Modelle
Richten Sie einen OpenAI-kompatiblen oder Anthropic-Endpunkt mit Basis-URL und gegebenenfalls API-Schlüssel ein. Testen Sie die Verbindung. Ein lokaler Modellserver muss laufen; entfernte Werkzeuge können Daten separat übertragen.
Nutze vector_clock.py, um unvergleichbare Ereignisverläufe trotz gültiger Zähler zu untersuchen.
Richten Sie einen OpenAI-kompatiblen oder Anthropic-Endpunkt mit Basis-URL und gegebenenfalls API-Schlüssel ein. Testen Sie die Verbindung. Ein lokaler Modellserver muss laufen; entfernte Werkzeuge können Daten separat übertragen.
Wählen Sie einen Ordner und lassen Sie die betreffenden Dateien vor einer Änderung lesen. Legen Sie Ziel und Grenzen der Aufgabe fest.
Prüfen Sie Änderungen und Befehlsausgaben. Führen Sie die Projektprüfungen aus, bevor Sie das Ergebnis übernehmen; erzeugter Code ist nicht automatisch getestet.
def clock_relation(a, b):
for clock in (a, b):
if type(clock) is not dict or len(clock) > 64:
raise ValueError("clock.map")
if any(type(k) is not str or not 1 <= len(k) <= 32 or type(v) is not int or not 0 <= v <= 10**12 for k, v in clock.items()):
raise ValueError("clock.entry")
keys = a.keys() | b.keys()
less = any(a.get(k, 0) < b.get(k, 0) for k in keys)
more = any(a.get(k, 0) > b.get(k, 0) for k in keys)
return "concurrent" if less and more else "before" if less else "after" if more else "equal"