prove-geometric-theorem
关于
This skill systematically proves geometric theorems using synthetic, coordinate, or vector methods. It helps developers by selecting optimal proof strategies, constructing auxiliary lines, and building logical chains for theorems involving triangles, circles, and relationships like congruence or concurrency. Use it when you need to generate or verify a complete geometric proof programmatically.
快速安装
Claude Code
推荐npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/prove-geometric-theorem在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
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:
- 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。
- 识别几何对象:点、线、圆、角和面积。
- 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。
- 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:
- 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
- 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
- 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:
- 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)
- 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)
- 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)
- 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:
- 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。
- 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)。
- 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。
- 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。
- 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
GitHub 仓库
相关推荐技能
llamaguard
其他LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。
cost-optimization
其他这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。
quantizing-models-bitsandbytes
其他这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。
dispatching-parallel-agents
其他该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。
