math-skill 1.0.0 → 2.0.1

package/knowledge-base/overview.md

@@ -1,230 +1,228 @@
-# 数学知识体系概述 / Mathematical Knowledge System Overview
-
-## 概述
-
-数学知识体系是数学学科的结构化框架，涵盖从基础概念到前沿分支的完整内容。它不仅描述学科之间的层次关系，也呈现出数学方法如何在不同问题域中互补与协同。
-
-本概述旨在帮助你：
-
-- 快速定位数学问题所属的学科与方法领域；
-- 理解本项目 15 种思想武器与数学分支之间的对应关系；
-- 形成从问题到工具、从概念到应用的整体认知。
-
-数学的发展受到逻辑推理、科学需求和交叉应用的共同推动。
-
-## 一、数学体系的三大基础支柱
-
-现代数学大厦建立在**集合论**和**数理逻辑**基础上，三大基础学科是：
-
-### 代数学（Algebra）
-
-研究数、结构、关系和符号运算。
-
-| 层次 | 内容 | 核心概念 |
-|------|------|---------|
-| 初等代数 | 方程、不等式、多项式运算 | 变量、等式、运算律 |
-| 高等代数（线性代数） | 向量空间、线性变换、矩阵 | 线性空间、基、维数、特征值 |
-| 抽象代数 | 群、环、域 | 代数结构、同态、同构 |
-| 范畴论 | 对象与态射的抽象理论 | 函子、自然变换、泛性质 |
-
-### 几何学（Geometry）
-
-研究空间、形状、结构及其关系。
-
-| 层次 | 内容 | 核心概念 |
-|------|------|---------|
-| 欧几里得几何 | 平面与立体几何 | 点、线、面、角、距离 |
-| 解析几何 | 用代数方法研究几何 | 坐标系、方程、曲线 |
-| 非欧几何 | 改变平行公理的几何 | 双曲几何、椭圆几何 |
-| 微分几何 | 用微积分研究几何 | 曲率、测地线、流形 |
-| 分形几何 | 自相似的几何结构 | 分形维数、迭代函数系统 |
-
-### 分析学（Analysis）
-
-研究函数、极限、连续、微分、积分等。
-
-| 层次 | 内容 | 核心概念 |
-|------|------|---------|
-| 微积分 | 极限、导数、积分 | 连续、可微、可积 |
-| 数学分析 | 严格的极限理论 | ε-δ语言、一致收敛 |
-| 实分析 | 测度论、Lebesgue 积分 | 测度空间、L^p 空间 |
-| 复分析 | 复变函数理论 | 解析函数、留数、共形映射 |
-| 泛函分析 | 无限维空间上的分析 | Banach 空间、Hilbert 空间、算子 |
-| 微分方程 | ODE 与 PDE | 存在唯一性、稳定性、数值解法 |
-
-## 二、主要分支
-
-### 1. 数论（Number Theory）
-
-研究整数性质，如素数分布、同余、丢番图方程等。
-
-- **初等数论**：整除、同余、素数
-- **解析数论**：用分析方法研究数论问题（如素数定理）
-- **代数数论**：用代数方法研究数论问题（如代数数域）
-- **几何数论**：用几何方法研究数论问题
-
-### 2. 概率论与数理统计（Probability & Statistics）
-
-研究随机现象和数据分析，广泛应用于金融、生物、社会科学等。对应思想武器：**概率与统计**、**信息论思想**、**因果推断思想**。
-
-- **概率论**：随机变量、分布、极限定理 → 详见 **概率与统计**（Kolmogorov 公理）
-- **数理统计**：参数估计、假设检验、回归分析 → 详见 **概率与统计**（回归建模、实验设计）
-- **随机过程**：马尔可夫链、布朗运动、鞅论
-- **贝叶斯统计**：先验、后验、MCMC → 详见 **信息论思想**（最大熵原则）
-
-### 3. 拓扑学（Topology）
-
-研究空间在连续变形下的不变性质。对应思想武器：**拓扑思想**。
-
-- **点集拓扑**：开集、闭集、连通性、紧致性 → 详见 **对称与不变性**（不变量视角）
-- **代数拓扑**：同伦、同调、上同调 → 详见 **拓扑思想**（基本群、Betti 数）
-- **微分拓扑**：流形、切空间、微分形式
-
-### 4. 离散数学（Discrete Mathematics）
-
-集合论、图论、数理逻辑等，是计算机科学的数学基础。对应思想武器：**算法与计算思想**、**离散与组合思想**。
-
-- **集合论**：集合、关系、函数、基数、序数
-- **图论**：图、路径、连通性、着色、网络流
-- **数理逻辑**：命题逻辑、谓词逻辑、可计算性 → 详见 **公理化思想**、**逻辑演绎**
-- **组合数学**：计数、排列组合、生成函数 → 详见 **离散与组合思想**
-- **算法与复杂度**：排序、搜索、P/NP、可判定性 → 详见 **算法与计算思想**
-
-### 5. 应用数学分支
-
-将数学方法应用于实际问题。对应思想武器：**优化思想**、**信息论思想**、**博弈论思想**、**算法与计算思想**、**因果推断思想**。
-
-- **运筹学**：线性规划、整数规划、动态规划、排队论 → 详见 **优化思想**（LP/IP/DP 分类）、**算法与计算思想**（求解算法）
-- **控制理论**：系统控制、最优控制、鲁棒控制 → 详见 **优化思想**（最优控制即变分优化）
-- **信息论**：熵、信道容量、数据压缩、编码理论 → 详见 **信息论思想**（Shannon 熵、编码定理）
-- **博弈论**：策略互动、均衡分析、机制设计 → 详见 **博弈论思想**（Nash 均衡、minimax）
-- **因果推断**：因果图模型、干预分析、反事实推理 → 详见 **因果推断思想**（DAG、do 算子）
-- **金融数学**：期权定价、风险管理、随机微积分 → 详见 **建模思想**（Black-Scholes）、**概率与统计**
-- **计算数学**：数值分析、有限元、蒙特卡洛方法 → 详见 **算法与计算思想**（数值算法）
-- **机器学习数学基础**：优化、统计学习理论、核方法 → 详见 **优化思想**、**概率与统计**、**信息论思想**（MDL/AIC）
-
-## 三、知识体系的层次结构
-
-从学习路径看，数学知识可分层次：
-
-### 地基层
-
-数感、逻辑与分类、算术与基础几何。
-
-- 数的概念与运算
-- 基本逻辑推理
-- 算术运算（加减乘除）
-- 基础几何图形与性质
-
-### 代数层
-
-变量、方程、函数、几何证明。
-
-- 代数表达式与方程
-- 函数概念与基本函数族
-- 平面几何证明
-- 向量与坐标
-
-### 综合层
-
-函数与导数、微积分、数列、立体几何、概率统计深化。
-
-- 极限与连续
-- 微分与积分
-- 数列与级数
-- 立体几何
-- 概率分布与统计推断
-
-### 前沿层
-
-数学分析、高等代数、解析/微分几何、数论、拓扑学等。
-
-- 严格的分析理论（ε-δ）
-- 抽象代数结构（群环域）
-- 流形与微分几何
-- 代数/解析数论
-- 点集/代数拓扑
-- 泛函分析与算子理论
-
-## 四、数学思想方法的层次
-
-| 层次 | 思想方法 | 说明 |
-|------|---------|------|
-| 基础层 | 逻辑演绎、归纳类比 | 所有数学思维的基础 |
-| 方法层 | 公理化、抽象化、建模 | 构建数学理论的方法 |
-| 工具层 | 优化、变换、概率统计 | 解决具体问题的工具 |
-| 拓展层 | 算法与计算、信息论、博弈论、因果推断 | 应用于计算、信息、互动和因果的工具 |
-| 哲学层 | 对称不变性、拓扑思想、离散组合 | 理解结构与本质的哲学视角 |
-
-## 五、数学与其他学科的联系
-
-| 学科 | 使用的数学工具 | 典型应用 |
-|------|--------------|---------|
-| 物理学 | 微积分、线性代数、群论 | 力学、量子力学、相对论 |
-| 计算机科学 | 离散数学、图论、概率 | 算法分析、密码学、AI |
-| 经济学 | 优化、博弈论、微分方程 | 市场均衡、定价模型 |
-| 生物学 | 微分方程、统计、图论 | 种群动力学、系统生物学 |
-| 工程学 | 微分方程、傅里叶分析、数值方法 | 控制系统、信号处理 |
-| 社会科学 | 统计、博弈论、网络分析 | 社会网络、决策分析 |
-
-## 六、思维武器与数学分支的映射
-
-本项目的 16 种思想武器（15种专业武器 + 1个武器选择器）不是孤立存在的，它们与数学分支形成了互补的工具集。下面展示一个简化映射，帮助你从问题类型直接找到适合的数学方法。
-
-| 思维武器 | 对应数学分支 | 典型方法/概念 |
-|---------|-------------|--------------|
-| 🧭 武器选择器 | 元认知、问题分类 | 决策树、问题特征匹配、工具推荐 |
-| 📐 公理化思想 | 数理逻辑、集合论 | 公理体系、形式语言、相容性、独立性 |
-| 🧩 抽象化思想 | 代数、范畴论、拓扑学 | 抽象结构、同构、泛性质 |
-| 🧠 逻辑演绎 | 数理逻辑、证明论 | 命题逻辑、谓词逻辑、推理规则 |
-| 🌉 建模思想 | 应用数学、统计 | 方程建模、量纲分析、验证 |
-| ⚖️ 优化思想 | 最优化、运筹学 | 凸优化、KKT、动态规划 |
-| 🎲 概率与统计 | 概率论、数理统计 | 随机变量、假设检验、回归分析 |
-| 🔄 变换思想 | 分析学、生成函数 | 傅里叶、拉普拉斯、代数变换 |
-| ⚛️ 对称与不变性 | 群论、几何 | 群作用、不变量、商空间 |
-| 📈 归纳与类比 | 初等数学、数论 | 归纳证明、类比推理、模式识别 |
-| 🖥️ 算法与计算思想 | 计算理论、离散数学 | 复杂度、可计算性、算法范式 |
-| 📡 信息论思想 | 信息论、统计学习 | 熵、互信息、编码极限 |
-| 🎯 博弈论思想 | 数理经济学、机制设计 | 纳什均衡、激励相容、最优策略 |
-| 🔗 因果推断思想 | 因果推断、统计学 | DAG、do-演算、干预分析 |
-| 🌀 拓扑思想 | 拓扑学、代数拓扑 | 同伦、同调、拓扑不变量 |
-| 🧮 离散与组合思想 | 组合数学、图论 | 鸽巢原理、生成函数、枚举 |
-
-## 七、如何选择思想武器
-
-面对一个问题时，最重要的第一步不是”用力分析”，而是”选对工具”。以下是选择指南：
-
-### 快速选择指南
-
-| 问题核心特征 | 最可能适合的思想武器 |
-|-------------|-------------------|
-| 多方互动，我的最优取决于他人 | 🎯 博弈论 |
-| 不确定性/随机性 | 🎲 概率与统计 |
-| 在限制下做最优选择 | ⚖️ 优化 |
-| 当前视角下难以处理 | 🔄 变换 |
-| 需要提取本质结构 | 🧩 抽象化 |
-| 需要严格推理验证 | 🧠 逻辑演绎 |
-| 需要从经验中发现规律 | 📈 归纳与类比 |
-| 需要构建模型预测 | 🌉 建模 |
-| 变化中的不变性 | ⚛️ 对称与不变性 |
-| 需要可执行步骤 | 🖥️ 算法与计算 |
-| 有限对象的计数/结构 | 🧮 离散与组合 |
-
-### 使用武器选择器
-
-如果不确定该用哪个工具，直接使用 `/ask` 命令调用武器选择器，它会根据问题的核心特征自动推荐1-3个最合适的思想武器。
-
-### 模式选择
-
-每个思想武器都有科研模式和生活模式：
-- **科研模式**：保留完整数学符号，适用于数学推导、论文审查、实验设计
-- **生活模式**：只保留思维框架核心步骤，用日常语言替代数学符号，适用于日常决策、人际互动、生活规划
-
-## 八、如何使用本概述
-
-- 先从问题特征出发：判断它是”结构性””动态性””随机性””交互性”还是”可数性”。
-- 对照快速选择指南或使用 `/ask` 命令，找到最贴近的思想武器。
-- 结合”知识体系层次结构”，判断当前问题更适合基础思路还是前沿方法。
-- 根据问题性质选择科研模式或生活模式——科研问题用科研模式，生活问题用生活模式。
-- 若问题横跨多个类别，可同时调用多个思想武器，例如”建模+优化”、”概率+因果”、”抽象+算法”。
-- 在学习或阅读文献时，把本概述作为归纳框架，将零散概念归入统一的知识地图。
+# 数学知识体系概述 / Mathematical Knowledge System Overview
+
+## 概述
+
+数学知识体系是数学学科的结构化框架，涵盖从基础概念到前沿分支的完整内容。它不仅描述学科之间的层次关系，也呈现出数学方法如何在不同问题域中互补与协同。
+
+本概述旨在帮助你：
+
+- 快速定位数学问题所属的学科与方法领域；
+- 理解本项目 16 种思想武器（15 武器 + math-research-activator）与数学分支之间的对应关系；
+- 形成从问题到工具、从概念到应用的整体认知。
+
+数学的发展受到逻辑推理、科学需求和交叉应用的共同推动。
+
+## 一、数学体系的三大基础支柱
+
+现代数学大厦建立在**集合论**和**数理逻辑**基础上，三大基础学科是：
+
+### 代数学（Algebra）
+
+研究数、结构、关系和符号运算。
+
+| 层次 | 内容 | 核心概念 |
+|------|------|---------|
+| 初等代数 | 方程、不等式、多项式运算 | 变量、等式、运算律 |
+| 高等代数（线性代数） | 向量空间、线性变换、矩阵 | 线性空间、基、维数、特征值 |
+| 抽象代数 | 群、环、域 | 代数结构、同态、同构 |
+| 范畴论 | 对象与态射的抽象理论 | 函子、自然变换、泛性质 |
+
+### 几何学（Geometry）
+
+研究空间、形状、结构及其关系。
+
+| 层次 | 内容 | 核心概念 |
+|------|------|---------|
+| 欧几里得几何 | 平面与立体几何 | 点、线、面、角、距离 |
+| 解析几何 | 用代数方法研究几何 | 坐标系、方程、曲线 |
+| 非欧几何 | 改变平行公理的几何 | 双曲几何、椭圆几何 |
+| 微分几何 | 用微积分研究几何 | 曲率、测地线、流形 |
+| 分形几何 | 自相似的几何结构 | 分形维数、迭代函数系统 |
+
+### 分析学（Analysis）
+
+研究函数、极限、连续、微分、积分等。
+
+| 层次 | 内容 | 核心概念 |
+|------|------|---------|
+| 微积分 | 极限、导数、积分 | 连续、可微、可积 |
+| 数学分析 | 严格的极限理论 | ε-δ语言、一致收敛 |
+| 实分析 | 测度论、Lebesgue 积分 | 测度空间、L^p 空间 |
+| 复分析 | 复变函数理论 | 解析函数、留数、共形映射 |
+| 泛函分析 | 无限维空间上的分析 | Banach 空间、Hilbert 空间、算子 |
+| 微分方程 | ODE 与 PDE | 存在唯一性、稳定性、数值解法 |
+
+## 二、主要分支
+
+### 1. 数论（Number Theory）
+
+研究整数性质，如素数分布、同余、丢番图方程等。
+
+- **初等数论**：整除、同余、素数
+- **解析数论**：用分析方法研究数论问题（如素数定理）
+- **代数数论**：用代数方法研究数论问题（如代数数域）
+- **几何数论**：用几何方法研究数论问题
+
+### 2. 概率论与数理统计（Probability & Statistics）
+
+研究随机现象和数据分析，广泛应用于金融、生物、社会科学等。对应思想武器：**概率与统计**、**信息论思想**、**因果推断思想**。
+
+- **概率论**：随机变量、分布、极限定理 → 详见 **概率与统计**（Kolmogorov 公理）
+- **数理统计**：参数估计、假设检验、回归分析 → 详见 **概率与统计**（回归建模、实验设计）
+- **随机过程**：马尔可夫链、布朗运动、鞅论
+- **贝叶斯统计**：先验、后验、MCMC → 详见 **信息论思想**（最大熵原则）
+
+### 3. 拓扑学（Topology）
+
+研究空间在连续变形下的不变性质。对应思想武器：**拓扑思想**。
+
+- **点集拓扑**：开集、闭集、连通性、紧致性 → 详见 **对称与不变性**（不变量视角）
+- **代数拓扑**：同伦、同调、上同调 → 详见 **拓扑思想**（基本群、Betti 数）
+- **微分拓扑**：流形、切空间、微分形式
+
+### 4. 离散数学（Discrete Mathematics）
+
+集合论、图论、数理逻辑等，是计算机科学的数学基础。对应思想武器：**算法与计算思想**、**离散与组合思想**。
+
+- **集合论**：集合、关系、函数、基数、序数
+- **图论**：图、路径、连通性、着色、网络流
+- **数理逻辑**：命题逻辑、谓词逻辑、可计算性 → 详见 **公理化思想**、**逻辑演绎**
+- **组合数学**：计数、排列组合、生成函数 → 详见 **离散与组合思想**
+- **算法与复杂度**：排序、搜索、P/NP、可判定性 → 详见 **算法与计算思想**
+
+### 5. 应用数学分支
+
+将数学方法应用于实际问题。对应思想武器：**优化思想**、**信息论思想**、**博弈论思想**、**算法与计算思想**、**因果推断思想**。
+
+- **运筹学**：线性规划、整数规划、动态规划、排队论 → 详见 **优化思想**（LP/IP/DP 分类）、**算法与计算思想**（求解算法）
+- **控制理论**：系统控制、最优控制、鲁棒控制 → 详见 **优化思想**（最优控制即变分优化）
+- **信息论**：熵、信道容量、数据压缩、编码理论 → 详见 **信息论思想**（Shannon 熵、编码定理）
+- **博弈论**：策略互动、均衡分析、机制设计 → 详见 **博弈论思想**（Nash 均衡、minimax）
+- **因果推断**：因果图模型、干预分析、反事实推理 → 详见 **因果推断思想**（DAG、do 算子）
+- **金融数学**：期权定价、风险管理、随机微积分 → 详见 **建模思想**（Black-Scholes）、**概率与统计**
+- **计算数学**：数值分析、有限元、蒙特卡洛方法 → 详见 **算法与计算思想**（数值算法）
+- **机器学习数学基础**：优化、统计学习理论、核方法 → 详见 **优化思想**、**概率与统计**、**信息论思想**（MDL/AIC）
+
+## 三、知识体系的层次结构
+
+从学习路径看，数学知识可分层次：
+
+### 地基层
+
+数感、逻辑与分类、算术与基础几何。
+
+- 数的概念与运算
+- 基本逻辑推理
+- 算术运算（加减乘除）
+- 基础几何图形与性质
+
+### 代数层
+
+变量、方程、函数、几何证明。
+
+- 代数表达式与方程
+- 函数概念与基本函数族
+- 平面几何证明
+- 向量与坐标
+
+### 综合层
+
+函数与导数、微积分、数列、立体几何、概率统计深化。
+
+- 极限与连续
+- 微分与积分
+- 数列与级数
+- 立体几何
+- 概率分布与统计推断
+
+### 前沿层
+
+数学分析、高等代数、解析/微分几何、数论、拓扑学等。
+
+- 严格的分析理论（ε-δ）
+- 抽象代数结构（群环域）
+- 流形与微分几何
+- 代数/解析数论
+- 点集/代数拓扑
+- 泛函分析与算子理论
+
+## 四、数学思想方法的层次
+
+| 层次 | 思想方法 | 说明 |
+|------|---------|------|
+| 基础层 | 逻辑演绎、归纳类比 | 所有数学思维的基础 |
+| 方法层 | 公理化、抽象化、建模 | 构建数学理论的方法 |
+| 工具层 | 优化、变换、概率统计 | 解决具体问题的工具 |
+| 拓展层 | 算法与计算、信息论、博弈论、因果推断 | 应用于计算、信息、互动和因果的工具 |
+| 哲学层 | 对称不变性、拓扑思想、离散组合 | 理解结构与本质的哲学视角 |
+
+## 五、数学与其他学科的联系
+
+| 学科 | 使用的数学工具 | 典型应用 |
+|------|--------------|---------|
+| 物理学 | 微积分、线性代数、群论 | 力学、量子力学、相对论 |
+| 计算机科学 | 离散数学、图论、概率 | 算法分析、密码学、AI |
+| 经济学 | 优化、博弈论、微分方程 | 市场均衡、定价模型 |
+| 生物学 | 微分方程、统计、图论 | 种群动力学、系统生物学 |
+| 工程学 | 微分方程、傅里叶分析、数值方法 | 控制系统、信号处理 |
+| 社会科学 | 统计、博弈论、网络分析 | 社会网络、决策分析 |
+
+## 六、思维武器与数学分支的映射
+
+本项目的 16 种思想武器（15 种专业武器 + 1 个 math-research-activator 自动触发入口）不是孤立存在的，它们与数学分支形成了互补的工具集。下面展示一个简化映射，帮助你从问题类型直接找到适合的数学方法。v2 另有 `references/books/*.md` × 7 把代数几何 / 微分几何 / 李理论 / 抽象代数 / 矩阵分析 / 最优化 / 流形等现代数学结构按需激活进算法设计（见 README「三层渐进式披露」）。
+
+| 思维武器 | 对应数学分支 | 典型方法/概念 |
+|---------|-------------|--------------|
+| 🧭 数学研究激活器 | 元认知、问题分类、现代数学映射 | 诊断→映射→路由→GPU 筛选、双验收门 |
+| 📐 公理化思想 | 数理逻辑、集合论 | 公理体系、形式语言、相容性、独立性 |
+| 🧩 抽象化思想 | 代数、范畴论、拓扑学 | 抽象结构、同构、泛性质 |
+| 🧠 逻辑演绎 | 数理逻辑、证明论 | 命题逻辑、谓词逻辑、推理规则 |
+| 🌉 建模思想 | 应用数学、统计 | 方程建模、量纲分析、验证 |
+| ⚖️ 优化思想 | 最优化、运筹学 | 凸优化、KKT、动态规划 |
+| 🎲 概率与统计 | 概率论、数理统计 | 随机变量、假设检验、回归分析 |
+| 🔄 变换思想 | 分析学、生成函数 | 傅里叶、拉普拉斯、代数变换 |
+| ⚛️ 对称与不变性 | 群论、几何 | 群作用、不变量、商空间 |
+| 📈 归纳与类比 | 初等数学、数论 | 归纳证明、类比推理、模式识别 |
+| 🖥️ 算法与计算思想 | 计算理论、离散数学 | 复杂度、可计算性、算法范式 |
+| 📡 信息论思想 | 信息论、统计学习 | 熵、互信息、编码极限 |
+| 🎯 博弈论思想 | 数理经济学、机制设计 | 纳什均衡、激励相容、最优策略 |
+| 🔗 因果推断思想 | 因果推断、统计学 | DAG、do-演算、干预分析 |
+| 🌀 拓扑思想 | 拓扑学、代数拓扑 | 同伦、同调、拓扑不变量 |
+| 🧮 离散与组合思想 | 组合数学、图论 | 鸽巢原理、生成函数、枚举 |
+
+## 七、如何选择思想武器
+
+面对一个问题时，最重要的第一步不是”用力分析”，而是”选对工具”。以下是选择指南：
+
+### 快速选择指南
+
+| 问题核心特征 | 最可能适合的思想武器 |
+|-------------|-------------------|
+| 多方互动，我的最优取决于他人 | 🎯 博弈论 |
+| 不确定性/随机性 | 🎲 概率与统计 |
+| 在限制下做最优选择 | ⚖️ 优化 |
+| 当前视角下难以处理 | 🔄 变换 |
+| 需要提取本质结构 | 🧩 抽象化 |
+| 需要严格推理验证 | 🧠 逻辑演绎 |
+| 需要从经验中发现规律 | 📈 归纳与类比 |
+| 需要构建模型预测 | 🌉 建模 |
+| 变化中的不变性 | ⚛️ 对称与不变性 |
+| 需要可执行步骤 | 🖥️ 算法与计算 |
+| 有限对象的计数/结构 | 🧮 离散与组合 |
+
+### 使用激活器
+
+如果不确定该用哪个工具，直接使用 `/ask` 命令调用 math-research-activator，它会诊断问题、映射现代数学结构、推荐 1–3 个最合适的思想武器并做 GPU 可行性筛选。工作区出现算法 / kernel / 模型代码时，激活器也会自动介入。
+
+### 路径
+
+v2 已移除「科研 / 生活双路径」，统一为单一研究 / 算法路径：保留完整数学符号与推导，并在用于算法 / 算子设计时强制过 GPU 八维门。
+
+## 八、如何使用本概述
+
+- 先从问题特征出发：判断它是”结构性””动态性””随机性””交互性”还是”可数性”。
+- 对照快速选择指南或使用 `/ask` 命令，找到最贴近的思想武器。
+- 结合”知识体系层次结构”，判断当前问题更适合基础思路还是前沿方法。
+- 若问题横跨多个类别，可同时调用多个思想武器，例如"建模+优化"、"概率+因果"、"抽象+算法"。
+- 算法 / 算子设计问题可让激活器把现代数学结构（代数几何 / 李理论 / 拓扑等）迁移进来，并过 GPU 八维门。
+- 在学习或阅读文献时，把本概述作为归纳框架，将零散概念归入统一的知识地图。

package/package.json

@@ -1,60 +1,72 @@
-{
-  "name": "math-skill",
-  "version": "1.0.0",
-  "description": "数学思想武器：将数学思维应用到科研和生活中。Mathematical Thinking Weapons: Apply Mathematical Thinking to Research and Daily Life.",
-  "keywords": [
-    "math",
-    "mathematics",
-    "thinking",
-    "skill",
-    "claude",
-    "cursor",
-    "ai",
-    "axiomatization",
-    "abstraction",
-    "logic",
-    "modeling",
-    "optimization",
-    "probability",
-    "transformation",
-    "symmetry",
-    "induction",
-    "algorithm",
-    "information-theory",
-    "game-theory",
-    "causal-inference",
-    "topology",
-    "combinatorics",
-    "discrete-math",
-    "meta-selector",
-    "ask",
-    "weapon-selector",
-    "tool-selection"
-  ],
-  "license": "MIT",
-  "author": "the-thinker0",
-  "repository": {
-    "type": "git",
-    "url": "https://github.com/the-thinker0/math-skill.git"
-  },
-  "homepage": "https://github.com/the-thinker0/math-skill#readme",
-  "bugs": {
-    "url": "https://github.com/the-thinker0/math-skill/issues"
-  },
-  "files": [
-    "README.md",
-    "LICENSE",
-    "commands/",
-    "skills/",
-    "agents/",
-    "knowledge-base/",
-    "docs/"
-  ],
-  "scripts": {
-    "validate": "bash tests/validate.sh || powershell -ExecutionPolicy Bypass -File tests/validate.ps1",
-    "validate:sh": "bash tests/validate.sh",
-    "validate:win": "powershell -ExecutionPolicy Bypass -File tests/validate.ps1",
-    "pack": "npm pack",
-    "prepublishOnly": "npm run validate"
-  }
+{
+  "name": "math-skill",
+  "version": "2.0.1",
+  "description": "数学思想武器 v2：自动触发的现代数学能力激活器，把代数几何/微分几何/李理论等现代数学激活到算法与 GPU 协同设计研究中——既在 math 上 beautiful，又 GPU friendly。Mathematical Thinking Weapons v2: an auto-triggered activator that brings modern mathematics (algebraic geometry, differential geometry, Lie theory, …) into algorithm & GPU co-design research — beautiful in math, friendly to GPUs.",
+  "keywords": [
+    "math",
+    "mathematics",
+    "thinking",
+    "skill",
+    "claude",
+    "cursor",
+    "ai",
+    "axiomatization",
+    "abstraction",
+    "logic",
+    "modeling",
+    "optimization",
+    "probability",
+    "transformation",
+    "symmetry",
+    "induction",
+    "algorithm",
+    "information-theory",
+    "game-theory",
+    "causal-inference",
+    "topology",
+    "combinatorics",
+    "discrete-math",
+    "math-research-activator",
+    "ask",
+    "tool-selection",
+    "algebraic-geometry",
+    "differential-geometry",
+    "lie-theory",
+    "manifolds",
+    "category-theory",
+    "matrix-analysis",
+    "gpu",
+    "tensor-core",
+    "gpu-friendly",
+    "agentic-workflow",
+    "auto-trigger",
+    "co-design",
+    "research"
+  ],
+  "license": "MIT",
+  "author": "the-thinker0",
+  "repository": {
+    "type": "git",
+    "url": "https://github.com/the-thinker0/math-skill.git"
+  },
+  "homepage": "https://github.com/the-thinker0/math-skill#readme",
+  "bugs": {
+    "url": "https://github.com/the-thinker0/math-skill/issues"
+  },
+  "files": [
+    "README.md",
+    "LICENSE",
+    "commands/",
+    "skills/",
+    "agents/",
+    "knowledge-base/",
+    "references/"
+  ],
+  "scripts": {
+    "validate": "bash tests/validate.sh || powershell -ExecutionPolicy Bypass -File tests/validate.ps1",
+    "validate:sh": "bash tests/validate.sh",
+    "validate:win": "powershell -ExecutionPolicy Bypass -File tests/validate.ps1",
+    "pack": "npm pack",
+    "prepublishOnly": "npm run validate"
+  }
 }

package/references/agentic-workflow.md

@@ -0,0 +1,53 @@
+# Agentic 研究工作方式 / Human-in-the-Agent-Loop
+
+> 提炼自一线 auto-research 实践（Infra / 算法 / 芯片 Co-design）。它定义本 skill 期望的**协作思维方式**：人做什么、Agent 做什么、用什么循环把"激发数学能力"落地。
+> activator 在工作时引用本文件。This file defines the collaboration style the skill expects.
+
+## 核心信条 / Creed
+
+1. **这一次 AI 革命的数学基础，是 20 世纪数学第一次登上商用计算舞台**——范畴论、代数拓扑、代数几何。当前主流算法的数学基础大多还停留在 1800–1900 年代的微积分/线性代数。把现代数学激活进算法设计，是算法探索阶段最重要的事。
+2. **谦卑**：模型预训练阶段的知识在广度上已超越任何个人。**更多是从模型里学知识，而不是教模型做事**。放下"教模型"的偏见，结果通常更好。
+3. **数学美 ≠ 可算**：很多数学上很美的东西，遇到 GPU 并行与低精度误差就不能用。任何产出都要过 `gpu-friendly-math.md` 的验收门。
+
+## 分工 / Division of Labor
+
+**人负责（人类擅长、且最有价值的部分）：**
+- **跨领域激活**：把一个领域的结构迁移到另一个领域。模型内部已有足够知识，但"没有人去激活它就很难被开发出来"。例：用代数几何观点研究模型结构；历史上纤维丛与规范场的对应——结构本就在那里，只差一次跨域激活。
+- **不把主观偏见写死**：规则加得越多，越会限制模型探索更多可能。要好结果，**别把人的主观意愿硬塞进去**。
+- **用模型扩大认知 context**：人脑同时手工比较的可变因子最多 2–3 个，模型的长上下文能同时权衡很多。借模型扩大个人认知的 context，是 agentic 开发的核心原则。
+- **选方向、定验收门**：决定探索哪条路、用什么标准验收。
+
+**Agent 负责（模型擅长的部分）：**
+- **大上下文搜索与枚举**：枚举大量候选结构、并行比较多参数组合。
+- **验证**：检验数学正确性 + GPU 可行性。
+- **构建并执行 testplan**：把研究任务写成 markdown 表格追踪，自主新增 case、编译纠错、失败重试。
+
+## 工作循环 / The Activation Loop
+
+> activator 的 `诊断 → 映射 → GPU 筛选` 主流程就是这个循环的浓缩。
+
+1. **诊断**：问题的算法结构 / 瓶颈是什么？（不要一上来堆数学科普。）
+2. **跨域激活**：用 `books/*.md` 扫描可迁移的现代数学结构，**枚举多个候选**（发挥模型大上下文优势）。
+3. **双验收门**：每个候选过两关——① 数学正确（可微、自洽、有保证）；② GPU 可行（`gpu-friendly-math.md` 八维）。
+4. **迭代追踪**：用 markdown testplan 记录候选、评分、状态，逐步收敛。
+
+## markdown testplan 模板 / Tracking Template
+
+把研究任务写进一张可被 Agent 持续更新的表：
+
+```markdown
+| 候选结构 | 数学正确性 | GPU 八维 | 复杂度 | 状态 | 备注/下一步 |
+|---------|-----------|---------|-------|------|-----------|
+| 热带门控替代 TopK | ✅ 可微松弛 | 1✅2❌3✅… | 亚二次(逐token) | 验证中 | 对比 SWA 基线 |
+| …            |           |         |       | 待办 |           |
+```
+
+Agent 负责追踪执行并更新此表；人负责读表、调方向。
+
+## 原则清单 / Operating Principles
+
+- **先诊断，再映射，最后筛选**——不做大段数学科普，直奔结构映射与 GPU 可行性。
+- **保留探索自由**：少加硬规则，给模型留出探索空间。
+- **人要"懒"**：把琐碎工作全交给 Agent，人只做跨域激活与方向判断。
+- **渐进式披露**：方法论层、GPU 清单、书籍层都按需加载，常驻只留最短的触发与诊断逻辑，省 token。
+- **不要一来就造一堆 skill / 规则**：模型本身已有很多能力，先用足，再补结构。