math-skill 1.0.0 → 2.0.1

package/skills/discrete-combinatorial/SKILL.md

@@ -1,286 +1,129 @@
----
-name: discrete-combinatorial
-description: |
-  触发：当需要计数、枚举、发现有限结构中的规律、或处理离散对象时调用。
-  科研模式：组合计数、图论分析、生成函数计算。
-  生活模式：系统性枚举、鸽巢推理、组织有限选项。
-  English: Trigger when you need to count, enumerate, find patterns in finite structures, or handle discrete objects.
-  Research mode: combinatorial counting, graph theory analysis, generating function computation.
-  Life mode: systematic enumeration, pigeonhole reasoning, organizing finite options.
----
-
-# 🧮 离散与组合思想
-
-> "计数是最古老的数学活动——有限对象蕴含无限规律。"
-> "Counting is the oldest mathematical activity — finite objects harbor infinite patterns."
->
-> —— 组合数学、图论、生成函数
-> —— Combinatorics, Graph Theory, Generating Functions
-
-## 核心原则 / Core Principle
-
-组合思维的核心：(1) 对有限结构进行系统计数，(2) 发现支配枚举的规律，(3) 使用代数方法（生成函数）将计数问题变换为代数问题。这三项构成了组合思想的基石——没有系统计数就没有可靠结论，没有规律发现就没有预测能力，没有代数变换就没有高效求解。
-
-Combinatorial thinking means: (1) counting finite structures systematically, (2) finding patterns that govern enumeration, (3) using algebraic methods (generating functions) to transform counting problems into algebraic ones. These three pillars form the foundation — without systematic counting there is no reliable conclusion, without pattern discovery there is no predictive power, without algebraic transformation there is no efficient solution.
-
-> **数学形式化**（科研模式参考）
->
-> **鸽巢原理 (Pigeonhole Principle)**：若 n 个物品放入 m < n 个盒子，则必有某个盒子含至少 2 个物品。推广：将 kn+1 个物品放入 n 个盒子，则某盒子至少含 k+1 个物品。看似简单，却是存在性证明的利器——不构造具体对象，仅证明其必然存在。
->
-> **容斥原理 (Inclusion-Exclusion)**：|A∪B| = |A| + |B| − |A∩B|。推广到 n 个集合：|A₁∪A₂∪...∪A_n| = Σ|A_i| − Σ|A_i∩A_j| + ... ± |A₁∩...∩A_n|。直接计数困难时，计数补集："不具有性质 P 的数量" = 全部 − "具有性质 P 的数量"。
->
-> **生成函数 (Generating Functions)**：
-> - 常生成函数 (OGF)：A(x) = Σa_n x^n。适用于无序选择、组合计数。乘法：A(x)·C(x) 的系数 = Σa_i·c_{n−i}（组合两个独立的计数）。
-> - 指数生成函数 (EGF)：B(x) = Σb_n x^n/n!。适用于有序选择、排列计数、有标号对象。乘法：B(x)·D(x) 的系数/n! = Σ(b_i/i!)·(d_{n−i}/(n−i)!)（排列两个有标号集合）。
->
-> Euler 的洞察：将 1+2+3+... 的"发散级数"重新诠释为分拆计数的生成函数。
-
-关键洞察：许多无限结构受有限组合规则支配。分拆函数 p(n) 由五角数定理这一有限公式完全刻画；Catalan 数 C_n 由递推 C_n = ΣC_i·C_{n−1−i} 这一有限规则生成。组合思想揭示：无限的复杂可以由有限的简单来掌控。
-
-Key insight: many infinite structures are governed by finite combinatorial rules. The partition function p(n) is completely characterized by the pentagonal number theorem — a finite formula; Catalan numbers C_n are generated by the recurrence C_n = ΣC_i·C_{n−1−i} — a finite rule. Combinatorial thinking reveals: infinite complexity can be governed by finite simplicity.
-
-> 详细数学依据见 `original-texts.md`
-
-## 不适用场景 / When NOT to Use
-
-1. **连续/分析性问题，无离散结构** `[科研]` ——当问题涉及连续变量的极限、微分、积分而非有限对象的计数时，组合工具不适用。例如求连续函数的最优值或证明实数的稠密性，这些是分析而非组合的领域。
-
-Continuous/analytical problems with no discrete structure — when the problem involves limits, derivatives, integrals of continuous variables rather than counting finite objects, combinatorial tools are inappropriate. Finding the optimum of a continuous function or proving density of real numbers belongs to analysis, not combinatorics.
-
-2. **精确计算可行，无需计数** `[通用]` ——当问题有闭式公式直接给出答案时，组合枚举是多余的开销。例如求 n·(n−1) 直接用代数运算，无需枚举所有排列。
-
-Exact computation is possible without counting — when a closed-form formula gives the answer directly, combinatorial enumeration is unnecessary overhead. Computing n·(n−1) directly via algebra is preferable to enumerating all permutations.
-
-3. **纯粹概率问题，无组合结构** `[科研]` ——当问题仅涉及连续分布的参数估计或贝叶斯更新，不涉及有限集合的计数时，组合方法不是核心工具。概率密度函数的积分不是组合问题。
-
-Purely probabilistic with no combinatorial structure — when the problem involves parameter estimation for continuous distributions or Bayesian updating without counting finite sets, combinatorial methods are not the central tool. Integrating a probability density function is not a combinatorial problem.
-
-4. **情绪化决策，无结构化选择** `[生活]` ——当选择基于直觉、偏好或情感而非可枚举的有限选项时，组合枚举无法提供有效指导。"我喜欢哪个"不是计数问题。
-
-Emotional decisions with no structured choices — when choices are based on intuition, preference, or emotion rather than enumerable finite options, combinatorial enumeration cannot provide effective guidance. "Which one do I like" is not a counting problem.
-
-## 何时使用 / When to Use
-
-### 科研触发条件 / Research Triggers
-
-1. **需要计数配置数量**——"有多少种排列/选择/分配方式？"是组合思想的原问题。当答案不是 1 或"无穷"，而是一个具体的有限数时，组合计数是核心方法。
-
-Need to count configurations — "How many arrangements/selections/assignments are there?" is the original question of combinatorial thinking. When the answer is not 1 or "infinite" but a specific finite number, combinatorial counting is the central method.
-
-2. **需要通过鸽巢原理证明存在性**——当需要证明"必存在某对象具有某性质"而不需要构造具体实例时，鸽巢原理是最有力的工具。例如：任意 5 个整数中必有 2 个差为 4 的倍数。
-
-Need to prove existence via pigeonhole — when proving "some object with some property must exist" without constructing a specific instance, the pigeonhole principle is the most powerful tool. For example: among any 5 integers, two must differ by a multiple of 4.
-
-3. **需要发现组合规律**——当观察到枚举数列 {a_n} 且需要发现其递推关系或封闭公式时，组合分析是核心方法。发现 C_n = (2n)!/(n!(n+1)!) 是组合洞察的典范。
-
-Need to find combinatorial patterns — when observing an enumeration sequence {a_n} and needing to discover its recurrence relation or closed-form formula, combinatorial analysis is the central method. Discovering C_n = (2n)!/(n!(n+1)!) is a paradigm of combinatorial insight.
-
-4. **需要枚举可能性**——当需要列举所有满足约束的配置时，组合枚举提供系统性方法。枚举不是随机罗列，而是按结构分类、按规则生成。
-
-Need to enumerate possibilities — when listing all configurations satisfying constraints, combinatorial enumeration provides systematic methods. Enumeration is not random listing, but classification by structure and generation by rules.
-
-5. **需要图/网络分析**——当问题涉及连接、路径、匹配、着色、覆盖等关系结构时，图论是组合思想的核心分支。社交网络、交通规划、任务调度都可化为图问题。
-
-Need graph/network analysis — when the problem involves relational structures such as connections, paths, matching, coloring, covering, graph theory is the core branch of combinatorial thinking. Social networks, traffic planning, task scheduling all reduce to graph problems.
-
-6. **需要求解递推关系**——当问题的答案由递推定义（如 C_n = ΣC_i·C_{n−1−i}）且需要封闭公式或渐近行为时，生成函数是标准工具。递推 → 生成函数 → 代数求解 → 提取系数。
-
-Need to solve recurrence relations — when the answer is defined by a recurrence (e.g., C_n = ΣC_i·C_{n−1−i}) and a closed formula or asymptotic behavior is needed, generating functions are the standard tool. Recurrence → generating function → algebraic solution → extract coefficients.
-
-### 生活触发条件 / Life Triggers
-
-1. **需要在有限选项中做选择**——面对有限的选项（餐厅、路线、日程安排），系统性枚举比随机尝试更有效。
-
-Need to choose among finite options — when facing limited options (restaurants, routes, schedules), systematic enumeration is more effective than random attempts.
-
-2. **直觉感到"选项比需求多，必然有重复"**——鸽巢原理的生活版：如果 5 个人抢 3 个车位，必然有人抢不到或有人共享。
-
-Intuition that "more demands than slots means collision" — pigeonhole principle in life: if 5 people compete for 3 parking spots, someone must miss out or share.
-
-3. **需要组织或安排有限资源**——将任务分配给时间段、将物品归入类别——这些都是排列和分配问题的日常版。
-
-Need to organize or arrange finite resources — assigning tasks to time slots, categorizing items — these are everyday versions of arrangement and allocation problems.
-
-4. **需要发现日常规律**——"每周总是有两天最忙"——这是有限结构中的规律发现，组合思维帮助确认规律而非错觉。
-
-Need to discover everyday patterns — "there are always two busiest days each week" — this is pattern discovery in finite structures; combinatorial thinking helps confirm patterns rather than illusions.
-
-5. **需要分析人际关系或依赖结构**——谁和谁是朋友、谁依赖谁——这是图结构的生活版：社交网络就是图。
-
-Need to analyze interpersonal relations or dependency structures — who is friends with whom, who depends on whom — this is graph structure in life: social networks are graphs.
-
-## 方法流程 / Method
-
-### 第一步：识别离散结构与计数问题 / Identify Discrete Structure and Counting Problem
-
-**科研模式**：明确：
-- **要计数的对象**是什么？（排列、组合、分拆、安排）
-- **计数的目标**是什么？（总数、带约束的子集、概率）
-- **约束条件**是什么？（互不相交、有序/无序、有标号/无标号）
-
-分类计数类型：
-- **排列 (Permutations)**：有序选择，n 个物品选 k 个排列 = P(n,k) = n!/(n−k)!
-- **组合 (Combinations)**：无序选择，n 个物品选 k 个组合 = C(n,k) = n!/(k!(n−k)!)
-- **分拆 (Partitions)**：将 n 分为若干组（整数分拆 p(n)，集合分拆 B(n)）
-- **安排 (Arrangements)**：将物品放入位置（盒子、格子、座位）
-
-**生活模式**：你面对的是什么类型的有限选择/排列/分配问题？——搞清楚问题类型是第一步。是"选几个"的问题，还是"排顺序"的问题，还是"分到不同组"的问题？
-
-**共通要点**：识别问题的结构是所有后续步骤的基础——不同类型需要不同方法。
-
----
-
-### 第二步：应用基本计数原理 / Apply Basic Counting Principles
-
-**科研模式**：
-- **乘法原理 (Multiplication Principle)**：k 个独立选择 → k₁ × k₂ × ... × k_n 种结果。每步独立，总数相乘。
-- **加法原理 (Addition Principle)**：互斥选项 → 总数相加。|A∪B| = |A| + |B|（当 A∩B = ∅）。
-- **鸽巢原理 (Pigeonhole Principle)**：n > m 时碰撞不可避免。将 n 个物品放入 m 个盒子（n > m），则某盒子至少含 ⌈n/m⌉ 个物品。推广：将 kn+1 个物品放入 n 个盒子，则某盒子至少含 k+1 个物品。
-
-应用要点：先判断选择是否独立（乘法）还是互斥（加法），再判断是否需要存在性结论（鸽巢）。
-
-**生活模式**：粗略估计有多少种可能——"很多"还是"只有几种"？如果选项比需要分配的数量多，必然有选项被重复选择（鸽巢原理的生活版）。
-
-**共通要点**：无论正式计算还是粗略估计，判断数量规模是决策的关键输入。
-
----
-
-### 第三步：使用容斥原理 / Apply Inclusion-Exclusion
-
-**科研模式**：
-
-|A₁∪A₂∪...∪A_n| = Σ|A_i| − Σ|A_i∩A_j| + Σ|A_i∩A_j∩A_k| − ... ± |A₁∩...∩A_n|
-
-容斥原理处理交集重叠的计数——直接相加会重复计算交集，容斥逐层修正。
-
-**补集计数 (Complement counting)**：当直接计数困难时，计数补集。"不具有性质 P 的数量" = 全部 − "具有性质 P 的数量"。经典实例：错排数 D(n) = n! − C(n,1)(n−1)! + C(n,2)(n−2)! − ... ± C(n,n)·0!，即"所有元素都不在原位" = 全排列 − "至少一个在原位"。
-
-**符号规则**：奇数个集合的交集取正号，偶数个集合的交集取负号。第 k 层贡献 = (−1)^{k+1} Σ|A_{i₁}∩...∩A_{i_k}|。
-
-**生活模式**：有重叠的情况怎么算？——不是简单地相加，重叠部分要扣除。A或B的情况 = A的情况 + B的情况 − 同时是A和B的情况。
-
-**共通要点**：重叠修正是一般性原则——不修正重叠就是错误估计。
-
----
-
-### 第四步：构造生成函数 / Construct Generating Functions
-
-**科研模式**：
-- **常生成函数 (OGF)**：A(x) = Σa_n x^n。适用于无序选择、组合计数。系数 a_n 是第 n 项的计数。乘法：A(x)·C(x) 的系数 = Σa_i·c_{n−i}（组合两个独立的计数）。
-- **指数生成函数 (EGF)**：B(x) = Σb_n x^n/n!。适用于有序选择、排列计数、有标号对象。乘法：B(x)·D(x) 的系数/n! = Σ(b_i/i!)·(d_{n−i}/(n−i)!)（排列两个有标号集合）。
-
-经典实例：
-- 分拆函数生成函数：P(x) = Σp(n)x^n = 1/((1−x)(1−x²)(1−x³)...)，分拆 = 无限制地选择1、2、3、...的组合。
-- Catalan 数生成函数：C(x) = ΣC_n x^n = (1−√(1−4x))/(2x)，由递推 C_n = ΣC_i·C_{n−1−i} 得 C(x) = 1 + x·C(x)²。
-
-**生活模式**：有没有一个系统的方法来追踪所有可能性？——用结构化的方式列出所有选项，而不是逐个枚举。
-
-**共通要点**：结构化追踪优于随机枚举——这是组合效率的核心。
-
----
-
-### 第五步：分析图结构 / Analyze Graph Structure
-
-**科研模式**：
-
-图 G = (V, E)：顶点集 V，边集 E。
-
-核心属性与分析：
-- **顶点与边**：|V| 个顶点，|E| 条边；度数 deg(v)；邻接矩阵、关联矩阵
-- **路径与连通**：路径、回路、连通分量；最短路径（Dijkstra, Floyd-Warshall）
-- **树与森林**：n 顶点的树恰有 n−1 条边；生成树（Kruskal, Prim 最小生成树）；二叉树计数 C_n
-- **平面图**：Euler 公式 V − E + F = 2（连通平面图）；平面图必满足 E ≤ 3V − 6
-- **着色**：色数 χ(G) = 最少颜色数使相邻顶点不同色；四色定理 χ(平面图) ≤ 4
-- **匹配**：二分图匹配（Hall 婚姻定理）；最大匹配、完美匹配；König 定理：二分图中最大匹配 = 最小顶点覆盖
-- **环与割**：Euler 环（每边恰好一次 iff 连通且所有度数为偶）；Hamilton 环（每顶点恰好一次，NP-complete）
-
-**生活模式**：事物之间的关系是什么？——谁和谁连接，连接的方式是什么，整体的结构是什么样的？
-
-**共通要点**：关系结构决定可行方案——理解连接方式是理解系统的前提。
-
----
-
-### 第六步：发现递推与封闭公式 / Discover Recurrence and Closed Formula
-
-**科研模式**：
-- **递推关系 (Recurrence)**：Catalan 数 C_n = ΣC_i·C_{n−1−i}，Fibonacci F_n = F_{n−1} + F_{n−2}，错排 D_n = (n−1)(D_{n−1} + D_{n−2})
-- **通过生成函数求解**：将递推乘以 x^n，对 n 求和，解出 A(x)，再提取 a_n 的封闭公式。例如 Fibonacci：F(x) = x/(1−x−x²)，部分分式分解得 F_n = (φ^n − ψ^n)/√5（φ = (1+√5)/2）。
-- **直接公式**：当组合结构有清晰解释时可直接推导。C(n,k) = n!/(k!(n−k)!) 来自"n 选 k 无序"的计数；Catalan C_n = C(2n,n)/(n+1) 来自"合法括号序列"的组合论证。
-
-**生活模式**：找到规律——如果知道前几步的结果，能否推导下一步？规律一旦找到就不需要逐个计算。
-
-**共通要点**：规律发现是效率的来源——从已知推导未知优于逐个计算。
-
----
-
-### 第七步：验证与推广 / Verify and Generalize
-
-**科研模式**：
-- **检查小案例**：n=0, 1, 2, 3 时公式是否给出正确计数？手动枚举验证。
-- **验证公式计数正确**：公式的值是否等于实际枚举数？递推是否自洽？边界条件是否正确？
-- **推广规律**：公式是否对所有 n 成立？是否可推广到更一般的参数？是否有更深的组合解释？
-
-> **验证不是可选的——未经验证的计数公式是不可信的。** n=3 的手动枚举与公式的对比是最低验证要求。
-
-**生活模式**：验证你的枚举是否完整——有没有遗漏的选项？结论能否推广到类似情况？
-
-**共通要点**：验证是必须的——遗漏一个选项或一个规律反例就足以推翻整个推理。
-
-## 常见错误 / Common Errors
-
-| 错误 / Error | 数学批评 / Mathematical Critique | 正确做法 / Correct Approach | 标签 |
-|---|---|---|---|
-| 漏计与重计 (Under/Overcounting) | 漏计：遗漏约束的交互导致少计；重计：同一配置被多次计算 | 明确约束交互，用容斥修正重计，用补集计数修正漏计 | `[科研]` |
-| 忽略约束条件的交互作用 | 约束不是独立的，交集的影响必须用容斥处理 | 用容斥原理：|A₁∪A₂| = |A₁| + |A₂| − |A₁∩A₂| | `[科研]` |
-| 混淆排列与组合 | 排列计序 P(n,k) = n!/(n−k)!，组合不计序 C(n,k) = n!/(k!(n−k)!) | 先判断有序/无序，再选择公式 | `[通用]` |
-| 错误使用容斥原理的符号 | 奇数层取正、偶数层取负，符号错误导致结果偏差 | 严格按 (−1)^{k+1} 规定符号：第 k 层交集取 (−1)^{k+1} | `[科研]` |
-| 忽略生成函数的收敛域 | 生成函数作为形式幂级数可忽略收敛，但提取封闭公式需收敛域内操作 | 区分形式幂级数操作与解析操作；封闭公式提取需 x 在收敛域内 | `[科研]` |
-| 混淆有标号与无标号计数 | 有标号用指数生成函数 Σb_n x^n/n!，无标号用常生成函数 Σa_n x^n | 有标号（排列/分布）→ EGF；无标号（组合/分拆）→ OGF | `[科研]` |
-| 鸽巢原理使用不当 | 仅证明存在性，不构造具体实例；且需 n > m 条件才成立 | 确认 n > m 条件满足，结论为"至少一个"而非"恰好一个" | `[通用]` |
-| 递推边界条件错误 | C₀ = 1（空结构计数为 1）而非 C₀ = 0；F₀ = 0, F₁ = 1 | 空结构 = 1（空排列、空组合各一种），检查 n=0,1 边界 | `[科研]` |
-| 枚举遗漏 (Enumeration omission) | 列出选项时遗漏某些可能性，导致决策基础不完整 | 系统性枚举：按类别分组，检查每组是否完整 | `[生活]` |
-| 忽略重叠情况 (Ignoring overlap) | 多个选项同时满足时简单相加，导致过度估计 | A或B的情况 = A的情况 + B的情况 − 重叠部分 | `[生活]` |
-| 逐个尝试而非找规律 (Trial-by-trial instead of pattern) | 逐个检查所有选项而不是发现规律，效率低且易遗漏 | 先看前几步能否推导规律，有规律就不需要逐个计算 | `[生活]` |
-
-## 操作规程 / Operating Procedure
-
-当本 skill 被触发时，执行以下具体步骤：
-
-**模式选择 / Mode Selector**：
-- 若问题涉及正式计数、公式推导、存在性证明、生成函数 → **科研模式**
-- 若问题涉及日常选择、有限选项枚举、规律发现、关系分析 → **生活模式**
-
----
-
-### 科研模式输出格式 / Research Mode Output Format
-
-1. **结构识别**：[结构]: [离散对象描述] — 明确计数对象、约束、分类
-2. **计数类型**：[计数类型]: [排列/组合/分割/安排] — 判断有序/无序、有标号/无标号
-3. **原理选择**：[原理]: [乘法/加法/鸽巢/容斥] — 说明选择理由
-4. **生成函数**：[生成函数]: [公式] — 列出 GF 及其代数性质
-5. **图结构**：[图结构]: [属性] — 顶点、边、连通性、着色等（如涉及）
-6. **递推/公式**：[递推/公式]: [具体内容] — 递推关系及封闭公式
-7. **验证**：[验证]: [小案例检查] — 至少 n=0,1,2,3 的手动枚举与公式对比
-
-**输出必须包含以上 7 项，不得只输出分析性文字而不给出结论。**
-
----
-
-### 生活模式输出格式 / Life Mode Output Format
-
-1. **[问题类型]:[分类]** — 有限选择/排列/分配/关系
-2. **[可能数量]:[粗略估计]** — 选项很多还是只有几种
-3. **[系统性枚举]:[方法]** — 有没有遗漏
-4. **[关系结构]:[分析]** — 事物之间的连接方式
-5. **[规律发现]:[模式]** — 能否从已知推导未知
-6. **[行动建议]:[步骤]** — 基于枚举和规律的结论
-
-**输出必须包含以上 6 项，不得只输出分析性文字而不给出结论。**
-
-## 与其他 skill 的关系 / Relations to Other Skills
-
-- **归纳与类比**：组合规律由归纳发现——从枚举 {a_n} 的前几项归纳出递推，再类比到更一般结构
-- **算法思想**：组合计数支撑复杂度分析——n! 排列、C(n,k) 组合是算法代价的估计基础
-- **概率与统计**：组合是概率的计算基础——古典概率 P(A) = |A|/|Ω|，分母 |Ω| 和分子 |A| 都是组合计数
-- **变换思想**：生成函数将计数变换为代数——序列 → 幂级数，递推 → 方程，计数 → 系数提取
-- **公理化思想**：组合恒等式的严格证明——C(n,k) = C(n,n−k) 需代数证明或组合论证，不可仅凭直觉
+---
+name: discrete-combinatorial
+description: |
+  触发：当需要计数、枚举、发现有限结构中的规律，或处理图论、组合结构、生成函数、递推关系；或为稀疏/路由/拓扑结构设计组合方案时调用。
+  English: Trigger when you need to count, enumerate, find patterns in finite structures, or handle graph theory, combinatorial structures, generating functions, recurrences; or design combinatorial schemes for sparse/routing/topological structures.
+---
+
+# 🧮 离散与组合思想 / Discrete & Combinatorial
+
+> "计数是最古老的数学活动——有限对象蕴含无限规律。"
+> "Counting is the oldest mathematical activity — finite objects harbor infinite patterns."
+>
+> —— 组合数学、图论、生成函数
+> —— Combinatorics, Graph Theory, Generating Functions
+
+## 核心原则 / Core Principle
+
+**组合思想对有限结构进行系统计数、发现支配枚举的规律，并用生成函数等代数方法将计数问题变换为代数问题——有限的简单掌控无限的复杂。**
+
+**Combinatorial thinking systematically counts finite structures, discovers patterns governing enumeration, and uses algebraic methods (generating functions) to recast counting as algebra — finite simplicity governing infinite complexity.**
+
+> **数学形式化 / Mathematical Formalization**
+>
+> **鸽巢原理 (Pigeonhole Principle)**：n 个物品放入 m < n 个盒子，则某盒至少含 2 个；推广 kn+1 入 n 盒则某盒至少含 k+1。存在性证明利器——只证必然存在，不构造具体实例。
+>
+> **容斥原理 (Inclusion-Exclusion)**：|A₁∪...∪A_n| = Σ|A_i| − Σ|A_i∩A_j| + ... ± |A₁∩...∩A_n|；补集计数："不具有 P" = 全部 − "具有 P"。
+>
+> **生成函数 (Generating Functions)**：常生成函数 OGF A(x)=Σa_n x^n（无序/组合，A·C 系数 = Σa_i·c_{n−i}）；指数生成函数 EGF B(x)=Σb_n x^n/n!（有序/有标号，B·D 系数/n! = Σ(b_i/i!)·(d_{n−i}/(n−i)!)）。
+>
+> **Pólya 计数定理 (Pólya Enumeration)**：群 G 作用下的轨道计数 = (1/|G|)Σ_{g∈G}|Fix(g)|（Burnside 引理），用循环指标多项式刻画"旋转/翻转视为相同"的等价类着色计数。
+>
+> Euler 的洞察：将 1+2+3+... 的"发散级数"重新诠释为分拆计数的生成函数。
+
+## GPU 友好性 / GPU-Friendliness（横切检查）
+
+离散/组合结构常「美但不可算」——精确计数多为 #P 完备（着色计数、匹配计数），精确枚举 NP-hard（Hamilton 路、子集和），直接落 GPU 不可行。落 GPU 须过 `../../references/gpu-friendly-math.md` 八维门，改用可张量化的聚合与采样近似：
+
+- **友好**：邻接矩阵幂迭代 A^k 计路径数（GEMM）、动态规划表批量并行、bitset packed 计数（popcount）、结构化稀疏图遍历。
+- **可改造**：容斥/递推 → 半环聚合（(min,+) / (max,+) / Boolean / 热带半环）张量化；精确计数 → 蒙特卡洛/重要性采样估计；枚举 → 分支定界剪枝 + 批量并行；离散选择 → Gumbel-softmax 松弛。
+- **反模式**：精确全枚举（n! 爆炸）、串行回溯搜索、强串行 DP（长程依赖不可并行）、非结构化图随机访存——"美但不可算"，须近似或松弛。
+
+八维最低判定（正式术语）：**张量化**看有限对象能否编码成矩阵/bitset/批量表；**GEMM 可映射**看递推能否半环矩阵化；**复杂度**明确 NP-hard/#P-hard 与近似界；**显存与 KV-Cache**检查枚举表、DP 表、邻接结构是否爆炸；**低精度稳定**看松弛采样和半环运算是否数值稳健；**并行与通信**看子问题是否独立或可斜扫描；**稀疏结构**只采用块/带状/规则图稀疏；**算子融合**看计数、mask、采样能否合并为少量 kernel。
+
+> 配合 `../../references/books/abstract-algebra.md`（半环/有限域聚合）、`../../references/books/matrix-analysis.md`（邻接矩阵/谱图）。
+
+## 不适用场景 / When NOT to Use
+
+- **连续/分析性问题，无离散结构**——极限、微分、积分而非有限对象计数，属分析而非组合。
+- **精确闭式公式可直接给出答案**——组合枚举是多余开销（如 n·(n−1) 直接代数运算）。
+- **纯粹概率问题，无组合结构**——连续分布参数估计、贝叶斯更新不涉及有限集合计数，概率密度积分不是组合问题。
+
+## 何时使用 / When to Use
+
+- 需要计数配置数量（排列/选择/分配），答案是具体有限数而非 1 或无穷。
+- 需通过鸽巢原理证存在性（"必存在某对象具某性质"）而不构造实例。
+- 需发现枚举数列 {a_n} 的递推或封闭公式（如 Catalan C_n = (2n)!/(n!(n+1)!)）。
+- 需枚举满足约束的配置——按结构分类、按规则生成，非随机罗列。
+- 需图/网络分析（连接、路径、匹配、着色、覆盖）——社交网络、调度、规划可化为图问题。
+- 需求解递推关系求封闭公式或渐近行为——递推 → 生成函数 → 代数求解 → 提取系数。
+- **为稀疏/路由/拓扑结构设计组合方案**——稀疏 attention 模式、路由表/拓扑排序、块结构化稀疏布局。
+
+## 方法流程 / Method
+
+### 第一步：识别离散结构与计数问题
+明确**计数对象**（排列/组合/分拆/安排）、**目标**（总数/带约束子集/概率）、**约束**（互不相交、有序/无序、有标号/无标号）。分类：排列 P(n,k)=n!/(n−k)!；组合 C(n,k)=n!/(k!(n−k)!)；分拆 p(n) 整数分拆、B(n) 集合分拆；安排（物品入位置）。
+
+### 第二步：应用基本计数原理
+- **乘法原理**：k 个独立选择 → k₁×k₂×...×k_n。
+- **加法原理**：互斥选项 → |A∪B|=|A|+|B|（A∩B=∅）。
+- **鸽巢原理**：n>m 碰撞不可避免，某盒至少 ⌈n/m⌉；推广 kn+1 入 n 盒则某盒至少含 k+1。
+
+### 第三步：使用容斥原理
+|A₁∪...∪A_n| = Σ|A_i| − Σ|A_i∩A_j| + Σ|A_i∩A_j∩A_k| − ... ± |A₁∩...∩A_n|。**补集计数**："不具有 P" = 全部 − "具有 P"；经典错排 D(n) = n! − C(n,1)(n−1)! + C(n,2)(n−2)! − ... ± C(n,n)·0!。**符号规则**：第 k 层贡献 = (−1)^{k+1} Σ|A_{i₁}∩...∩A_{i_k}|（奇层正、偶层负）。
+
+### 第四步：构造生成函数
+- **OGF**：A(x)=Σa_n x^n，无序/组合；A(x)·C(x) 系数 = Σa_i·c_{n−i}（组合两个独立计数）。
+- **EGF**：B(x)=Σb_n x^n/n!，有序/排列/有标号；B(x)·D(x) 系数/n! = Σ(b_i/i!)·(d_{n−i}/(n−i)!)。
+- 经典：分拆 P(x)=Σp(n)x^n = 1/((1−x)(1−x²)(1−x³)...)；Catalan C(x)=ΣC_n x^n = (1−√(1−4x))/(2x)，由 C_n=ΣC_i·C_{n−1−i} 得 C(x)=1+x·C(x)²。
+
+### 第五步：分析图结构
+图 G=(V,E)，|V| 顶点、|E| 边。核心：度数 deg(v)、邻接/关联矩阵；路径/连通分量、最短路（Dijkstra、Floyd-Warshall）；树恰 n−1 边、生成树（Kruskal/Prim）、二叉树计数 C_n；平面图 Euler 公式 V−E+F=2、E≤3V−6；色数 χ(G)、四色定理 χ(平面图)≤4；匹配（Hall 婚姻定理、König：二分图最大匹配=最小顶点覆盖）；Euler 环（连通且全度数偶）、Hamilton 环（NP-complete）。
+
+### 第六步：发现递推与封闭公式
+- **递推**：Catalan C_n=ΣC_i·C_{n−1−i}，Fibonacci F_n=F_{n−1}+F_{n−2}，错排 D_n=(n−1)(D_{n−1}+D_{n−2})。
+- **生成函数求解**：递推乘 x^n 求和 → 解 A(x) → 提取 a_n；Fibonacci F(x)=x/(1−x−x²)，部分分式得 F_n=(φ^n−ψ^n)/√5（φ=(1+√5)/2）。
+- **直接公式**：C(n,k)=n!/(k!(n−k)!)（n 选 k 无序）；Catalan C_n=C(2n,n)/(n+1)（合法括号序列组合论证）。
+
+### 第七步：验证与推广
+检查小案例 n=0,1,2,3 手动枚举与公式对比；验证公式计数正确、递推自洽、边界条件无误（空结构计数为 1：C₀=1, F₀=0, F₁=1）；推广至更一般参数或更深组合解释。
+
+> **验证不是可选的——未经验证的计数公式不可信。** n=3 的手动枚举与公式对比是最低验证要求。
+
+## 常见错误 / Common Errors
+
+| 错误 / Error | 批评 / Critique | 正确做法 / Correct Approach |
+|---|---|---|
+| 漏计与重计 | 漏计：遗漏约束交互少计；重计：同配置多次计算 | 明确约束交互，容斥修正重计，补集修正漏计 |
+| 忽略约束条件交互 | 约束非独立，交集须容斥处理 | 用容斥：并集 = 各集之和 − 交集 |
+| 混淆排列与组合 | 排列计序 P(n,k)=n!/(n−k)!，组合不计序 C(n,k)=n!/(k!(n−k)!) | 先判有序/无序再选公式 |
+| 错误使用容斥符号 | 奇层正、偶层负，符号错则结果偏差 | 严格按 (−1)^{k+1} 定符号 |
+| 忽略生成函数收敛域 | 形式幂级数可忽略收敛，但提封闭公式须在收敛域内 | 区分形式操作与解析操作 |
+| 混淆有标号/无标号 | 有标号用 EGF，无标号用 OGF | 排列/分布→EGF；组合/分拆→OGF |
+| 鸽巢原理使用不当 | 仅证存在性不构造实例，需 n>m | 确认 n>m，结论为"至少一个"非"恰好一个" |
+| 递推边界条件错误 | C₀=1 非 0；F₀=0, F₁=1 | 空结构=1，检查 n=0,1 边界 |
+| GPU 不可算性 | 精确枚举/计数 #P 或 NP-hard 爆炸 | 改半环聚合/采样近似，过 GPU 八维门 |
+
+## 操作规程 / Operating Procedure
+
+当本 skill 被触发时，输出必须包含：
+
+1. **结构识别**：`[结构]: [离散对象]` — 计数对象、约束、分类
+2. **计数类型**：`[计数类型]: [排列/组合/分拆/安排]` — 有序/无序、有标号/无标号
+3. **原理选择**：`[原理]: [乘法/加法/鸽巢/容斥]` — 选择理由
+4. **生成函数**：`[生成函数]: [公式]` — GF 及代数性质（如涉及）
+5. **图结构**：`[图结构]: [属性]` — 顶点/边/连通/着色（如涉及）
+6. **递推/公式**：`[递推/公式]: [内容]` — 递推及封闭公式
+7. **验证**：`[验证]: [小案例]` — 至少 n=0,1,2,3 手动枚举与公式对比
+8. **[GPU 可行性]**（若用于算法/算子设计）— 精确计数/枚举是否 NP-hard/#P，能否半环聚合/张量化/采样近似，过八维门
+
+**输出不得只给分析而无结论。**
+
+## 与其他 skill 的关系 / Relations to Other Skills
+
+- **归纳与类比**：组合规律由归纳发现——从 {a_n} 前几项归纳递推，再类比到更一般结构。
+- **算法思想**：组合计数支撑复杂度分析——n!、C(n,k) 是算法代价估计基础。
+- **概率与统计**：组合是概率的计算基础——古典概率 P(A)=|A|/|Ω|，分子分母皆组合计数。
+- **变换思想**：生成函数将计数变换为代数——序列→幂级数，递推→方程，计数→系数提取。
+- **公理化思想**：组合恒等式需严格证明——C(n,k)=C(n,n−k) 须代数或组合论证，不可仅凭直觉。
+- **现代数学激活**：`../../references/books/abstract-algebra.md`（有限域/半环聚合、Burnside 计数）、`../../references/books/matrix-analysis.md`（邻接矩阵/谱图/传递矩阵）。