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.
Produkt
Funktionen der Software · Probabilistische Bloom-Zugehörigkeit
01
Vergleiche eingefügte Schlüssel mit dem Bitfeld bei Kollisionen und trenne eine positive Antwort von sicherer Mitgliedschaft.
Projekt
Wählen Sie einen Ordner und lassen Sie die betreffenden Dateien vor einer Änderung lesen. Legen Sie Ziel und Grenzen der Aufgabe fest.
Änderungen
Prüfen Sie Änderungen und Befehlsausgaben. Führen Sie die Projektprüfungen aus, bevor Sie das Ergebnis übernehmen; erzeugter Code ist nicht automatisch getestet.
Probabilistische Bloom-Zugehörigkeit
● ● ●BloomFjord●
Arbeitsabläufe · Probabilistische Bloom-Zugehörigkeit ×
from hashlib import sha256
class Bloom:
def __init__(self, width):
if type(width) is not int or not 1 <= width <= 8192:
raise ValueError("width.range")
self.width, self.bits = width, 0
def positions(self, key):
if not isinstance(key, bytes) or len(key) > 1024:
raise ValueError("key.bytes")
digest = sha256(key).digest()
return [int.from_bytes(digest[i:i+4], "big") % self.width
for i in (0, 4, 8, 12)]
def add(self, key):
for position in self.positions(key):
self.bits |= 1 << position
def maybe_contains(self, key):
return all(self.bits & (1 << p) for p in self.positions(key))✳Speichern Sie Schlüssel bis 1024 Byte in einem Bloom-Filter mit einem bis 8192 Bit.
✓ ÄnderungenVor dem Anwenden prüfen ↗
Illustration der Arbeitsumgebung