返回技能列表

analyze-prime-numbers

pjt222
更新于 2 days ago
7 次查看
17
2
17
在 GitHub 上查看
测试testing

关于

This skill provides prime number analysis tools including primality testing (trial division, Miller-Rabin), factorization (Pollard-Rho), and distribution analysis using the Sieve of Eratosthenes and prime number theorem. Use it to determine if a number is prime, factor composite integers, or study prime distribution patterns. It's ideal for number theory applications and cryptographic analysis.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/analyze-prime-numbers

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档


name: analyze-prime-numbers description: > Primzahlen analysieren durch Primzahltests (Probedivision, Miller-Rabin), Faktorisierung (Probedivision, Pollard-Rho), Sieb des Eratosthenes und Anwendung des Primzahlsatzes. Verwenden zur Bestimmung der Primalität, Faktorzerlegung zusammengesetzter Zahlen und Analyse der Primzahlverteilung. license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: number-theory complexity: intermediate language: multi tags: number-theory, prime-numbers, factorization, primality-testing, sieve locale: de source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16

Primzahlen analysieren

Primzahltests und Faktorisierungsalgorithmen anwenden, um die Primalität von Zahlen zu bestimmen, zusammengesetzte Zahlen in Primfaktoren zu zerlegen und die Verteilung von Primzahlen zu untersuchen.

Wann verwenden

  • Bestimmung, ob eine gegebene Zahl prim ist
  • Zerlegung einer zusammengesetzten Zahl in ihre Primfaktoren
  • Erzeugung aller Primzahlen bis zu einer gegebenen Grenze
  • Abschätzung der Primzahlanzahl in einem Intervall
  • Vorbereitung zahlentheoretischer Eingaben für Kryptographie oder modulare Arithmetik

Eingaben

  • Erforderlich: Zu analysierende Zahl(en) oder Zahlenbereich
  • Erforderlich: Aufgabentyp (Primzahltest, Faktorisierung, Sieb oder Verteilungsanalyse)
  • Optional: Gewünschte Zuverlässigkeit für probabilistische Tests (Anzahl der Runden)
  • Optional: Zeitlimit für Faktorisierungsversuche

Vorgehensweise

Schritt 1: Methode basierend auf Zahlenbereich wählen

Die passende Methode für die Größenordnung der Eingabe auswählen:

  1. Kleine Zahlen (< 10^6): Probedivision bis sqrt(n) ist effizient. Sieb des Eratosthenes für die Erzeugung aller Primzahlen.
  2. Mittlere Zahlen (10^6 bis 10^18): Deterministische Miller-Rabin-Tests mit spezifischen Basen, die für den Bereich beweiskräftig sind.
  3. Große Zahlen (> 10^18): Probabilistische Miller-Rabin-Tests mit mehreren zufälligen Basen. Faktorisierung mit Pollard-Rho oder ECM (Elliptische-Kurven-Methode).

Erwartet: Eine begründete Methodenwahl mit dokumentierter Zuverlässigkeit.

Bei Fehler: Falls die Methode zu langsam ist, zu einer effizienteren Methode wechseln. Falls die probabilistische Methode ein unsicheres Ergebnis liefert, die Anzahl der Runden erhöhen.

Schritt 2: Primzahltest oder Faktorisierung durchführen

Den gewählten Algorithmus ausführen:

  1. Probedivision: Durch alle Primzahlen p <= sqrt(n) teilen. Falls keine teilt, ist n prim.
  2. Sieb des Eratosthenes: Alle Vielfachen von Primzahlen ab 2 streichen. Die verbleibenden Zahlen sind prim.
  3. Miller-Rabin-Test: n-1 = 2^s * d schreiben, dann für Basis a prüfen, ob a^d = 1 (mod n) oder a^(2^r * d) = -1 (mod n) für ein r < s.
  4. Pollard-Rho: Iterative Sequenz x_{i+1} = x_i^2 + c (mod n) berechnen und ggT(|x_i - x_j|, n) prüfen.

Erwartet: Definitiver Primzahltest oder vollständige Faktorzerlegung mit dokumentiertem Algorithmus.

Bei Fehler: Falls Pollard-Rho keinen Faktor findet, den Parameter c ändern und erneut starten. Falls alle Methoden scheitern, fortgeschrittene Methoden (ECM, Quadratisches Sieb, GNFS) in Betracht ziehen.

Schritt 3: Ergebnis verifizieren und dokumentieren

Das Ergebnis bestätigen und in Kontext setzen:

  1. Faktorisierung prüfen: Das Produkt aller gefundenen Primfaktoren muss die Originalzahl ergeben.
  2. Primalität der Faktoren prüfen: Jeden gefundenen Faktor separat auf Primalität testen.
  3. Primzahlsatz anwenden: Die Ergebnisse mit dem Primzahlsatz pi(x) ~ x/ln(x) vergleichen, um die Plausibilität zu prüfen.
  4. Besondere Eigenschaften notieren: Zwillingsprimzahlen, Sophie-Germain-Primzahlen, Mersenne-Primzahlen usw.

Erwartet: Verifiziertes Ergebnis mit vollständiger Dokumentation.

Bei Fehler: Falls die Verifikation fehlschlägt, den Algorithmus Schritt für Schritt nachverfolgen, um den Fehler zu lokalisieren.

Validierung

  • Methode passend zur Größenordnung gewählt
  • Algorithmus korrekt implementiert und ausgeführt
  • Ergebnis durch Rückmultiplikation verifiziert (bei Faktorisierung)
  • Alle Faktoren auf Primalität geprüft
  • Probabilistische Tests mit ausreichend Runden durchgeführt

Häufige Fehler

  • 1 als Primzahl betrachten: 1 ist per Definition keine Primzahl. Die Primfaktorzerlegung beginnt bei 2.
  • Probedivision über sqrt(n) hinaus: Es genügt, bis sqrt(n) zu prüfen. Falls keine Primzahl bis sqrt(n) die Zahl teilt, ist sie prim.
  • Miller-Rabin als deterministisch behandeln: Der allgemeine Miller-Rabin-Test ist probabilistisch. Für deterministische Ergebnisse spezifische Basen verwenden, die für den Zahlenbereich beweiskräftig sind.
  • Pollard-Rho bei Primzahlen anwenden: Der Algorithmus findet nur nichttriviale Faktoren. Bei Primzahlen läuft er endlos ohne Ergebnis. Zuerst einen Primzahltest durchführen.

Verwandte Skills

  • solve-modular-arithmetic -- modulare Arithmetik, die auf Primzahleigenschaften aufbaut
  • explore-diophantine-equations -- diophantische Gleichungen mit Primzahlbezug
  • derive-theoretical-result -- zahlentheoretische Ergebnisse formal herleiten

GitHub 仓库

pjt222/agent-almanac
路径: i18n/de/skills/analyze-prime-numbers
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

相关推荐技能

evaluating-llms-harness

测试

该Skill通过60+个学术基准测试(如MMLU、GSM8K等)评估大语言模型质量,适用于模型对比、学术研究及训练进度追踪。它支持HuggingFace、vLLM和API接口,被EleutherAI等行业领先机构广泛采用。开发者可通过简单命令行快速对模型进行多任务批量评估。

查看技能

cloudflare-cron-triggers

测试

这个Claude Skill提供了关于Cloudflare Cron Triggers的完整知识库,用于通过cron表达式定时执行Workers。它支持配置周期性任务、维护作业和自动化工作流,并能处理常见的cron触发错误。开发者可以用它来设置定时任务、测试cron处理器,并集成Workflows和Green Compute功能。

查看技能

webapp-testing

测试

该Skill为开发者提供了基于Playwright的本地Web应用测试工具集,支持自动化测试前端功能、调试UI行为、捕获屏幕截图和查看浏览器日志。它包含管理服务器生命周期的辅助脚本,可直接作为黑盒工具运行而无需阅读源码。适用于需要快速验证本地Web应用界面和交互功能的开发场景。

查看技能

finishing-a-development-branch

测试

这个Skill用于开发分支完成后的集成决策,当代码实现完成且测试通过时,它会引导开发者选择合适的工作流。它首先验证测试状态,然后提供合并、创建PR或清理等结构化选项。核心价值在于确保代码质量的同时,标准化分支收尾流程。

查看技能