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 기본 원리나 확립된 정리로부터 이론적 결과를 단계별로 유도하며, 각 단계를 명시적으로 정당화하고 특수한 경우를 검증합니다. 공식 도출, 명제 증명, 교과서 결과 재유도, 논문을 위한 자체 포함 증명 작성에 적합하도록 설계되었습니다. 개발자는 엄격하고 논리적으로 검증된 수학적 또는 이론적 유도가 필요할 때 이 스킬을 사용해야 합니다.

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

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 저장소

pjt222/agent-almanac
경로: i18n/wenyan/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