Przesuń datę o pełne miesiące i ogranicz dzień do końca miesiąca docelowego.
from calendar import monthrange
from datetime import date
def add_months(day, delta):
if type(day) is not date or type(delta) is not int:
raise ValueError("month.input")
year, month0 = divmod(day.year * 12 + day.month - 1 + delta, 12)
if not 1 <= year <= 9999:
raise ValueError("month.year")
last = monthrange(year, month0 + 1)[1]
return date(year, month0 + 1, min(day.day, last))from calendar import monthrange
from datetime import date
def add_months(day, delta):
if type(day) is not date or type(delta) is not int:
raise ValueError("month.input")
year, month0 = divmod(day.year * 12 + day.month - 1 + delta, 12)
if not 1 <= year <= 9999:
raise ValueError("month.year")
last = monthrange(year, month0 + 1)[1]
return date(year, month0 + 1, min(day.day, last))Zmiany dat często ukrywają decyzję produktową wewnątrz funkcji pomocniczej. MonthAnchor to środowisko programistyczne AI dla Windows do omawiania tej decyzji z wglądem w implementację. Otwórz projekt i opisz oczekiwany wynik kalendarzowy, zanim poprosisz podłączony model o edycję kodu. Uwzględnij kod wywołujący zależny od obecnego zachowania, nie tylko funkcję obsługi dat.
Cykliczne przypomnienie to konkretne zadanie: przesunięcie daty o miesiąc, gdy jej dzień nie istnieje w miesiącu docelowym. Poproś asystenta o sprawdzenie obecnej reguły i zaproponowanie zmiany dopiero po decyzji, czy dzień ma zostać ograniczony do ostatniego dostępnego, czy podlegać innej zasadzie. To przypomnienie jest scenariuszem programistycznym, a nie dostarczaną usługą harmonogramowania.
Oceń propozycję w kolejnych operacjach. Jednorazowe ograniczenie dnia może wpłynąć na dodanie następnego miesiąca, więc określ, czy oryginalny dzień odniesienia trzeba pamiętać gdzie indziej. Uruchom testy projektu dla końców miesięcy, lat przestępnych i obsługiwanego zakresu lat. Przed akceptacją sprawdź datę widoczną dla użytkownika i bezpośrednią wartość zwracaną przez funkcję.
MonthAnchor łączy się z obsługiwanymi punktami końcowymi zgodnymi z OpenAI lub Anthropic. Model AI po ablacji mechanizmów odmowy może pomagać tam, gdzie oferuje go skonfigurowana usługa; limity kontekstu i obsługa narzędzi zależą od tej konfiguracji. Model może proponować kod kalendarzowy, a Twoje wymagania określają, czy jego zachowanie jest poprawne.
Te operacje odpowiadają różnym wymaganiom. Przypomnienie w dacie kalendarzowej nie musi odpowiadać stałemu okresowi. Powiedz asystentowi, jaką regułę obiecuje aplikacja, a następnie sprawdź, czy proponowana implementacja zachowuje ją dla krótkich miesięcy.
To zależy od tego, czy aplikacja pamięta pierwotny dzień odniesienia, czy używa ostatniego wyniku jako nowych danych wejściowych. Jawnie określ zamierzoną sekwencję. Testuj wiele przesunięć, zamiast zakładać, że pojedynczy poprawny wynik dowodzi poprawności cyklu.
Tylko jeśli zmieniane wymaganie dotyczy godzin lub konwersji stref. Funkcja operująca wyłącznie na datach może mieć celowo węższy kontrakt. Zapytaj, które wywołania potrzebują dodatkowego zachowania, zanim rozszerzysz poprawkę na inną klasę problemów kalendarzowych.
Uwzględnij krótkie miesiące docelowe, przejście roku przestępnego, przesunięcie ujemne i obsługiwane granice lat. Zapisz oczekiwane wyniki zgodnie z zasadami aplikacji. Uruchom te przypadki w projekcie, zamiast polegać wyłącznie na przykładach asystenta.
MonthAnchor · Zaktualizowano 2026-10-25
