Сначала реши, что должна содержать копия. Если сохраняешь оригинал для разбора ошибок, заголовок должен остаться. Если задача переносит только записи в уже открытый отчёт с таким же заголовком, копирование с текущей позиции может быть как раз тем, что нужно. Лучше явно назвать это решение в коде: «архив всего входа» и «перенос оставшихся строк» подразумевают разные ожидания.

В примере источник поддерживает возврат в начало. Сетевой поток может его не поддерживать. Тогда для полного архива надо спланировать чтение заранее: сохранить первые байты вместе с оставшимися или открыть источник повторно, если операция допустима. Отдельно от позиции стоит помнить о буферизации назначения: если следующий шаг сразу откроет реальный файл для чтения, заверши запись или сбрось буфер перед передачей.

В проверку включи короткий файл с уникальной первой строкой. Сверь не только размер, но и то, с какой строки начинается результат. Так тест покажет, какой договор выполнила программа, даже если оба получившихся файла технически читаются.

Практические заметки об импорте данных — в личном Telegram.

Пример учебный; текст подготовлен с помощью ИИ.

У fma правило другое: между умножением и сложением промежуточное произведение не округляется. Итог по-прежнему подчиняется точности контекста. В примере не менялись исходные коэффициенты или правило хранения: различается момент, в который применяется округление. Именно его нужно указать в задании и ожидаемом результате теста.

Выбор зависит от предметной задачи. Если пользователь хочет видеть заранее округлённое произведение отдельной строкой и следующий расчёт обязан взять эту строку, две операции соответствуют такому договору. Если формула описывает одно действие с единственным округлением в конце, стоит проверить вариант с fma. Прежде чем менять рабочий расчёт, найди правило, по которому его сравнивают с другими отчётами.

Для теста возьми обычный случай, в котором результаты совпадают, и случай, где поправка почти вычитает произведение. На втором легко увидеть, в какой точке система потеряла часть значения. Учебные коэффициенты не задают правила округления для реальных счетов или договоров.

Другие разборы проверок для ИИ — в Jarvis News.

Данные учебные; текст подготовлен с помощью ИИ.

Функциональное решение для разработчиков и исследователей в области робототехники. Этот универсальный мобильный робот обладает расширенными функциональными возможностями и станет помощником в лабораторных условиях, учебных заведениях или дома.

Кому интересно, ссылка на такого робота

p.s.

Сохраняйте страницу в закладки, чтобы не потерять.

Реклама: ООО "АЕР Услуги" ИНН: 7703380158

В примере ни один вызов сам по себе не создаёт элемент страницы: результат остаётся строкой. Но следующий шаг может вставить её в HTML или показать как текст. Эти способы дают разный результат. Декодирование сущностей не является очисткой разметки. Если поле должно показываться пользователю как текст, на выходе используй соответствующий способ текстового вывода и проверяй отображение там, где оно произойдёт.

Чтобы выбрать правило импорта, возьми три строки: обычную с амперсандом, строку с одним уровнем сущностей и пример с двумя уровнями. Для каждой запиши, что должно храниться после чтения и что должно увидеть приложение. Сравни оба результата. Если поставщик изменит формат, тест на ожидаемую строку покажет, где появился дополнительный слой.

В задаче для ИИ попроси обозначить, где данные декодируются, где хранятся и где отображаются. В учебной проверке можно оставить рядом исходную строку и значение после согласованного преобразования. Тогда разбор не сводится к догадке по скриншоту: видно, какой шаг изменил текст и почему это было ожидаемо.

Ещё разборы преобразований данных — в Jarvis News.

Учебный пример подготовлен с помощью ИИ.

Режим strict=False здесь даёт сеть, убрав биты узла. Он подходит, когда задача прямо требует определить сеть, в которую входит адрес. Если в журнале нужно помнить исходный узел, храни его отдельно либо разбирай строку как интерфейс. Успешный разбор не означает, что эти два объекта можно подставлять друг вместо друга.

В тестовом отчёте удобно добавить рядом два поля с понятными названиями. Тогда по строке видно, что узел сохранился, а сетевой префикс был вычислен. Если форма принимает только подсети, лучше вернуть человеку ошибку с указанием нужного вида ввода. Молчаливая нормализация в такой форме может скрыть ошибку: пользователь ожидал правило для одной машины, а программа подготовила его для сети.

Попроси ИИ проверить три случая на вымышленных данных: правильный сетевой префикс, адрес узла с маской и неразбираемую строку. Отдельно задай ожидаемый смысл поля. Эта проверка помогает различить ошибку ввода и преобразование, которого явно просили.

Разборы таких проверок — в личном Telegram.

Учебный пример подготовлен с помощью ИИ.

Вдохновившись успехом, мы за 3 дня с помощью тестировщиков в лице моих друзей (спасибо им безмерное) сделали вторую игру — уже полноценную. Идея давно крутилась в голове, когда я натыкался на «успешный успех» в Reels и прочих лентах. Суть: в игре ты выбираешь себе псевдопрофессию — инфоцыган, таролог, астролог, криптовалютчик, биохакер или коуч успеха — и качаешься до миллиона подписчиков. Прокачиваешь «воздуханство» и «аренду ламбо», переживаешь разоблачения, а после миллиона устраиваешь войну компроматов с другими такими же игроками на Арене. Дальше немного скриншотов, чтобы было понятно, как это выглядит и как далеко ушли технологии.

Покликать можно в Telegram: @Gurunaeba_game_bot — заходите и давайте советы по улучшению. Игру сделал бесплатной, поэтому заходите поддержать меня и моё начало, есть ещё пару идей для новых игр буду делиться здесь. Рабочие приложение для руководителей которые буду использовать в работе тоже буду выкладывать

Зачем вообще этот пост? Решил поделиться и найти поддержки, плюс дать мотивацию всем тем, кто боялся сделать первый шаг

Привет, Pikabu!

В прошлой статье я кратко упомянул о третьей версии своего PET-проекта — голосового ассистента с функциями управления умным домом, независящего от сторонних сервисов. Новая версия отличается от двух предыдущих появлением нейропроцессорного модуля, что значительно расширяет возможности голосового ассистента. В новой статье я попытался описать процесс интеграции NPU в проект «Альфы». А вот что в итоге получилось:

«Альфа» полностью автономна и работает с локальной LLM, которая запущена на встроенном NPU.

Спасибо за внимание!