Modellen
Stel een OpenAI-compatibel of Anthropic-endpoint in met de basis-URL en zo nodig een API-sleutel. Test de verbinding. Een lokale modelserver moet actief zijn; externe hulpmiddelen kunnen apart gegevens versturen.
Verbind bytefrequenties in ByteVesper met waarschijnlijkheidsbijdragen en een resultaat in bits per byte.
Stel een OpenAI-compatibel of Anthropic-endpoint in met de basis-URL en zo nodig een API-sleutel. Test de verbinding. Een lokale modelserver moet actief zijn; externe hulpmiddelen kunnen apart gegevens versturen.
Selecteer een map en laat de assistent de relevante bestanden lezen voordat hij ze wijzigt. Benoem het doel en de grenzen van je opdracht.
Controleer wijzigingen en uitvoer van opdrachten. Voer de projectcontroles uit voordat je het resultaat overneemt; gegenereerde code is niet automatisch getest.
from collections import Counter
from math import log2
def byte_entropy(data):
if not isinstance(data, bytes) or len(data) > 65536:
raise ValueError("bytes.limit")
if not data:
return 0.0
n = len(data)
return sum((count / n) * log2(n / count) for count in Counter(data).values())