MCP HubMCP Hub
Volver a habilidades

prove-geometric-theorem

pjt222
Actualizado 2 days ago
8 vistas
17
2
17
Ver en GitHub
Otrogeneral

Acerca de

Esta habilidad demuestra sistemáticamente teoremas geométricos utilizando métodos sintéticos, de coordenadas o vectoriales. Ayuda a los desarrolladores seleccionando estrategias óptimas de demostración, construyendo líneas auxiliares y estableciendo cadenas lógicas para teoremas que involucran triángulos, círculos y relaciones como congruencia o concurrencia. Úsala cuando necesites generar o verificar una demostración geométrica completa de manera programática.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add pjt222/agent-almanac -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativo
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/prove-geometric-theorem

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación


name: prove-geometric-theorem description: > 系统证明几何定理:使用直接证明(综合法)、坐标法和向量法。 涵盖证明策略选择、辅助线添加、逻辑链构建和证明的完整性验证。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: geometry complexity: intermediate language: natural tags: geometry, proof, theorem, coordinate-geometry, vector-geometry locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16

证明几何定理

使用综合法、坐标法或向量法系统证明几何定理,涵盖策略选择、辅助构造、逻辑推理和证明验证。

适用场景

  • 证明三角形、四边形或圆的几何性质
  • 证明共线性、共点性或共圆性
  • 证明长度相等、角度相等或比例关系
  • 选择最有效的证明方法(综合法 vs 坐标法 vs 向量法)
  • 构建严格的数学论证

输入

  • 必需:定理陈述(已知条件和待证结论)
  • 可选:首选证明方法(综合法、坐标法、向量法)
  • 可选:已知可用的引理或定理
  • 可选:图形(帮助可视化)

步骤

第 1 步:分析定理并选择证明策略

理解定理结构并选择最佳方法:

  1. 分离已知和待证:明确列出所有给定条件(假设)和需要证明的结论。
  2. 识别几何对象:点、线、圆、角和面积。
  3. 策略选择
    • 综合法(直接推理):适用于涉及角度、平行线、相似三角形和圆的定理。利用已知定理和公理逐步推理。
    • 坐标法:适用于涉及距离、中点和特定数值关系的定理。设置坐标系将几何转化为代数。
    • 向量法:适用于涉及平行、共线、比例和内积的定理。用向量表示点和关系。
    • 反证法:当直接证明困难时,假设结论不成立并推导矛盾。
  4. 检查经典定理的适用性
    • 相似/全等三角形判定(SSS、SAS、ASA、AAS、HL)
    • 塞瓦定理和梅涅劳斯定理(共点/共线)
    • 托勒密定理(圆内接四边形)
    • 幂中心定理

预期结果: 明确的证明策略,包括选择理由和初步的推理路径。

失败处理: 如果一种方法陷入困境,切换到另一种方法。坐标法虽然计算量大但几乎总是可行的,适合作为后备方案。

第 2 步:建立证明框架

搭建从已知到结论的逻辑骨架:

  1. 综合法框架
    • 从已知条件出发,列出可以直接推出的中间结论
    • 从待证结论反向思考,确定需要什么中间结果
    • 寻找前向和反向推理的连接点
    • 辅助线:考虑添加辅助线以创建有用的三角形或平行关系
  2. 坐标法框架
    • 选择坐标原点(通常选择一个特殊点,如三角形顶点或线段中点)
    • 选择坐标轴方向(沿一条边或对称轴)
    • 用坐标表示所有点
    • 将几何条件翻译为代数方程
  3. 向量法框架
    • 选择基向量(通常取两个不共线的向量作为基底)
    • 用基向量的线性组合表示所有点
    • 将几何关系翻译为向量等式

预期结果: 证明的整体结构已建立,从已知到结论的路径已规划。

失败处理: 如果框架中出现缺口(无法从中间结果推进),尝试添加辅助构造或使用额外的已知定理来弥补。

第 3 步:执行证明

逐步完成推理:

  1. 每一步必须包含:
    • 声明(断言什么是真的)
    • 理由(为什么这是真的——引用公理、定理或之前的步骤)
  2. 综合法执行
    • 使用三角形全等/相似判定
    • 使用平行线性质(同位角、内错角)
    • 使用圆的性质(圆心角、圆周角、切线长)
  3. 坐标法执行
    • 计算距离、斜率、中点
    • 验证共线性(斜率相等或行列式为零)
    • 验证垂直性(斜率之积为 -1 或内积为零)
  4. 向量法执行
    • 共线条件:b - a = t(c - a) 对某个标量 t
    • 垂直条件:(b - a) · (c - a) = 0
    • 面积:|cross(b - a, c - a)| / 2

预期结果: 从已知条件到结论的完整逻辑链,每一步都有充分的理由。

失败处理: 如果某一步无法严格证明,标记该步骤并考虑它是否真的成立。可能需要额外的引理或不同的推理路径。

第 4 步:验证和完善证明

确保证明的正确性和完整性:

  1. 逻辑完整性:检查每一步是否从前面的步骤合理推出,无跳跃。
  2. 特殊情况:验证证明对退化情况是否仍然有效(例如等腰三角形、直角三角形、点重合)。
  3. 双向检查:如果使用了"充分必要条件",确保两个方向都已证明。
  4. 数值验证(可选):用具体数值代入验证结论成立。这不构成证明,但可以发现错误。
  5. 精简:删除冗余步骤,使证明尽可能简洁清晰。

预期结果: 完整、正确、简洁的证明,经过完整性和特殊情况检查。

失败处理: 如果发现逻辑缺口,回到第 2 步或第 3 步补充。如果数值验证发现结论不成立,重新审视定理陈述——可能遗漏了条件。

验证清单

  • 已知条件和待证结论已明确分离
  • 证明方法的选择有合理理由
  • 每一推理步骤都有明确的依据(公理、定理或前一步)
  • 逻辑链从已知到结论完整无断裂
  • 特殊/退化情况已考虑
  • 辅助构造有充分动机
  • 证明简洁无冗余

常见问题

  • 循环论证:在证明中使用待证结论作为推理依据。这在复杂证明中尤其容易发生——始终追踪每个断言的来源。
  • 遗漏特殊情况:证明在一般情况下成立但对某些退化配置(如三点共线)失效。
  • 坐标法中的坐标选择不当:不好的坐标设置会导致代数表达式极其复杂。利用对称性和特殊点简化坐标。
  • 辅助线无动机:在证明中突然添加辅助线却不解释为何添加。好的证明应让辅助构造有自然的动机。
  • 混淆必要条件和充分条件:证明"如果 A 则 B"不等于证明"如果 B 则 A"。确保推理方向正确。

相关技能

  • construct-geometric-figure -- 构造证明中涉及的几何图形
  • solve-trigonometric-problem -- 在证明中使用三角学计算
  • derive-theoretical-result -- 通用的严格推导方法

Repositorio GitHub

pjt222/agent-almanac
Ruta: i18n/zh-CN/skills/prove-geometric-theorem
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Habilidades relacionadas

llamaguard

Otro

LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.

Ver habilidad

cost-optimization

Otro

Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.

Ver habilidad

quantizing-models-bitsandbytes

Otro

Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.

Ver habilidad

dispatching-parallel-agents

Otro

Esta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.

Ver habilidad