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.
● ● ●Hopwise●
작업 흐름 · 방향 그래프의 최소 홉 수 ×
from collections import deque
def hop_distances(graph, start):
if type(graph) is not list or not 1 <= len(graph) <= 1000:
raise ValueError("graph.size")
n = len(graph)
if type(start) is not int or not 0 <= start < n:
raise ValueError("graph.start")
if any(type(row) is not list or any(type(v) is not int or
not 0 <= v < n for v in row) for row in graph):
raise ValueError("graph.edges")
distances = [None]*n
distances[start] = 0
queue = deque([start])
while queue:
u = queue.popleft()
for v in graph[u]:
if distances[v] is None:
distances[v] = distances[u]+1
queue.append(v)
return distances✳방향 그래프의 최소 홉 수
✓ 변경 사항적용하기 전에 검토하세요 ↗
작업 공간 예시 화면
프로젝트
순환과 중복 간선 및 도달 불가 정점을 시험하고 순회 전에 빈 그래프나 잘못된 끝점을 거부하세요.
적용하기 전에 검토하세요
실제 동작을 예상 결과와 비교하세요. 검사가 실패하면 다음 변경을 하기 전에 원인을 조사하세요.
작업 흐름
from collections import deque
def hop_distances(graph, start):
if type(graph) is not list or not 1 <= len(graph) <= 1000:
raise ValueError("graph.size")
n = len(graph)
if type(start) is not int or not 0 <= start < n:
raise ValueError("graph.start")
if any(type(row) is not list or any(type(v) is not int or
not 0 <= v < n for v in row) for row in graph):
raise ValueError("graph.edges")
distances = [None]*n
distances[start] = 0
queue = deque([start])
while queue:
u = queue.popleft()
for v in graph[u]:
if distances[v] is None:
distances[v] = distances[u]+1
queue.append(v)
return distances그래프 결과가 애플리케이션에서 의미를 유지하게 하세요
그래프 결과는 호출 코드가 각 값의 의미를 이해할 때만 유용합니다. Hopwise는 그래프 관련 코드를 위한 Windows용 AI 코딩 작업 공간으로, 소스와 계약에 관한 대화를 연결합니다. 고립된 알고리즘 교체를 요청하기보다 입력 표현과 애플리케이션이 결과를 표시하거나 사용하는 방식부터 시작하세요.
최단 홉 작업에서는 도달 가능한 정점과 불가능한 정점이 모두 있는 작은 방향 그래프를 보여 주세요. 구현이 시작 정점과 경로가 없는 정점을 어떻게 구분하는지 연결된 모델에 확인을 요청하세요. 가장 단순한 전방 연결뿐 아니라 반복 방문도 검토하도록 순환을 포함하세요.
다음으로 그래프 데이터가 함수로 들어오는 경계를 살펴보세요. 잘못된 정점 참조는 의도적인 정책으로 처리해야 하며 방향은 애플리케이션에서 간선이 의미하는 바와 맞아야 합니다. 결과를 사용하는 코드와 함께 수정안을 검토한 뒤 각 정점의 정확한 결과를 단언하는 테스트를 실행하세요. 계산 이후에도 인터페이스에서 도달 불가 상태 처리가 명확하게 드러나도록 하세요.
Hopwise는 호환되는 OpenAI 호환 또는 Anthropic 엔드포인트를 지원하며 제공되는 무검열 AI 모델도 사용할 수 있습니다. 실제 응답 동작, 컨텍스트 한도, 도구는 해당 구성에 달려 있습니다. 작업 공간은 조사를 돕고, 그래프 테스트 데이터와 통합 테스트의 근거가 변경을 유지할 준비가 되었는지 결정합니다.
그래프 결과의 의미 유지 — 수정 전 질문
- 문제를 설명할 때 어떤 그래프를 사용해야 하나요?
순환, 도달 불가 정점, 명확히 표시된 시작점이 있는 작은 방향 그래프를 선택하세요. 각 정점의 예상 결과를 쓰세요. 큰 운영 그래프보다 방향과 경로 없음의 의미를 쉽게 살펴볼 수 있습니다.
- 홉 수 0과 도달 불가를 왜 구분하나요?
0은 시작 정점에서 자신까지의 거리이며, 도달 불가는 그래프 계약에 따라 경로를 찾지 못했다는 뜻입니다. 호출 코드가 이를 혼동하면 인터페이스가 존재하지 않는 연결을 표시할 수 있습니다. 반환 표현과 이를 사용하는 코드를 함께 검토하세요.
- 가중 경로에 홉 수를 사용할 수 있나요?
작업 목적상 모든 간선의 비용이 같을 때만 가능합니다. 가중치가 중요하면 변경 요청 전에 그 요구 사항을 설명하세요. 최단 홉 구현이 다른 최적화 목표를 충족한다고 표현해서는 안 됩니다.
- 잘못된 정점 참조는 어디서 처리해야 하나요?
입력 경계에서 정책을 정하고 기존 호출 코드를 살펴보세요. 명확한 거부 또는 검증 경로를 유지하도록 모델에 요청하세요. 우연한 인덱싱 동작이 애플리케이션 계약이 되지 않도록 잘못된 참조를 테스트에 포함하세요.
Hopwise · 업데이트 2026-10-25