Urutan pengenal prarilis
Bandingkan pengenal prarilis yang sudah dipisahkan dengan angka sebelum teks.
import re
IDENT = re.compile(r"[0-9A-Za-z-]+")
def prerelease_cmp(left, right):
for item in (*left, *right):
if not isinstance(item, str) or not IDENT.fullmatch(item):
raise ValueError("identifier")
if item.isascii() and item.isdigit() and len(item) > 1 and item[0] == "0":
raise ValueError("leading zero")
if not left or not right:
return (not left) - (not right)
for a, b in zip(left, right):
if a == b: continue
an, bn = a.isdigit(), b.isdigit()
if an != bn: return -1 if an else 1
if an and len(a) != len(b): return (len(a) > len(b)) - (len(a) < len(b))
return (a > b) - (a < b)
return (len(left) > len(right)) - (len(left) < len(right))- Proyek
- Uji angka banyak digit, awalan bersama dan tupel kosong rilis stabil, menolak nol di depan serta pengenal tak valid.
- Tinjau sebelum menerapkan
- Bandingkan perilaku sebenarnya dengan hasil yang diharapkan. Jika pemeriksaan gagal, cari penyebabnya sebelum membuat perubahan lain.
- Model
- Atur endpoint kompatibel OpenAI atau Anthropic dengan URL dasar dan kunci API jika diperlukan. Uji koneksi. Server model lokal harus berjalan; alat jarak jauh dapat mengirim data secara terpisah.
import re
IDENT = re.compile(r"[0-9A-Za-z-]+")
def prerelease_cmp(left, right):
for item in (*left, *right):
if not isinstance(item, str) or not IDENT.fullmatch(item):
raise ValueError("identifier")
if item.isascii() and item.isdigit() and len(item) > 1 and item[0] == "0":
raise ValueError("leading zero")
if not left or not right:
return (not left) - (not right)
for a, b in zip(left, right):
if a == b: continue
an, bn = a.isdigit(), b.isdigit()
if an != bn: return -1 if an else 1
if an and len(a) != len(b): return (len(a) > len(b)) - (len(a) < len(b))
return (a > b) - (a < b)
return (len(left) > len(right)) - (len(left) < len(right))Buat keputusan rilis dapat ditelusuri ke kode
Penanganan versi menghubungkan fungsi perbandingan kecil dengan keputusan aplikasi yang berdampak penting. Prevernal adalah ruang kerja pemrograman AI Windows tempat Anda dapat membahas hubungan itu dengan berkas proyek terkait di dekatnya. Mulailah dengan keputusan yang tampak salah, seperti kandidat rilis mana yang dipilih, dan minta model terhubung memeriksa alur yang menghasilkannya.
Permintaan konkret dapat membandingkan pengenal prarilis yang dipakai logika pembaruan Anda. Berikan label representatif dan urutan yang diwajibkan proyek. Minta usulan yang memisahkan label tidak valid dari versi valid tetapi berprioritas lebih rendah, dan periksa bagaimana perbedaan itu mencapai kode pemanggil. Ini menjaga tugas terfokus pada perilaku aplikasi, bukan mengubah percakapan menjadi pelajaran perbandingan umum.
Tinjau patch hasil dengan data uji rilis yang mencakup berbagai tipe pengenal, awalan sama, dan rilis final. Periksa apakah kode pemanggil mengharapkan hasil perbandingan atau pengecualian, lalu jalankan pengujian proyek terkait. Jika usulan mengubah sintaks yang diterima, perlakukan sebagai keputusan kompatibilitas, bukan perbaikan yang kebetulan.
Prevernal mendukung koneksi ke endpoint kompatibel OpenAI atau Anthropic. Jika ditawarkan, model AI abliterasi dapat dipilih untuk pekerjaan pemrograman ini; pembatasan penyedia, batas konteks, dan alat tersedia tetap bergantung pada layanan yang dikonfigurasi. Model memberi bantuan, sedangkan kebijakan rilis proyek menyediakan kriteria penerimaan.
Meninjau perubahan urutan rilis
- Apa yang perlu menyertai laporan kandidat pembaruan yang salah?
Berikan label kandidat, pemenang yang diharapkan, dan kode pemilihnya. Sertakan kebijakan pengurutan proyek. Bukti itu membantu membedakan cacat perbandingan dari logika pemfilteran atau pemilihan di bagian lain alur pembaruan.
- Haruskah pengenal tidak valid diurutkan di bawah yang valid?
Hanya jika kontrak Anda menyatakannya. Penolakan dan pengurutan merupakan keputusan terpisah, dan memberi peringkat diam-diam pada masukan tidak valid dapat menyembunyikan kesalahan sebelumnya. Tanyakan cara kode pemanggil menangani setiap kasus sebelum menerima perubahan validasi.
- Bagaimana koreksi sintaks dapat memengaruhi pengguna yang ada?
Pengurai yang lebih ketat mungkin menolak label yang sebelumnya lolos melalui aplikasi. Identifikasi asal label tersebut dan sertakan nilai tersimpan atau masuk yang representatif. Tinjau kompatibilitas terpisah dari apakah logika perbandingan baru tampak lebih rapi.
- Apakah Prevernal menerbitkan atau memasang rilis perangkat lunak?
Tugas ini memakai ruang kerja pemrograman untuk memeriksa implementasi terkait rilis Anda. Penerbitan dan pemasangan merupakan bagian proses proyek Anda sendiri. Verifikasi kode usulan dengan pemeriksaan Anda sebelum menggunakannya dalam keputusan rilis.
Prevernal · Diperbarui 2026-10-25
