
चक्रीय कैरी और खाली इनपुट जाँचें, अन्य प्रकार अस्वीकार करें तथा इस गैरक्रिप्टोग्राफिक जाँच को प्रमाणीकरण से अलग रखें।
शून्य से 65535 बाइट का 16-बिट इंटरनेट चेकसम निकालें और अंतिम विषम बाइट को शून्य से पूरा करें।
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
चक्रीय कैरी और खाली इनपुट जाँचें, अन्य प्रकार अस्वीकार करें तथा इस गैरक्रिप्टोग्राफिक जाँच को प्रमाणीकरण से अलग रखें।
वास्तविक व्यवहार की अपेक्षित परिणाम से तुलना करें। जाँच असफल हो तो अगले बदलाव से पहले कारण समझें।
बेस URL और आवश्यक होने पर API कुंजी से OpenAI-संगत या Anthropic endpoint सेट करें। कनेक्शन जाँचें। स्थानीय मॉडल सर्वर चालू होना चाहिए; दूरस्थ उपकरण अलग से डेटा भेज सकते हैं।
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
CarryLoam उन बदलावों की जाँच का Windows एआई कोडिंग सॉफ़्टवेयर है जिनकी शुद्धता बाइट के सटीक अर्थ पर निर्भर है। प्रोजेक्ट खोलें और उस प्रारूप का वर्णन करें जिसे कोड को बनाना या पढ़ना है। मॉडल से संबंधित कार्यान्वयन और कॉलर जाँचने को कहें तथा स्वतंत्र रूप से ज्ञात परिणाम बातचीत में रखें, ताकि समीक्षा केवल विश्वसनीय लगती व्याख्या पर निर्भर न हो।
इंटरनेट चेकसम प्रक्रिया एक उपयोगी उदाहरण अनुरोध है। अपेक्षित परिणामों के साथ सम लंबाई और विषम लंबाई का छोटा उदाहरण दें, फिर पूछें कि कोड अंतिम बाइट और कैरी फ़ोल्डिंग कैसे संभालता है। केंद्रित समीक्षा इन विवरणों को पैकेट बनाने के मार्ग से जोड़ सकती है, बिना यह माने कि आसपास का प्रोटोकॉल कार्यान्वयन सही है।
प्रस्तावित पैच में बाइट क्रम, पैडिंग और चेकसम संग्रहित करने की जगह के बदलाव जाँचें। प्रोजेक्ट परीक्षण चलाएँ और अपने प्रारूप के उपयुक्त स्वतंत्र संदर्भ से तुलना करें। अंतर मिले तो इनपुट बाइट और दोनों आउटपुट रखें ताकि अगली चर्चा पुनरुत्पादित किए जा सकने वाले मामले की पड़ताल करे।
आपका समर्थित OpenAI-संगत या Anthropic एंडपॉइंट देता हो तो बिना सेंसर वाला एआई मॉडल चुनें। आवश्यक क्रेडेंशियल जोड़ें और उपलब्ध टूल तथा संदर्भ क्षमता सत्यापित करें। चुना मॉडल और प्रदाता फिर भी प्रतिबंध तय करते हैं; न नाम और न कार्यक्षेत्र यह स्थापित करता है कि पैकेट वैध या सुरक्षित है।
उसी तर्क से अपेक्षाएँ निकालने पर वही गलती दोहर सकती है। उपयुक्त संदर्भ या स्वतंत्र रूप से सत्यापित उदाहरण लें और सटीक इनपुट बाइट रखें। इससे मॉडल चर्चा और परीक्षणों को तुलना का अलग आधार मिलता है।
उसके अपेक्षित परिणाम में अंतिम बाइट का व्यवहार दिखाई देना चाहिए। मॉडल से प्रस्तावित पैडिंग और बाइट क्रम समझाने को कहें, फिर आउटपुट मिलाएँ। केवल परिणाम का प्रकार जाँचने वाला परीक्षण ये अंतर चूक जाएगा।
नहीं। अन्य फ़ील्ड, लंबाई और प्रोटोकॉल नियमों की अपनी जाँच चाहिए। चेकसम बदलाव अपने दायरे में परखें और आवश्यक हो तो आसपास का पैकेट बनाने वाला कोड जाँचें; एक मेल खाते मान को पूरे संदेश का सत्यापन न मानें।
चलाने से पहले उसका गंतव्य और प्रभाव जाँचें; कृत्रिम स्थानीय उदाहरण पर्याप्त हो सकते हैं। स्थानीय मॉडल को अलग चल रहा सर्वर चाहिए और वह हर जुड़े टूल को स्थानीय नहीं बनाता, जिसमें पैकेट भेजने या जाँचने वाले टूल भी हैं।
CarryLoam · अपडेट किया गया 2026-10-25