Progetto
Prova riporti circolari e input vuoto, rifiuta altri tipi e separa questa verifica non crittografica dall’autenticazione.
Calcola un checksum Internet di 16 bit per zero a 65535 byte, completando con zero l’ultimo byte dispari.
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
Prova riporti circolari e input vuoto, rifiuta altri tipi e separa questa verifica non crittografica dall’autenticazione.
Confronta il comportamento effettivo con il risultato atteso. Se una verifica fallisce, indaga la causa prima di altre modifiche.
Configura un endpoint compatibile con OpenAI o Anthropic usando URL di base e chiave API, se necessaria. Prova la connessione. Il server locale deve essere in esecuzione; gli strumenti remoti possono trasmettere dati separatamente.
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 è un software di programmazione con IA per Windows per esaminare modifiche la cui correttezza dipende dall'interpretazione esatta dei byte. Apri il progetto e descrivi il formato che il codice deve produrre o utilizzare. Chiedi al modello di esaminare l'implementazione e i chiamanti pertinenti, mantenendo nella conversazione risultati noti indipendentemente, così la revisione può basarsi su qualcosa di più di una spiegazione plausibile.
Una routine di checksum Internet è un esempio utile di richiesta. Fornisci un breve caso di prova di lunghezza pari e uno di lunghezza dispari con i risultati attesi, poi chiedi come il codice gestisce il byte finale e il riporto ciclico. Una revisione mirata può collegare questi dettagli al percorso di costruzione dei pacchetti senza presumere che l'implementazione del protocollo circostante sia corretta.
Esamina la modifica proposta per individuare cambiamenti nell'ordine dei byte, nel riempimento e nel punto in cui il checksum viene memorizzato. Esegui i test del progetto e confrontali con un riferimento indipendente appropriato al formato. Se emerge una discrepanza, conserva i byte di input ed entrambi gli output, così la discussione successiva potrà indagare un caso riproducibile.
Scegli un modello IA senza censura se offerto tramite il tuo endpoint supportato compatibile con OpenAI o Anthropic. Aggiungi le credenziali richieste e verifica gli strumenti disponibili e la capacità di contesto. Il modello e il fornitore selezionati determinano comunque le restrizioni; né l'etichetta né l'ambiente attestano che un pacchetto sia valido o sicuro.
Calcolare i risultati attesi con la stessa logica può ripetere lo stesso errore. Usa un riferimento adatto o un caso di prova verificato indipendentemente e conserva i byte di input esatti. Questo offre sia alla discussione con il modello sia ai test una base distinta per il confronto.
Deve rendere osservabile nel risultato atteso il trattamento del byte finale. Chiedi al modello di spiegare il riempimento e l'ordine dei byte proposti, poi confronta l'output. Un test che controlla solo il tipo del risultato non rileva queste differenze.
No. Gli altri campi, le lunghezze e le regole del protocollo richiedono comunque controlli propri. Esamina la modifica al checksum entro il suo ambito e, ove necessario, il codice circostante che costruisce i pacchetti, senza considerare un valore corrispondente una validazione dell'intero messaggio.
Esaminane destinazione ed effetti prima dell'esecuzione; casi di prova sintetici locali possono bastare. Un modello locale richiede un server eseguito separatamente e non rende locali tutti gli strumenti collegati, inclusi quelli che inviano o ispezionano pacchetti.
CarryLoam · Aggiornato 2026-10-25