Kanoniczny zapis UUID
Zamień kanoniczny UUID zapisany małymi literami na szesnaście bajtów bez wnioskowania o wersji ani tożsamości.
import re
UUID_TEXT = re.compile(r"[0-9a-f]{8}(?:-[0-9a-f]{4}){3}-[0-9a-f]{12}")
def uuid_bytes(text):
if not isinstance(text, str) or not UUID_TEXT.fullmatch(text):
raise ValueError("canonical lowercase UUID required")
return bytes.fromhex(text.replace("-", ""))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.
Projekt
Sprawdź zera i litery szesnastkowe, odrzucając wielkie litery, klamry, przesunięte łączniki i otaczające spacje.
import re
UUID_TEXT = re.compile(r"[0-9a-f]{8}(?:-[0-9a-f]{4}){3}-[0-9a-f]{12}")
def uuid_bytes(text):
if not isinstance(text, str) or not UUID_TEXT.fullmatch(text):
raise ValueError("canonical lowercase UUID required")
return bytes.fromhex(text.replace("-", ""))Uzgodnij reprezentację identyfikatorów na granicy aplikacji
IdSaffron daje środowisko programistyczne AI dla Windows do analizy małych funkcji granicznych łączących większe części aplikacji. Gdy obsługa identyfikatorów wymaga zmiany, opisz akceptowane reprezentacje i oczekiwania dalszego kodu. Poproś model o wspólną analizę walidatora, etapu konwersji i odpowiedniego wywołania, aby pozornie nieszkodliwa normalizacja nie rozszerzyła po cichu kontraktu wejścia.
Zadanie oparte na uuid_text.py może dotyczyć akceptacji kanonicznego tekstu UUID małymi literami przed konwersją na bajty. Podaj przykłady różniące się wielkością liter, separatorami lub otaczającymi białymi znakami i określ, które odrzucać. Omów, czy normalizacja należy przed walidację, czy wywołujący musi dostarczyć postać kanoniczną. Te decyzje czynią zmianę wystarczająco konkretną do oceny względem kodu.
Po przeglądzie uruchom testy projektu sprawdzające wynikowe bajty i odrzucane reprezentacje. Zbadaj zgłaszanie nieprawidłowych identyfikatorów przez aplikację, w tym ścieżki wcześniej zakładające, że konwersja nie może zawieść. IdSaffron łączy się z obsługiwanymi punktami końcowymi zgodnymi z OpenAI lub Anthropic, z uwierzytelnieniem tam, gdzie jest wymagane. Opcje modeli bez ograniczeń zależą od wybranego punktu końcowego; ograniczenia, dostępne narzędzia i pojemność kontekstu pozostają właściwościami modelu i serwera. Przykłady akceptacji dają rozmowie o kodzie stały punkt odniesienia przy kolejnych zmianach.
Granice identyfikatorów wymagające jasnej odpowiedzi
Czy funkcja powinna przyjmować też identyfikatory wielkimi literami?
Zdecyduj na podstawie kontraktu aplikacji, zamiast automatycznie łagodzić reguły. Jeśli wywołujący wymagają kanonicznego tekstu małymi literami, akceptacja innych postaci może ukrywać wcześniejszą niespójność. Jeśli zamierzona jest normalizacja, określ jej miejsce i przetestuj wynikową reprezentację.
Czy poprawny identyfikator dowodzi istnienia rekordu?
Nie. Walidacja formatu potwierdza tylko zgodność podanej reprezentacji z oczekiwaną postacią. Istnienie i autoryzacja należą do osobnych kontroli aplikacji, więc przejrzyj odbiorcę, zanim uznasz poprawną konwersję za zgodę na dostęp do rekordu.
Dlaczego sprawdzać bajty oraz akceptowany tekst?
Sama akceptacja nie dowodzi, że konwersja daje wartość oczekiwaną przez odbiorcę. Uwzględnij znane pary tekst–bajty i zweryfikuj dalszą obsługę, zwłaszcza jeśli zmiana dotyczy granic serializacji lub przechowywania używanych w innych miejscach projektu.
Co jeśli wywołujący już usuwają otaczające białe znaki?
Sprawdź to zachowanie przed jego powieleniem. Uzgodnij, czy funkcja otrzymuje znormalizowane wejście, czy sama je normalizuje. Jawny podział odpowiedzialności ułatwia zrozumienie reguł odrzucania i zapobiega niespójnej obsłudze na różnych ścieżkach wywołań.
IdSaffron · Zaktualizowano 2026-10-25