프로젝트
빈 입력과 같은 높이를 확인하고 입력을 바꾸지 않은 채 음수나 불리언 값을 거부합니다.
AI 코딩 작업 공간
히스토그램의 최대 직사각형
너비가 1이고 높이가 0부터 1000000까지인 정수 막대 최대 256개 아래의 가장 큰 직사각형을 구합니다.
● ● ●BarCumulus●
작업 흐름 · 히스토그램의 최대 직사각형 ×
def histogram_area(heights):
heights = tuple(heights)
if len(heights) > 256 or any(type(h) is not int or not 0 <= h <= 1000000 for h in heights):
raise ValueError("height.range")
stack, best = [], 0
for i in range(len(heights) + 1):
current = heights[i] if i < len(heights) else 0
while stack and heights[stack[-1]] > current:
height = heights[stack.pop()]
start = stack[-1] + 1 if stack else 0
best = max(best, height * (i - start))
stack.append(i)
return best✳너비가 1이고 높이가 0부터 1000000까지인 정수 막대 최대 256개 아래의 가장 큰 직사각형을 구합니다.
✓ 변경 사항적용하기 전에 검토하세요 ↗
작업 공간 예시 화면
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.
작업 흐름
def histogram_area(heights):
heights = tuple(heights)
if len(heights) > 256 or any(type(h) is not int or not 0 <= h <= 1000000 for h in heights):
raise ValueError("height.range")
stack, best = [], 0
for i in range(len(heights) + 1):
current = heights[i] if i < len(heights) else 0
while stack and heights[stack[-1]] > current:
height = heights[stack.pop()]
start = stack[-1] + 1 if stack else 0
best = max(best, height * (i - start))
stack.append(i)
return best형태를 바꾸기 전에 리팩터링이 보존해야 할 것을 물어보세요
BarCumulus는 보존하려던 동작을 잃지 않고 구현 변경을 검토하는 Windows AI 코딩 작업 공간입니다. 프로젝트 폴더를 열고 리팩터링의 이유가 더 명확한 상태, 더 작은 보조 함수, 더 쉬운 테스트 경로 중 무엇인지 설명하세요. 대체안을 제안하기 전에 모델에게 기존 계약을 살펴보도록 요청하세요.
지원되는 OpenAI 호환 또는 Anthropic 엔드포인트가 제공하는 경우 무검열 AI 모델을 연결할 수 있습니다. 필요하면 인증 정보를 추가하세요. 제공자 제한, 도구 기능, 컨텍스트 한도는 계속 적용되므로, 단지 구현 모습이 달라졌다는 이유로 개선이라고 여기지 말고 대화를 통해 검토 가능한 근거를 마련하세요.
막대 높이에서 최대 직사각형을 계산하는 것은 가져올 수 있는 예제 하나입니다. 코드가 같은 높이의 구간, 빈 입력, 마지막 남은 작업을 어떻게 처리하는지 검토를 요청하세요. 수작업으로 결과를 확인한 작은 테스트 사례를 포함한 뒤, 제안 리팩터링의 어느 부분이 그 사례를 보존하고 어느 부분이 바꾸는지 모델에게 물어보세요.
결과 변경 내역을 살펴보고 유지하려는 것과 같은 버전에서 프로젝트 검사를 실행하세요. 복잡한 변경은 작은 입력에 대해 독립적인 단순 구현과 비교하세요. 비교는 테스트한 범위 안의 근거이며, 코딩 작업 공간을 자동 증명 시스템으로 만들지는 않습니다.
리팩터링의 근거를 확인하기
- 알고리즘 리팩터링을 요청하는 유용한 이유는 무엇인가요?
불명확한 상태 전이나 중복 처리처럼 평가할 수 있는 유지보수 문제를 명시하세요. 이를 해결하는 가장 작은 제안을 요청하세요. 대체안은 새롭다는 이유만이 아니라 가독성과 검증된 동작으로 필요성을 입증해야 합니다.
- 예제 테스트에 높이가 같은 막대를 포함하는 이유는 무엇인가요?
같은 값은 대기 상태를 언제 유지하거나 제거하는지에 관한 가정을 드러낼 수 있습니다. 예상 결과를 아는 짧은 평탄 구간을 포함하세요. 큰 예제를 검토하기 전에 모델에게 제안 구현에 비추어 그 사례를 설명하도록 요청하세요.
- 차등 테스트가 두 구현의 동등성을 증명하나요?
테스트한 입력에 대해 동등성을 뒷받침하고 불일치를 드러낼 수 있습니다. 입력 범위와 기준 구현을 명확히 유지하고 차이를 조사하세요. 유한한 테스트를 운영 함수가 허용하는 모든 입력에 대한 증명이라고 설명하지 마세요.
- 제안된 비교 스크립트는 어떻게 검토하나요?
실행하기 전에 입력 한도와 실행 계획을 읽으세요. 도구의 전송 대상도 확인하세요. 로컬 모델 추론은 별도 서버가 필요하며 연결된 모든 실행 도구를 로컬로 만들지 않습니다. 테스트 작업량은 의도적으로 작게 유지하세요.
BarCumulus · 업데이트 2026-10-25