Multiplique dois quatérnios de Hamilton de quatro componentes finitos em ±10^6 com escalar primeiro.
import math
def quaternion_product(a, b):
for q in (a, b):
if type(q) not in (list, tuple) or len(q) != 4:
raise ValueError("quaternion.shape")
if any(type(x) not in (int, float) or not -10**6 <= x <= 10**6 or not math.isfinite(x) for x in q):
raise ValueError("quaternion.value")
w, x, y, z = a
v, i, j, k = b
return (w*v-x*i-y*j-z*k, w*i+x*v+y*k-z*j,
w*j-x*k+y*v+z*i, w*k+x*j-y*i+z*v)
import math
def quaternion_product(a, b):
for q in (a, b):
if type(q) not in (list, tuple) or len(q) != 4:
raise ValueError("quaternion.shape")
if any(type(x) not in (int, float) or not -10**6 <= x <= 10**6 or not math.isfinite(x) for x in q):
raise ValueError("quaternion.value")
w, x, y, z = a
v, i, j, k = b
return (w*v-x*i-y*j-z*k, w*i+x*v+y*k-z*j,
w*j-x*k+y*v+z*i, w*k+x*j-y*i+z*v)
Um erro de rotação pode sobreviver a uma correção aritmética aparentemente elegante quando dois módulos discordam sobre a representação. Quaterelle é um ambiente de programação com IA para Windows para investigar essa divergência. Traga o cálculo e seus consumidores para a conversa e peça ao modelo conectado que identifique as convenções dos componentes antes de sugerir mudanças. Comece pelo movimento observado e pelo resultado pretendido.
Uma tarefa possível é revisar a multiplicação de quatérnios usada por uma transformação de cena. Declare a ordem dos componentes e qual operação deve ocorrer primeiro; depois, forneça entradas e saídas conhecidas. Peça ao assistente que acompanhe essas premissas no chamador e proponha uma correção focada. A tarefa é melhorar seu próprio código de transformação com uma explicação verificável da mudança.
Verifique a proposta tanto com casos aritméticos quanto com o comportamento da aplicação. Confira a composição com a identidade, um par sensível à ordem e componentes inválidos segundo o contrato do projeto. Depois, execute pessoalmente a cena afetada ou o teste de integração. Examine se a alteração muda premissas de normalização ou intervalos aceitos, pois essas decisões podem afetar outros chamadores além do movimento originalmente relatado.
Quaterelle conecta-se a endpoints compatíveis com OpenAI ou da Anthropic que sejam suportados. Um modelo de IA abliterado pode ser selecionado se estiver disponível no serviço configurado; ferramentas, capacidade de contexto e restrições continuam dependendo do modelo e do servidor. Use o ambiente para manter as convenções e as alterações propostas juntas enquanto avalia o resultado.
Informe a ordem dos componentes, a convenção de multiplicação e a interpretação usadas pelo módulo consumidor. Inclua qualquer conversão nesse limite. Arrays visualmente semelhantes podem representar convenções diferentes; portanto, o assistente não deve deduzi-las apenas dos nomes das variáveis.
Exemplos com a identidade podem passar mesmo quando a ordem de composição está errada. Use um par não comutativo conhecido e especifique qual transformação atua primeiro. Verifique tanto o resultado aritmético quanto o efeito esperado pelo fluxo de transformação da aplicação.
Isso depende do contrato e do significado das entradas. Peça ao modelo que examine onde a normalização ocorre atualmente antes de adicioná-la. Uma etapa automática de normalização pode alterar comportamentos dos quais os chamadores dependem intencionalmente.
Ele verifica parte do cálculo, mas a cena pode aplicar conversões ou transformações adicionais. Execute também o caminho de integração relevante. Mantenha o caso numérico para explicar a correção e a verificação da cena para confirmar seu uso real.
Quaterelle · Atualizado 2026-10-25