MCP HubMCP Hub
Volver a habilidades

derive-theoretical-result

pjt222
Actualizado 2 days ago
6 vistas
17
2
17
Ver en GitHub
Otroai

Acerca de

Esta habilidad realiza derivaciones paso a paso de resultados teóricos partiendo de primeros principios o teoremas establecidos, justificando explícitamente cada paso y verificando casos especiales. Está diseñada para derivar fórmulas, demostrar enunciados, rededucir resultados de libros de texto o crear demostraciones autocontenidas para artículos. Los desarrolladores deben usarla cuando necesiten derivaciones matemáticas o teóricas rigurosas y verificadas lógicamente.

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/derive-theoretical-result

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

Documentación

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

Repositorio GitHub

pjt222/agent-almanac
Ruta: i18n/wenyan/skills/derive-theoretical-result
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