Projekt
Sprawdź przeniesienie cykliczne i pusty przypadek, odrzuć inne typy i oddziel tę niekryptograficzną kontrolę od uwierzytelniania.
Środowisko programowania z AI
Sumy internetowe z nieparzystym bajtem
Oblicz 16-bitową sumę internetową dla zera do 65535 bajtów, dopełniając ostatni nieparzysty bajt zerem.
● ● ●CarryLoam●
Sposoby pracy · Sumy internetowe z nieparzystym 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
✳Sumy internetowe z nieparzystym bajtem
✓ ZmianySprawdź przed zastosowaniem ↗
Ilustracja środowiska
Sprawdź przed zastosowaniem
Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami.
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.
Sposoby pracy
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
Powiąż zmiany na poziomie bajtów z niezależnym oczekiwaniem
CarryLoam to oprogramowanie do programowania z AI dla Windows, służące do badania zmian, których poprawność zależy od dokładnej interpretacji bajtów. Otwórz projekt i opisz format, który kod ma wytwarzać lub odczytywać. Poproś model o sprawdzenie odpowiedniej implementacji i kodu wywołującego, zachowując niezależnie znane wyniki w rozmowie, aby przegląd miał podstawę szerszą niż wiarygodnie brzmiące wyjaśnienie.
Procedura internetowej sumy kontrolnej jest przydatnym przykładem zadania. Podaj krótki przypadek parzystej długości i przypadek nieparzystej długości z oczekiwanymi wynikami, a następnie zapytaj, jak kod obsługuje ostatni bajt i składanie przeniesień. Ukierunkowany przegląd pozwala powiązać te szczegóły ze ścieżką budowania pakietów bez zakładania poprawności otaczającej implementacji protokołu.
Sprawdź proponowaną poprawkę pod kątem zmian kolejności bajtów, dopełnienia i miejsca zapisu sumy kontrolnej. Uruchom testy projektu i porównaj wynik z niezależnym wzorcem odpowiednim dla formatu. Jeśli pojawi się rozbieżność, zachowaj bajty wejściowe i oba wyniki, aby kolejna rozmowa mogła dotyczyć odtwarzalnego przypadku.
Wybierz model AI bez cenzury, jeśli jest oferowany przez obsługiwany punkt końcowy zgodny z OpenAI lub Anthropic. Dodaj wymagane dane uwierzytelniające i sprawdź dostępne narzędzia oraz pojemność kontekstu. Wybrany model i dostawca nadal określają ograniczenia; ani etykieta, ani środowisko nie potwierdzają poprawności czy bezpieczeństwa pakietu.
Przegląd zmian implementacji operującej na bajtach
Dlaczego oczekiwane sumy kontrolne powinny być niezależne od poprawki?
Obliczanie oczekiwań tą samą logiką może powielać ten sam błąd. Użyj odpowiedniego wzorca lub niezależnie zweryfikowanego przypadku testowego i zachowaj dokładne bajty wejściowe. Daje to rozmowie z modelem i testom osobną podstawę porównania.
Co powinien sprawdzać przypadek nieparzystej długości?
Powinien uwidaczniać w oczekiwanym wyniku sposób traktowania ostatniego bajtu. Poproś model o wyjaśnienie proponowanego dopełnienia i kolejności bajtów, a następnie porównaj wynik. Test sprawdzający wyłącznie typ wyniku nie wykryje tych różnic.
Czy zgodna suma kontrolna potwierdza poprawność pakietu?
Nie. Pozostałe pola, długości i reguły protokołu nadal wymagają własnych kontroli. Oceń zmianę sumy kontrolnej w jej zakresie i w razie potrzeby sprawdź otaczający kod budowania pakietów, nie traktując jednej zgodnej wartości jako walidacji całej wiadomości.
Jak postępować z proponowanym poleceniem weryfikacji sieciowej?
Przed wykonaniem sprawdź jego cel i skutki; sztuczne lokalne przypadki testowe mogą wystarczyć. Lokalny model wymaga oddzielnie działającego serwera i nie sprawia, że każde podłączone narzędzie jest lokalne, w tym narzędzia wysyłające lub sprawdzające pakiety.
CarryLoam · Zaktualizowano 2026-10-25