MCP HubMCP Hub
스킬 목록으로 돌아가기

derive-theoretical-result

pjt222
업데이트됨 2 days ago
8 조회
17
2
17
GitHub에서 보기
기타ai

정보

이 스킬은 클로드가 첫 원리나 확립된 정리로부터 단계별 이론적 도출을 수행하며, 각 논리적 단계를 명시적으로 정당화할 수 있게 합니다. 수학적 명제를 증명하고, 교과서 결과를 재도출하거나, 논문용 자체 포함 증명을 생성하는 데 적합합니다. 주요 특징으로는 모든 단계의 엄밀한 정당화와 특수 사례의 체계적 검증이 포함됩니다.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/derive-theoretical-result

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

Derive Theoretical Result

自既定公理、第一原理或已立之定理起,產生嚴謹、逐步之理論結果推導。每一代數或邏輯步皆明載其理,極限情況皆驗,終果以完整之符號詞彙呈。

適用時機

  • 自第一原理推導公式、關係或定理(例如自作用原理推導歐拉-拉格朗日方程)
  • 自公理以邏輯演繹證明數學命題
  • 重推教科書結果以驗之或適應其於修改之情境
  • 將既知結果推廣至更一般之設定(例如自平直時空推廣至彎曲時空)
  • 為論文、學位論文或技術報告產生自足之推導

輸入

  • 必需:待推之目標結果(方程、不等式、定理命題或關係)
  • 必需:起點(公理、假設、先前立之結果或 Lagrangian/Hamiltonian)
  • 可選:偏好之證明技巧(直接、反證、歸納、變分、構造)
  • 可選:待遵之符號慣例(若需合特定教科書或合作者之慣例)
  • 可選:可引用而不再推導之已知中間結果

步驟

步驟一:載明起始假設與目標結果

於任何計算前顯式書寫推導之契約:

  1. 公理與假設:列推導所賴之每一假設。物理中此含對稱群、作用原理或量子力學之假設。數學中此含公理系統與任何前已證之引理。
  2. 目標結果:以精確數學符號載待推之結果。若為方程,寫兩邊。若為不等式,載方向與相等條件。
  3. 範圍與限制:載有效域(如「適於三維中非相對論、無自旋粒子」)。識推導不涵之內容。
  4. 符號宣告:定將現之每一符號。此避歧義並使推導自足。
## Derivation Contract
- **Starting from**: [axioms, postulates, or established results]
- **Target**: [precise mathematical statement]
- **Domain of validity**: [restrictions and assumptions]
- **Notation**:
  - [symbol]: [meaning and units]
  - ...

預期: 對「由何推何」之完整、無歧義之陳述,所有符號前先定義。

失敗時: 若目標結果有歧義或起始假設不全,繼續前先明之。藏有假設之推導不可靠。

步驟二:識所需之數學機制

審所需之工具並驗其適用性:

  1. 代數技巧:識所需之操作(張量代數、對易子代數、矩陣運算、級數展開)。驗所涉結構滿足先決條件(如級數收斂條件、矩陣運算之可逆性)。
  2. 微積分與分析:識推導是否需常或偏微分、積分(及於何域)、泛函導數、圍道積分或分布理論。驗正則性條件(可微性、可積性、解析性)。
  3. 對稱與群論:識所需之表示理論工具(不可約表示、Clebsch-Gordan 係數、特徵標正交性、Wigner-Eckart 定理)。
  4. 拓撲與幾何(若適用):識幾何結構(流形、纖維叢、聯絡)與拓撲約束(邊界項、繞數、指標定理)。
  5. 已知恆等式與引理:集待引用之具體恆等式(如 Jacobi 恆等式、Bianchi 恆等式、分部積分、Stokes 定理)。顯式載每一,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]

預期: 數學工具之檢核表,其適用性條件於當前問題已驗。

失敗時: 若所需之工具有未驗之先決條件(如一致收斂未知之級數逐項微分),標之為缺口。或證該先決條件,或載之為額外假設。

步驟三:執行推導並逐步載理

執行推導,每步標記並載理:

  1. 每步一操作:每編號之步僅行一代數或邏輯操作。勿併多操作入一步。
  2. 理據標籤:標每步以其理據。常見標籤:
    • [by assumption] —— 引已載之公理或假設
    • [by definition] —— 用先前宣告之定義
    • [by {identity name}] —— 應用具名恆等式(如「by Jacobi identity」)
    • [by Step N] —— 引此推導中之前一步
    • [by {theorem name}] —— 引外部定理(於步驟二載之)
  3. 中間檢核點:每 5-10 步後停而驗:
    • 兩邊之單位/維度一致
    • 已知對稱性得保
    • 該表式有正確之變換性質
  4. 分支點:若推導分支(如對簡併與非簡併特徵值之分情況分析),將每分支視為標記之子推導並合其結果。
## 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

預期: 自起點至目標結果之線性步序,邏輯無缺。每步皆可獨立驗。

失敗時: 若某步不繼前一,推導有缺口。或插缺失之中間步,或識所需之額外假設。勿以「可證之」跳步,除非所省之結果為步驟二所列之眾所周知恆等式。

步驟四:檢極限情況與特殊值

對所推之果驗之於已知物理或數學:

  1. 極限情況:至少識三極限情況,其中結果應化約為已知者:

    • 更簡、先前推之公式(如相對論結果之非相對論極限)
    • 平凡情況(如設耦合常數為零)
    • 極端參數區域(如高溫或低溫極限)
  2. 特殊值:代入答案可獨立得知之參數之特定值(如氫原子之 n=1、三維結果之 d=3)。

  3. 對稱性檢:驗結果於對稱群下正確變換。若結果應為標量,查其不變。若應為向量,查其變換律。

  4. 與相關結果之一致性:查所推結果與同理論中他已知結果之一致(如 Ward 恆等式、求和規則、互易關係)。

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

預期: 所有極限情況與特殊值生預期結果。推導內部一致。

失敗時: 極限情況之敗示推導有誤。逐步追溯,查何步先生失該極限之表式。常因:符號錯、缺 2 或 π 之因子、組合係數錯、或極限順序要緊之步。

步驟五:以符號詞彙呈完整推導

組裝終之、精修之推導:

  1. 敘事結構:寫簡介之段,載物理或數學動機、方法與主要結果。
  2. 推導主體:呈步驟三之步,為可讀性潔之。將相關步組為邏輯塊,具描述之標題(如「將作用展開至二階」、「應用穩相條件」)。
  3. 結果框:於醒目塊中載終果,與推導明離。
  4. 符號詞彙:編推導中用之每一符號,具其意、單位(若為物理)、首現位置。
  5. 假設總覽:於一處列所有假設,區基本假設與技術假設(如光滑性、收斂性)。
## 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. ...

預期: 自足之文件,讀者自始至終可循之而不須參外,除顯式引之恆等式與定理。

失敗時: 若推導長於單一文件(逾 ~50 步),分為引理。分別推導每引理,後以引引理組主結果。

驗證

  • 所有起始假設於第一計算步前顯式載之
  • 每一推導步皆有標記之理據(無無理之跳躍)
  • 單位與維度於每一中間檢核點皆一致
  • 至少三極限情況得檢且生預期結果
  • 特殊值合獨立已知之答案
  • 結果於所述對稱群下正確變換
  • 符號詞彙定推導中用之每一符號
  • 推導完整:無以「可證之」延之步驟
  • 有效域於終果處顯式載之

常見陷阱

  • 隱藏假設:設函數解析、級數收斂、積分存而不載之。每一正則性條件皆為假設,須宣之。
  • 符號錯:最常見之機械錯。於每步以代入驗符號。以維度分析交叉檢(符號錯常生維度不一之表式)。
  • 漏邊界項:分部積分或應用 Stokes 定理時,邊界項僅於特定條件下消。載其消之理(如「因場於無窮遠衰於 1/r 之上」)。
  • 極限順序:以錯誤順序取極限可生不同結果(如於零溫極限前取熱力學極限)。顯式載順序並理之。
  • 循環推理:以待推之結果為中間步。此於結果為「顯而易見」之眾所周知公式時尤微妙。每步皆須繼所載之起點,而非繼對答案之熟悉。
  • 符號衝突:同符表不同量(如 'E' 表能量與電場)。符號詞彙防之,然僅於推導前而非後書寫時。

相關技能

  • formulate-quantum-problem —— 自其推導結果前形構量子力學框架
  • survey-theoretical-literature —— 尋同或相關結果之前推導以資比較

GitHub 저장소

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

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기