from collections import deque
from math import isfinite
def window_max(values, width):
if type(width) is not int or not 1 <= width <= len(values):
raise ValueError("width")
if not all(map(isfinite, values)): raise ValueError("finite values")
queue, result = deque(), []
for i, value in enumerate(values):
while queue and queue[0] <= i - width: queue.popleft()
while queue and values[queue[-1]] <= value: queue.pop()
queue.append(i)
if i >= width - 1: result.append(values[queue[0]])
return result| 적용하기 전에 검토하세요 | 실제 동작을 예상 결과와 비교하세요. 검사가 실패하면 다음 변경을 하기 전에 원인을 조사하세요. |
|---|---|
| 모델 | 기본 URL과 필요한 API 키로 OpenAI 호환 또는 Anthropic 엔드포인트를 설정하고 연결을 테스트하세요. 로컬 모델 서버는 실행 중이어야 합니다. 원격 도구는 데이터를 별도로 전송할 수 있습니다. |
| 프로젝트 | 중복 최댓값, 음수, 너비 경계를 확인하고 유한하지 않은 값과 입력 길이 밖의 너비를 거부하세요. |
from collections import deque
from math import isfinite
def window_max(values, width):
if type(width) is not int or not 1 <= width <= len(values):
raise ValueError("width")
if not all(map(isfinite, values)): raise ValueError("finite values")
queue, result = deque(), []
for i, value in enumerate(values):
while queue and queue[0] <= i - width: queue.popleft()
while queue and values[queue[-1]] <= value: queue.pop()
queue.append(i)
if i >= width - 1: result.append(values[queue[0]])
return result계산 변경을 출력과 연결해 유지하세요
WindowRidge는 변경을 사용할 프로젝트의 맥락에서 논의하는 Windows AI 코딩 작업 공간입니다. 애플리케이션이 기대하는 출력부터 시작하고 이를 생성하는 소스를 파악하세요. 대체 구현을 제안하기 전에 연결된 모델에 현재 경로를 살펴보도록 요청해 구현 세부 사항을 눈에 보이는 요구사항과 연결하세요.
고정 너비 구간의 최댓값 계산은 유용한 작업 중 하나입니다. 각 결과가 완전한 윈도에 대응한다는 점을 명시하고 결과를 입력 위치와 연결하는 호출부를 포함하세요. 수정을 요청하기 전에 반복되는 최댓값, 음수, 유효한 너비 경계를 논의하세요. 그러면 짧은 예제에서 가장 큰 수를 얻는 것을 넘어선 검토 규약이 생깁니다.
프로젝트 테스트로 제안된 출력을 명시적인 테스트 데이터와 비교하세요. 값뿐 아니라 결과 개수와 위치 대응도 확인하고 너비가 1인 경우와 입력 길이와 같은 경우도 포함하세요. 효율 개선이 목적이라면 다른 구현에서 속도 보장을 추론하지 말고 자신의 작업 부하에서 측정하세요.
지원되는 OpenAI 호환 또는 Anthropic 엔드포인트를 연결해 WindowRidge에 사용할 모델을 선택하세요. 해당 제공업체를 통해 제한 없는 AI 모델을 사용할 수 있을 수 있으며 필요한 경우 인증 정보를 사용합니다. 모델 동작, 컨텍스트 용량, 도구 지원은 실제 연결에 따라 달라지며 계산 변경 수용에는 여전히 사용자의 검토와 검증이 필요합니다.
윈도 계산 패치 계획하기
- 루틴뿐 아니라 출력을 사용하는 코드도 보여 주는 이유는 무엇인가요?
소비 측은 각 값을 특정 입력 위치와 연결할 수 있습니다. 수정이 최댓값을 보존하면서도 그 대응 관계를 옮길 수 있습니다. 호출부를 포함하고 각 출력이 나타내는 윈도를 정의해 산술뿐 아니라 위치 대응도 검토하세요.
- 소규모 테스트 데이터에 어떤 너비 사례를 넣어야 하나요?
애플리케이션에 필요한 일반 사례와 함께 1, 전체 입력 길이, 잘못된 너비를 사용하세요. 잘못된 값의 거부 정책을 명시하세요. 기존 프로젝트 검사로 값과 결과 개수를 모두 검증하세요.
- 효율 관련 제안을 어떻게 평가하나요?
먼저 테스트 데이터에서 동작이 동등한지 확인하세요. 그런 다음 대표 데이터와 자체 도구로 후보 구현을 측정하세요. 모델의 접근법 설명은 유용한 검토 맥락이지만 애플리케이션 성능의 증거는 아닙니다.
- 반복되는 최댓값을 특별히 살펴봐야 하나요?
구현이 값뿐 아니라 후보 위치도 추적할 수 있으므로 포함하세요. 오래된 후보가 윈도를 벗어나는 방식을 설명하도록 요청하고, 패치를 수용하기 전에 제안 동작을 명시적인 예상 시퀀스와 비교하세요.
WindowRidge · 업데이트 2026-10-25