math-skill 1.0.0 → 2.0.1

package/skills/abstraction/SKILL.md

@@ -1,264 +1,119 @@
----
-name: abstraction
-description: |
-  科研模式触发：需要从复杂问题中提取数学结构、发现不同领域的共性、构建通用理论时调用。
-  生活模式触发：需要简化复杂问题、透过表象看本质、在不同生活情境中发现共同规律时调用。
-  English — Research mode: Trigger when needing to extract mathematical structures from complex problems, discover commonalities across different domains, or build general theories.
-  English — Life mode: Trigger when needing to simplify complex problems, see through surface phenomena to essence, or find patterns across different life situations.
----
-
-# 🧩 抽象化思想
-
-> "数学的力量在于抽象：忽略偶然细节，揭示必然结构。"
-> "The power of mathematics lies in abstraction: ignoring contingent details to reveal necessary structures."
->
-> —— 代数学、拓扑学、范畴论
-> —— Algebra, Topology, Category Theory
-
-## 核心原则 / Core Principle
-
-**抽象不是远离现实，而是深入现实——通过忽略表面的、偶然的细节，揭示深层的、本质的结构。不同领域的问题往往共享相同的抽象结构。**
-
-**Abstraction is not moving away from reality, but going deeper into it—by stripping away superficial, contingent details, we reveal deep, essential structures. Problems in different domains often share the same abstract structure.**
-
-抽象的三个层次，从低到高依次递进：
-
-### 提炼 / Extraction
-
-**从多个具体实例中识别共同结构。** 若若干实例共享一组性质，则将这组性质提炼为一个新的抽象概念。
-
-- 例：旋转对称群、整数加法群、矩阵乘法群各自拥有封闭性、结合律、单位元、逆元——提炼出"群"（group）的概念
-- 例：收敛数列与连续函数共享"极限存在"的结构——提炼出"完备性"（completeness）的概念
-- 操作要点：逐一检查每个实例，列出其性质，取交集即为提炼结果；须验证交集非空且蕴含实质内容
-
-### 推广 / Generalization
-
-**将定理从特定情形扩展到更一般的框架。** 若结论在特殊条件下成立，检验其是否在更宽泛的条件下仍成立——若成立，则推广。
-
-- 例：R² 中的勾股定理 a²+b²=c² 推广为内积空间中 v⊥w 时 ||v+w||²=||v||²+||w||²
-- 例：有限维向量空间的线性变换理论推广为自由模上的同态理论
-- 操作要点：识别定理依赖的最弱前提条件；将前提条件从具体（R²、有限维）放宽到一般（内积空间、自由模）；验证结论在新前提下仍然成立
-
-### 结构化 / Structurization
-
-**用结构语言重新表述整个问题域。** 不再只提炼单一概念或推广单一定理，而是将整个问题域重构为某种数学结构。
-
-- 例："关于集合与双射的问题"重新表述为"集合范畴 Set 的对象与态射"——从此可用函子、自然变换、Yoneda 引理等工具
-- 例："关于代数方程的根"重新表述为"域扩张的 Galois 理论"——从此可用群论分析对称性
-- 操作要点：选择合适的结构语言（范畴、代数、拓扑）；定义对象与关系；验证原问题的全部要素在新语言中有对应物
-
-> 提炼→推广→结构化是递进关系：提炼为推广提供概念基础，推广为结构化提供定理储备。何时从一层跃升到下一层，见方法流程第七步。
-
-> **数学形式化**（科研模式参考）
->
-> 范畴论视角的形式基础：对象 (objects) 与态射 (morphisms / Hom objects) 构成范畴 **C**；函子 (functors) **F, G : C → D** 保持结构；自然变换 (natural transformations) **η : F ⇒ G** 联系函子；Yoneda 引理断言 **Hom(Hom(−, A), F) ≅ F(A)**，即一个对象由所有指向它的态射完全确定。
->
-> 代数视角的形式基础：群公理 (closure, associativity, identity, inverse)；环公理 (加法群 + 乘法半群 + 分配律)；域公理 (环 + 乘法可逆)；模 (module) = 环上的向量空间；格 (lattice) = 偏序集 + 交与并运算。
-
-## 不适用场景 / When NOT to Use
-
-- **每个细节都至关重要**（如调试一个具体 bug）——抽象会丢失关键信息 `[科研/通用]`
-  **Every detail is crucial** (e.g., debugging a specific bug)—abstraction loses key information
-- **需要具体数值答案**（如"这个积分等于多少"）——抽象不提供具体计算 `[科研]`
-  **Need concrete numerical answers** (e.g., "what does this integral equal")—abstraction doesn't compute
-- **问题本身已经是最简形式**——无需进一步抽象 `[科研/通用/生活]`
-  **The problem is already in its simplest form**—no further abstraction needed
-- **情感或人际问题需要具体共情**——抽象会抹掉个体差异 `[生活]`
-  **Emotional or interpersonal problems require specific empathy**—abstraction erases individual differences
-
-## 何时使用 / When to Use
-
-### 科研触发条件 / Research Triggers
-
-- 面对一个复杂问题，不知从哪里入手——先抽象出核心结构
-  Facing a complex problem with no clear starting point—abstract out the core structure first
-- 发现两个看似不同的问题有相似之处——寻找共同的抽象框架
-  Two seemingly different problems exhibit similarities—find a common abstract framework
-- 需要将具体经验推广为一般规律
-  Need to generalize concrete experience into general laws
-- 建立跨领域的通用模型或理论
-  Building cross-domain general models or theories
-
-### 生活触发条件 / Life Triggers
-
-- 面对一个复杂的生活问题，被细节淹没，不知从哪里入手——先提炼核心
-  Facing a complex life problem, overwhelmed by details—extract the core first
-- 不同情境反复出现相似的问题——寻找共同的规律
-  Similar problems keep recurring in different situations—find the common pattern
-- 需要从一次经验中提炼可迁移的教训
-  Need to distill transferable lessons from a single experience
-- 试图看透表象，理解事物的本质
-  Attempting to see through appearances and understand the essence
-
-## 方法流程 / Method
-
-### 第一步：描述具体问题 / Describe the Concrete Problem
-
-**共通要点**：完整理解问题的所有细节。在抽象之前，必须充分了解具体对象。
-
-> "抽象始于具体。" —— 马克思主义认识论（与数学抽象精神相通）
-> "Abstraction begins with concreteness."
-
-**科研模式**：用数学语言精确描述问题的所有要素——对象、关系、约束、目标。
-
-**生活模式**：用原问题的语言完整描述——不急于简化，先把问题说清楚。
-
-### 第二步：区分本质与非本质特征 / Distinguish Essential from Non-Essential Features
-
-**共通要点**：逐项检查每个特征——如果改变该特征，问题的核心是否改变？
-
-**科研模式**：逐项检查每个特征：如果改变该特征，问题的核心结构是否改变？
-- **本质特征**：改变后问题性质发生根本变化——必须保留
-- **非本质特征**：改变后问题结构保持不变——可以忽略
-
-例：研究矩阵的可逆性时，矩阵的具体数值是非本质的（相似变换下不变），而秩是本质的。
-
-**生活模式**：哪些细节真的影响结果，哪些只是噪音？——逐项检查：如果去掉这个细节，问题的核心是否改变？
-- 去掉这个细节后，如果问题还是同一个问题——那就是噪音
-- 去掉这个细节后，如果问题变了——那就是核心
-
-### 第三步：提取抽象结构 / Extract the Abstract Structure
-
-**共通要点**：根据第二步识别出的本质特征，选择合适的视角来审视问题的结构。
-
-**科研模式**：根据本质特征，从四个数学视角中选择最匹配的，执行该视角的具体操作步骤：
-
-**范畴论视角 / Category Theory Lens**（关注对象之间的关系）
-1. 识别问题中的"对象"和"对象之间的映射/关系"
-2. 检查映射是否可复合、是否有恒等映射——若满足，则构成范畴
-3. 进一步检查：是否存在函子将此范畴映射到已知范畴？是否存在自然变换联系不同函子？
-
-**代数视角 / Algebra Lens**（关注运算与公理）
-1. 识别问题中的"运算"及其性质（封闭性、结合律、交换律、分配律等）
-2. 对照已知代数结构（群、环、域、模、格……）匹配公理
-3. 确定最匹配的代数结构——若匹配群的公理，则可用群论的全部工具
-
-**拓扑视角 / Topology Lens**（关注连续性与连通性）
-1. 识别问题中的"连续变化"、"邻近性"、"连通/分离"
-2. 构造或识别开集结构，检查是否满足拓扑公理
-3. 识别拓扑不变量（连通性、紧致性、基本群……）作为问题中的本质特征
-
-**分析视角 / Analysis Lens**（关注度量与范数）
-1. 识别问题中的"距离"、"大小"、"收敛"
-2. 检查度量/范数公理是否满足
-3. 确定完备性、有界性等分析性质，调用对应定理（如 Banach 空间理论）
-
-**生活模式**：选择看问题的角度——
-
-1. **关系视角**：谁和谁有关，关系是什么
-   Who is related to whom, and how
-2. **规律视角**：有什么不变的规则
-   What rules stay the same no matter what changes
-3. **连通视角**：什么连着什么，哪里断了
-   What is connected to what, and where the connections break
-4. **大小视角**：什么大什么小，多少够多少不够
-   What is bigger or smaller, how much is enough or not enough
-
-### 第四步：在抽象层级求解 / Solve at the Abstract Level
-
-**共通要点**：利用抽象结构已有的理论或经验来解决问题。
-
-**科研模式**：利用抽象结构已有的理论来解决问题。两个关键工具：
-
-**通用构造 / Universal Constructions**
-- **积（Product）**：将多个对象合并为一个，使其态射统一投影到各分量——如笛卡尔积是集合范畴中的积
-- **余积（Coproduct）**：将多个对象合并为一个，使各分量有统一嵌入态射——如不交并是集合范畴中的余积
-- **极限/余极限（Limit/Colimit）**：更一般的通用构造，统一处理兼容性条件下的合并与粘合
-
-**Yoneda 引理洞察 / Yoneda Lemma Insight**
-- 核心命题：一个对象由所有指向它的态射（或从它出发的态射）完全确定
-- 操作含义：若要理解对象 X，不必直接分析 X 的内部结构；考察所有 Hom(A, X) 或 Hom(X, A) 即可
-- 应用实例：证明两个对象同构，只需证明它们在所有测试对象上的态射行为一致
-
-**生活模式**：用提炼出的核心结构解决问题——如果核心结构和别人已解决的问题相同，直接借用解决方案。
-
-If the core structure matches a problem someone has already solved, borrow their solution directly.
-
-### 第五步：具体化回原问题 / Concretize Back to the Original Problem
-
-**共通要点**：将抽象层面的解翻译回原问题的语言。
-
-> "抽象之后必须回到具体，否则抽象就失去了意义。"
-> "After abstraction, one must return to concreteness; otherwise abstraction loses its meaning."
-
-**科研模式**：将抽象解中的每个要素精确翻译回原问题的数学语言，确保每一步都有对应。
-
-**生活模式**：把抽象层面的领悟翻译回原问题的场景——用原问题的语言重新表述解决方案。
-
-### 第六步：验证 / Verify
-
-**共通要点**：检查抽象过程中是否丢失了关键信息：
-- 原问题的答案是否在抽象解中有明确对应？
-- 抽象解翻译回具体后，是否确实解决了原问题？
-- 是否有本质特征在抽象时被意外忽略？
-
-**科研模式 / 生活模式**：验证标准相同——往返过程中关键信息是否完整保留。
-
-### 第七步：层级递进 / Level Progression
-
-**共通要点**：从提炼→推广→结构化逐步递进，不可操之过急。
-
-**科研模式**：每层的跃升标准：
-- **从提炼到推广的跃升**：当提炼出的概念已在多个实例中验证，且定理的自然延伸在更宽泛条件下似乎成立时——推广
-- **从推广到结构化的跃升**：当推广的定理数量积累到足以支撑一个自洽的理论体系，且不同推广之间存在系统性联系时——结构化
-- **不可跃升**：若提炼的概念尚未在足够多的实例中验证，则不宜贸然推广；若推广的定理尚零散不成体系，则不宜贸然结构化
-
-**生活模式**：从"看到共性"→"推广规律"→"重构框架"逐步递进——每层跃升需要足够的积累，不可操之过急。
-
-Progress from "seeing commonalities" → "generalizing patterns" → "restructuring frameworks"—each leap requires sufficient accumulation; do not rush.
-
-## 常见错误 / Common Errors
-
-| 错误 / Error | 批评 / Critique | 正确做法 / Correct Approach | 标签 |
-|-------------|-------------------------------|---------------------------|------|
-| 过度抽象 / Over-abstraction | 把本质细节也抽象掉了，问题被扭曲；如同丢掉了群的逆元公理，只剩半群 | 每次抽象后检查：原问题的关键信息是否保留？ | `[科研/通用]` |
-| 抽象不足 / Under-abstraction | 保留了太多非本质细节，没有达到简化目的 | 反复问：这个细节真的必要吗？ | `[科研/通用]` |
-| 抽象到错误层级 / Wrong abstraction level | 过度：用范畴论处理只需群论即可的问题；不足：仅用集合论处理本有群结构的问题 | 选择与问题复杂度匹配的抽象层级 | `[科研]` |
-| 忘记函子视角 / Missing functorial perspective | 仅看对象内部结构而忽略态射，丢失一半信息 | 同时考察 Hom(A,X) 和 Hom(X,A) | `[科研]` |
-| 忘记回到具体 / Forgetting concretization | 停留在抽象层面，没有翻译回原问题 | 抽象完成后必须具体化回原问题 | `[科研/通用/生活]` |
-| 把抽象当逃避 / Abstraction as escapism | 用抽象来逃避困难的具体分析 | 抽象是工具，不是避难所 | `[科研/通用/生活]` |
-| 过度简化丢掉关键信息 / Over-simplification losing key info | 生活模式中把真正重要的细节也当作噪音丢掉了 | 去掉每个细节前都要检验：去掉后核心是否改变 | `[生活]` |
-| 停留在抽象层面不回到现实 / Staying abstract without returning to reality | 提炼出"规律"却不回到具体情境去检验和应用 | 必须把领悟翻译回现实场景 | `[生活]` |
-| 用抽象来逃避具体困难 / Using abstraction to escape concrete difficulties | 遇到棘手的具体问题时，用"本质就是这样"来回避深入分析 | 抽象是为了更好地解决具体问题，不是为了回避 | `[生活]` |
-
-## 操作规程 / Operating Procedure
-
-当本 skill 被触发时，首先判定模式：
-
-- **科研模式**：问题涉及数学结构、跨领域理论建构、形式化推理
-- **生活模式**：问题涉及日常生活的简化、规律发现、本质洞察
-- 若无法判定，默认生活模式
-
----
-
-### 科研模式输出格式 / Research Mode Output Format
-
-1. **[问题描述]:[具体]** — 用数学语言精确描述问题的所有要素
-2. **[本质/非本质]:[区分]** — 列出本质特征与非本质特征，逐项标注改变后是否影响核心结构
-3. **[视角选择]:[四选一]** — 从范畴论/代数/拓扑/分析四个视角中选择最匹配的，执行该视角的操作步骤
-4. **[抽象求解]:[构造]** — 利用通用构造或 Yoneda 引理视角，在抽象层级给出解法方向
-5. **[具体化]:[翻译]** — 将抽象解精确翻译回原问题的数学语言
-6. **[验证]:[检查]** — 往返过程中关键信息是否完整保留
-7. **[层级判定]:[递进]** — 标注当前处于提炼/推广/结构化哪一层，评估是否应跃升到下一层
-
-**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。每项必须明确标注，缺一不可。**
-
-### 生活模式输出格式 / Life Mode Output Format
-
-1. **[问题描述]:[具体]** — 用原问题的语言完整描述
-2. **[核心/噪音]:[区分]** — 哪些细节真正影响结果，哪些只是噪音
-3. **[核心结构]:[提炼]** — 问题的本质是什么
-4. **[借用方案]:[寻找]** — 有没有类似的核心结构已有解决方案
-5. **[回到现实]:[翻译]** — 把解决方案翻译回原问题的语言
-6. **[验证]:[检查]** — 往返过程中关键信息是否完整保留
-
-**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。每项必须明确标注，缺一不可。**
-
-## 与其他 skill 的关系 / Relations to Other Skills
-
-- **公理化思想**：抽象化是公理化的前置步骤——先抽象出本质，再选择公理
-- **建模思想**：建模是抽象化的具体应用——把现实问题抽象为数学问题
-- **变换思想**：变换也可以看作一种抽象——在新的表示中寻找简单结构
-- **归纳与类比**：类比本质上就是识别两个不同领域的共同抽象结构
-- **拓扑思想**：拓扑抽象关注连续性与连通性，是抽象化在空间问题中的具体形态
-- **算法思想**：算法抽象关注计算过程的结构，将具体实现抽象为算法模式与复杂度类
+---
+name: abstraction
+description: |
+  触发：需要从复杂问题中提取数学结构、发现不同领域共性、构建通用理论；或为算法/算子设计寻找可迁移的抽象结构（范畴/代数/拓扑）时调用。
+  English: Trigger when extracting mathematical structures from complex problems, discovering cross-domain commonalities, building general theories; or finding transferable abstract structures (category/algebra/topology) for algorithm/operator design.
+---
+
+# 🧩 抽象化思想 / Abstraction
+
+> "数学的力量在于抽象：忽略偶然细节，揭示必然结构。"
+> "The power of mathematics lies in abstraction: ignoring contingent details to reveal necessary structures."
+>
+> —— 代数学、拓扑学、范畴论 / Algebra, Topology, Category Theory
+
+## 核心原则 / Core Principle
+
+**抽象不是远离现实，而是深入现实——通过忽略表面的、偶然的细节，揭示深层的、本质的结构。不同领域的问题往往共享相同的抽象结构。** 在本技能包的语境里，抽象化是「跨领域激活」的核心操作：把代数几何/拓扑的结构迁移到算法设计，靠的就是识别两者共享的抽象结构。
+
+抽象的三个层次（递进）：**提炼**（从多实例识别共同结构）→ **推广**（定理从特殊扩展到一般）→ **结构化**（用结构语言重构整个问题域）。
+
+> **数学形式化 / Mathematical Formalization**
+>
+> 范畴论视角：对象与态射构成范畴 **C**；函子 **F, G : C → D** 保持结构；自然变换 **η : F ⇒ G** 联系函子；**Yoneda 引理**：Hom(Hom(−, A), F) ≅ F(A)，即一个对象由所有指向它的态射完全确定。
+>
+> 代数视角：群（closure, associativity, identity, inverse）；环（加法群+乘法半群+分配律）；域（环+乘法可逆）；模（环上的向量空间）；格（偏序集+交与并）。
+
+## GPU 友好性 / GPU-Friendliness（横切检查）
+
+抽象结构能否落地 GPU，取决于其「具体化」后的计算形态——过 `../../references/gpu-friendly-math.md` 八维：
+
+- **范畴/代数结构 → GEMM**：若抽象结构可具体化为线性映射（如限制映射、群表示），则天然落到 Tensor Core GEMM（友好）。
+- **通用构造（积/余积/极限）**：若物化为大中间张量则显存爆炸（不友好）→ 改造为分块/流式或低秩近似。
+- **Yoneda 视角**：用 Hom 行为代替内部结构——若 Hom 集本身巨大则不可算；只在 Hom 可批量张量化时友好。
+- **反模式**：把一个本质离散/符号的抽象（如一般上同调的精确计算）硬塞进训练，往往"美但不可算"。
+
+八维最低判定（正式术语）：**张量化**看抽象对象能否具体化为批量张量；**GEMM 可映射**看态射/表示/限制映射能否落线性映射；**复杂度**看抽象层是否引入超线性全局构造；**显存与 KV-Cache**看是否物化积/极限/Hom 大表；**低精度稳定**看具体化后是否依赖病态求逆或精确符号等式；**并行与通信**看构造是否局部可分块；**稀疏结构**看是否为块/带状结构而非随机访存；**算子融合**看抽象接口能否收敛为少量 fused kernels。
+
+> 配合 `../../references/books/algebraic-geometry-rising-sea.md`、`abstract-algebra.md`、`smooth-manifolds.md`。
+
+## 不适用场景 / When NOT to Use
+
+- **每个细节都至关重要**（如调试一个具体 bug）——抽象会丢失关键信息。
+- **需要具体数值答案**（如"这个积分等于多少"）——抽象不提供具体计算。
+- **问题本身已是最简形式**——无需进一步抽象。
+
+## 何时使用 / When to Use
+
+- 面对复杂问题不知从何入手——先抽象出核心结构。
+- 两个看似不同的问题有相似之处——寻找共同抽象框架。
+- 需要将具体经验推广为一般规律，或建立跨领域通用模型/理论。
+- **把现代数学结构迁移到算法/算子设计**——识别问题与代数几何/拓扑/李理论共享的抽象结构。
+
+## 方法流程 / Method
+
+### 第一步：描述具体问题 / Describe the Concrete Problem
+用数学语言精确描述问题的所有要素——对象、关系、约束、目标。抽象始于具体：在抽象前必须充分了解具体对象。
+
+### 第二步：区分本质与非本质特征 / Distinguish Essential from Non-Essential
+逐项检查每个特征：若改变该特征，问题的核心结构是否改变？**本质特征**（改变后问题性质根本变化）必须保留；**非本质特征**（改变后结构不变）可忽略。例：研究矩阵可逆性时，具体数值非本质（相似变换下不变），而秩是本质的。
+
+### 第三步：提取抽象结构 / Extract the Abstract Structure
+从四个数学视角选最匹配的，执行其操作：
+
+- **范畴论视角**（关注对象间关系）：识别"对象"与"映射/关系"；检查映射可复合、有恒等→构成范畴；进一步看是否存在函子映到已知范畴、自然变换联系不同函子。
+- **代数视角**（关注运算与公理）：识别"运算"及其性质（封闭/结合/交换/分配）；对照群/环/域/模/格匹配公理；确定最匹配结构。
+- **拓扑视角**（关注连续与连通）：识别"连续变化/邻近/连通-分离"；构造开集结构验证拓扑公理；识别拓扑不变量（连通/紧致/基本群）。
+- **分析视角**（关注度量与范数）：识别"距离/大小/收敛"；验证度量/范数公理；确定完备/有界等性质，调用对应定理（如 Banach 空间理论）。
+
+### 第四步：在抽象层级求解 / Solve at the Abstract Level
+利用抽象结构已有理论求解。关键工具：
+- **通用构造**：积（统一投影）、余积（统一嵌入）、极限/余极限（兼容条件下合并与粘合）。
+- **Yoneda 引理洞察**：对象由所有指向它的态射完全确定；要理解 X，考察 Hom(A,X)/Hom(X,A) 即可；证明两对象同构只需证其态射行为一致。
+
+### 第五步：具体化回原问题 / Concretize Back
+将抽象解中每个要素精确翻译回原问题的数学语言，确保每步有对应。抽象之后必须回到具体，否则抽象失去意义。
+
+### 第六步：验证 / Verify
+往返过程中关键信息是否完整保留？原问题答案是否在抽象解中有明确对应？翻译回具体后是否确实解决原问题？是否有本质特征被意外忽略？
+
+### 第七步：层级递进 / Level Progression
+- **提炼→推广**：当提炼出的概念已在多实例验证、定理自然延伸在更宽条件下似成立时→推广。
+- **推广→结构化**：当推广定理积累到支撑自洽体系、不同推广间有系统联系时→结构化。
+- **不可跃升**：提炼概念未在足够实例验证则不贸然推广；推广定理零散不成体系则不贸然结构化。
+
+## 常见错误 / Common Errors
+
+| 错误 / Error | 批评 / Critique | 正确做法 / Correct Approach |
+|-------------|----------------|---------------------------|
+| 过度抽象 | 把本质细节也抽象掉，问题被扭曲（如丢掉群的逆元只剩半群） | 每次抽象后检查关键信息是否保留 |
+| 抽象不足 | 保留太多非本质细节，未达简化目的 | 反复问：这个细节真的必要吗 |
+| 抽象到错误层级 | 用范畴论处理只需群论的问题；或仅用集合论处理本有群结构的问题 | 选与问题复杂度匹配的层级 |
+| 忘记函子视角 | 仅看对象内部结构忽略态射，丢失一半信息 | 同时考察 Hom(A,X) 和 Hom(X,A) |
+| 忘记回到具体 | 停在抽象层面不翻译回原问题 | 抽象完成后必须具体化 |
+| 抽象结构不可算 | 把本质离散/符号的抽象硬塞进 GPU 训练 | 具体化后过 GPU 八维门，不可算则改造或放弃 |
+
+## 操作规程 / Operating Procedure
+
+当本 skill 被触发时，输出必须包含：
+
+1. **[问题描述]:[具体]** — 用数学语言精确描述问题所有要素
+2. **[本质/非本质]:[区分]** — 列出本质与非本质特征，逐项标注改变后是否影响核心结构
+3. **[视角选择]:[四选一]** — 从范畴论/代数/拓扑/分析中选最匹配的，执行其操作步骤
+4. **[抽象求解]:[构造]** — 利用通用构造或 Yoneda 视角，在抽象层级给出解法方向
+5. **[具体化]:[翻译]** — 将抽象解精确翻译回原问题数学语言
+6. **[验证]:[检查]** — 往返过程中关键信息是否完整保留
+7. **[层级判定]:[递进]** — 标注当前处于提炼/推广/结构化哪一层，评估是否应跃升
+8. **[GPU 可行性]**（若用于算法/算子设计）— 抽象结构具体化后过八维门，标注友好/可改造/不友好
+
+**输出不得只给分析而无结论。**
+
+## 与其他 skill 的关系 / Relations to Other Skills
+
+- **公理化思想**：抽象化是公理化的前置——先抽象出本质，再选择公理。
+- **建模思想**：建模是抽象化的具体应用——把现实问题抽象为数学问题。
+- **变换思想**：变换可看作一种抽象——在新表示中寻找简单结构。
+- **归纳与类比**：类比本质就是识别两不同领域的共同抽象结构。
+- **拓扑思想**：拓扑抽象关注连续与连通，是抽象化在空间问题中的具体形态。
+- **算法思想**：算法抽象关注计算过程结构，将具体实现抽象为算法模式与复杂度类。
+- **现代数学激活**：`../../references/books/algebraic-geometry-rising-sea.md`（层/范畴→注意力）、`abstract-algebra.md`（群/半环→等变与路由）、`smooth-manifolds.md`（流形结构→隐空间几何）。