Zurück zu Fähigkeiten

derive-theoretical-result

pjt222
Aktualisiert Yesterday
2 Ansichten
17
2
17
Auf GitHub ansehen
Andereai

Über

Diese Fähigkeit führt schrittweise Ableitungen theoretischer Ergebnisse aus ersten Prinzipien oder etablierten Theoremen durch, begründet jeden Schritt explizit und prüft Sonderfälle. Sie ist konzipiert für das Ableiten von Formeln, das Beweisen von Aussagen, das erneute Herleiten von Lehrbuchresultaten oder das Erstellen eigenständiger Beweise für Fachpublikationen. Entwickler sollten sie nutzen, wenn sie strenge, logisch überprüfte mathematische oder theoretische Ableitungen benötigen.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/derive-theoretical-result

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

推理論結果

由公設、第一原理或既立之定理逐步嚴推理論結果。諸代數與邏輯步皆明釋,極限情況皆驗,終附符表。

用時

  • 由第一原理推公式、關係或定理(如由作用原理推歐拉-拉格朗日方程)
  • 由公設以邏輯演繹證數學陳述
  • 重推教科書之結果以驗或適之於變境
  • 擴既知之結於更普之設(如由平時空至曲時空)
  • 為論文、學位、技術報告作自含之推導

  • 必要:欲推之結(方程、不等、定理陳述或關係)
  • 必要:始點(公設、公理、前立結果或拉格朗日/哈密頓)
  • 可選:偏好之證法(直、反證、歸納、變分、構造)
  • 可選:符慣例(若合特定教科書或同者)
  • 可選:已知中間結果,可引而不必重推

第一步:陳始假設與目標結果

於算前明書推導之契:

  1. 公設與公理:列諸所依之假。於物理含對稱群、作用原理或量子力學之公設。於數學含公設系與前證引理。
  2. 目標結果:以精確數學符陳欲推之結。若為方程,書兩邊。若為不等,陳向與等之條件。
  3. 範圍與限:陳有效域(如「有效於非相對論、無自旋粒子於三維」)。識所不覆者。
  4. 符宣:定諸所現符。防歧義,使推導自含。
## Derivation Contract
- **Starting from**: [axioms, postulates, or established results]
- **Target**: [precise mathematical statement]
- **Domain of validity**: [restrictions and assumptions]
- **Notation**:
  - [symbol]: [meaning and units]
  - ...

得: 全、無歧之陳,明由何推至何,諸符先定。

敗則: 若目標結果歧,或始假不全,先明之而後行。隱假之推導不可信。

第二步:識所需數學工具

察所需工具並驗其可用:

  1. 代數技:識所需操(張量代數、交換子代數、矩陣運算、級數展)。驗結構合先決(如級數之斂條件、矩陣操之可逆)。
  2. 微積與分析:識推導需常微或偏微、積分(於何域)、泛函導、輪廓積、分佈論。驗正則條件(可微、可積、解析)。
  3. 對稱與群論:識所需表示論之工具(不可約表、克萊布什-高登係、特標正交、維格納-埃卡特定理)。
  4. 拓撲與幾何(若適):識幾何結構(流形、纖維叢、聯絡)與拓撲約(邊界項、卷繞數、指標定理)。
  5. 既知恒等與引理:集將援之特定恒等(如雅可比、比安基、分部積、斯托克斯)。各明陳使推導可按名引之。
## Mathematical Toolkit
- **Algebra**: [techniques and prerequisites]
- **Analysis**: [calculus tools and regularity conditions]
- **Symmetry**: [group theory tools]
- **Identities to invoke**: [list with precise statements]

得: 工具之單,附該問題之可用條件皆驗。

敗則: 若所需工具之先決未驗(如級數未知勻斂而逐項微),標之為缺。或證先決,或陳之為增假。

第三步:行推導,逐步釋

行推導,諸步皆標而釋:

  1. 每步一操:每編號步行僅一代數或邏輯操。勿合多操為一。
  2. 釋標:各步附釋。常標:
    • [by assumption] —— 援已陳公設或假
    • [by definition] —— 用前宣定義
    • [by {identity name}] —— 施名恒等(如「by Jacobi identity」)
    • [by Step N] —— 引本推導之前步
    • [by {theorem name}] —— 援外部定理(已於第二步陳)
  3. 中檢點:每 5-10 步停而驗:
    • 兩邊單位/維一致
    • 已知對稱守
    • 表有正變換性
  4. 分歧:若推導分歧(如退化對非退化本徵值之案析),視各支為標子推,合之。
## Derivation
**Step 1.** [Starting expression]
*Justification*: [by assumption / definition]

**Step 2.** [Result of operation on Step 1]
*Justification*: [specific reason]

...

**Checkpoint (after Step N).** Verify:
- Dimensions: [check]
- Symmetry: [check]

...

**Step M.** [Final expression = Target result]
*Justification*: [final operation]  QED

得: 由始至目標之線步,邏輯無缺。各步皆獨可驗。

敗則: 若一步不由前出,推導有缺。或插缺之中間步,或識所需增假。勿以「可證之」略步,除非所略為第二步已列之熟恒等。

第四步:察極限情況與特值

以已知之物理或數學驗所推之結:

  1. 極限情況:識至少三極限情況,於此結宜歸熟知者:

    • 更簡之前推公式(如相對論結之非相對論極限)
    • 平凡情況(如耦合常設零)
    • 極參數境(如高溫或低溫極限)
  2. 特值:代已知之特定參數值(如氫原子 n=1、三維結果 d=3)。

  3. 對稱察:驗結於對稱群正變換。若宜為標量,察之不變。若宜為矢量,察其變換律。

  4. 與關結一致:察所推與同理論中他知結一致(如 Ward 恒等、和律、互易關係)。

## Limiting Case Verification
| Case | Condition | Expected Result | Derived Result | Match |
|------|-----------|----------------|----------------|-------|
| [name] | [parameter limit] | [known result] | [substitution] | [Yes/No] |
| ... | ... | ... | ... | ... |

得: 諸極限與特值皆生期結。推導內部一致。

敗則: 敗之極限示推導有誤。查敗由何步首生不過極限之表而溯。常因:錯號、缺 2 或 pi 之因、錯組合係、極限序有關之步。

第五步:呈全推導附符表

集終磨之推導:

  1. 敘結構:書短引段陳物理或數學動機、法、主結。
  2. 推體:第三步之步為可讀而整。相關步合為有說之塊(如「展作用至二階」、「施穩相條件」)。
  3. 結果框:於突塊明陳終結,與推導別。
  4. 符表:集推導中諸符,附義、單位(若物理)、首現。
  5. 假總:諸假集一處,辨基公設與技術假(如平滑、斂)。
## Final Result

> **Theorem/Result**: [precise statement with equation number]

## Notation Glossary
| Symbol | Meaning | Units | First appears |
|--------|---------|-------|---------------|
| [sym] | [meaning] | [units or dimensionless] | [Step N] |
| ... | ... | ... | ... |

## Assumptions
1. [Fundamental postulate 1]
2. [Technical assumption 1]
3. ...

得: 自含之文,讀者由始至終可循而不需外引,除明援之恒等與定理。

敗則: 若推導過長單文(超 ~50 步),分為引理。各引理獨推,引引理而集主結。

  • 諸始假於首算前明陳
  • 各推步有標釋(無無據之躍)
  • 各中檢點單位維一致
  • 至少三極限皆察,生期結
  • 特值合獨知之答
  • 結於陳對稱群正變
  • 符表定諸所用符
  • 推導全:無以「可證之」緩步
  • 有效域與終結明陳

  • 隱假:假函數解析、級數斂、積分存而不陳。諸正則條件皆為假,宜宣。
  • 號錯:最常之機械誤。於代換時每步察號。以維析為旁驗(號錯常生維不一致之表)。
  • 落邊項:分部積或施斯托克斯時,邊項唯合特條乃消。陳其所以消(如「場於無窮衰速於 1/r」)。
  • 極限序:錯序取極限或生異結(如先熱力極限後零溫極限)。明陳序而釋。
  • 循環推理:以欲推之結為中步。此於熟公式「看似明」尤隱。每步皆由所陳始點出,非由熟答。
  • 符撞:同符用於異量(如 'E' 為能與電場)。符表可防之,唯先書於推前乃然。

Related Skills

  • formulate-quantum-problem -- 由量子力學框架推結前先構之
  • survey-theoretical-literature -- 尋同或關結之前推以為比

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/wenyan/skills/derive-theoretical-result
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

llamaguard

Andere

LlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.

Skill ansehen

cost-optimization

Andere

Diese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.

Skill ansehen

quantizing-models-bitsandbytes

Andere

Diese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.

Skill ansehen

dispatching-parallel-agents

Andere

Diese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.

Skill ansehen