math-skill 1.0.0 → 2.1.0

package/skills/transformation/original-texts.en.md

@@ -0,0 +1,204 @@
+# Mathematical Sources and Classic Texts
+
+## Fourier Transform (1822)
+
+> "Any periodic function can be expressed as an infinite series of sine and cosine functions."
+
+Fourier series: f(x) = a₀/2 + Σ[aₙcos(nx) + bₙsin(nx)]
+
+Fourier transform: F(ω) = ∫f(t)e^(-iωt)dt
+
+**Core idea**: A complex signal in the time domain may be simple in the frequency domain. The power of the transform lies in changing the representation of the problem.
+
+**The magic of the transform**:
+- Convolution in the time domain = multiplication in the frequency domain
+- Differentiation in the time domain = multiplication (by iω) in the frequency domain
+- This allows differential equations to be converted into algebraic equations
+
+**Source**: Joseph Fourier, *Théorie analytique de la chaleur* (1822) — originally developed for heat conduction problems, its influence extends far beyond thermodynamics.
+
+## Fast Fourier Transform — Cooley-Tukey Algorithm (1965)
+
+> O(n log n) vs O(n²): Fourier transform went from theoretical tool to engineering reality.
+
+**Core idea**: Exploiting a divide-and-conquer strategy, the complexity of the discrete Fourier transform (DFT) is reduced from O(n²) to O(n log n). For n = 10⁶ data points, this yields a speedup of approximately 10⁶/log(10⁶) ≈ 50,000×.
+
+**Historical background**: Cooley & Tukey (1965) popularized the FFT, although the same idea can be traced back to Gauss (1805). It is widely regarded as the most important numerical algorithm of the 20th century.
+
+**Applications**: Signal processing, image compression (JPEG), spectral analysis, large-integer multiplication, numerical solution of partial differential equations.
+
+## Laplace Transform (1780s)
+
+> L{f(t)} = ∫₀^∞ f(t)e^(-st)dt
+
+**Core idea**: Convert differential equations into algebraic equations, solve them, and then apply the inverse transform to recover the solution. Compared with the Fourier transform, the Laplace transform can handle functions that do not converge (by introducing the convergence factor e^(-st)).
+
+**Source**: Laplace developed this transform in the 1780s for probability theory; it was later systematically applied to circuit analysis by Heaviside.
+
+## Wavelet Transform — Morlet (1980s), Daubechies (1988)
+
+> Fourier tells you "what frequencies exist"; wavelets also tell you "when they exist."
+
+**Core idea**: The Fourier transform has frequency resolution but no time resolution; the wavelet transform achieves time-frequency localization through scalable and translatable basis functions.
+
+**History**: Morlet (1982) introduced the continuous wavelet transform in seismic signal analysis; Daubechies (1988) constructed compactly supported orthogonal wavelet bases, making the discrete wavelet transform a practical reality.
+
+**Mathematical significance**: Wavelet bases are not a single family of trigonometric functions but are generated from a single mother wavelet ψ through scaling and translation: ψ_{a,b}(t) = |a|^(-1/2) ψ((t-b)/a). Multiresolution analysis (MRA) provides the unifying mathematical framework.
+
+## Legendre Transform
+
+> The duality transform in convex analysis: describes a convex function by its slopes instead of its values.
+
+f*(p) = sup_x [px - f(x)]
+
+**Core idea**: For a convex function, "function values" and "derivatives (slopes)" carry the same information — they are dual descriptions. This is a central instance of **duality** in mathematics.
+
+**Dual roles in physics**:
+- **Thermodynamics**: Entropy S ↔ Free energy F (dual via temperature T); Internal energy ↔ Gibbs energy
+- **Mechanics**: Lagrangian L(v,q) ↔ Hamiltonian H(p,q) (dual via v ↔ p)
+- **Optimization**: Primal problem ↔ Dual problem (Lagrangian duality)
+
+**Source**: Legendre (1787) introduced it in the context of minimal surface problems; it has since become a cornerstone of convex analysis and the calculus of variations.
+
+## Generating Functions — Euler (1748), Laplace
+
+> Encode a sequence as coefficients of a power series; convolution becomes multiplication.
+
+G(x) = Σ aₙxⁿ
+
+**Core idea**: An infinite sequence {a₀, a₁, a₂, ...} is compressed into a single function G(x). Recurrence relations of the sequence become differential equations of the function; the convolution of two sequences becomes the product of two functions.
+
+**Classical applications**:
+- **Combinatorial counting**: Euler used generating functions to solve the integer partition problem
+- **Probability theory**: Moment generating function M(t) = E[e^(tX)], characteristic function φ(t) = E[e^(itX)]
+- **Number theory**: The Riemann ζ function is essentially the generating function of the prime distribution
+- **Solving recurrences**: Fibonacci recurrence → generating function → closed-form solution
+
+**Source**: Euler, *Introductio in analysin infinitorum* (1748); Laplace made systematic use of generating functions in probability theory.
+
+## Conformal Mapping — Riemann Mapping Theorem (1851)
+
+> Any simply connected domain can be conformally mapped onto the unit disk.
+
+**Core idea**: Conformal mappings preserve angles and local shapes but may distort sizes and global shapes. Under a complex analytic function f(z), infinitesimal circles remain circles, merely scaled and rotated.
+
+**Mathematical foundation**: The Riemann mapping theorem (1851) — one of the most profound results in complex analysis — guarantees the existence of such a mapping.
+
+**Applications**:
+- **2D boundary value problems**: Map a complex boundary region to a simple region (disk / half-plane), solve there, and map back
+- **Fluid mechanics**: Classical solution method for potential flow problems
+- **Aerodynamics**: Airfoil design (Joukowski transform z → z + 1/z)
+- **Electrostatics**: Potential computation in complex geometries
+
+## Z-Transform — Discrete Counterpart of Laplace
+
+> X(z) = Σ x[n]z^(-n) — the Laplace transform for the sampled world.
+
+**Core idea**: The Laplace transform handles continuous-time signals s = σ + iω; the Z-transform handles discrete-time signals z = re^(iω). The two are related by setting z = e^(sT).
+
+**Central role in digital signal processing**:
+- System stability analysis: the unit circle |z| = 1 corresponds to the frequency axis; poles inside the circle = stable
+- Digital filter design: transfer functions of FIR / IIR filters are expressed directly in terms of the Z-transform
+- Difference equations → algebraic equations (exactly analogous to how the Laplace transform converts differential equations → algebraic equations)
+
+**History**: Introduced in 1947 by Hurewicz et al. in the context of sampled-data control systems; the name "Z-transform" was coined by Ragazzini & Zadeh (1952).
+
+## Plancherel Theorem / Parseval's Theorem — Transforms Preserve Information
+
+> ∫|f(t)|²dt = ∫|F(ω)|²dω — energy is conserved between time domain and frequency domain.
+
+**Core idea**: A good transform does not lose information — the total energy (the square of the L² norm) is exactly the same before and after the transform. This means the transform is an **isometry**.
+
+**Parseval's theorem** (1799): Fourier series form — Σ|aₙ|² + Σ|bₙ|² = (1/π)∫|f(x)|²dx
+
+**Plancherel theorem** (1910): Fourier transform form — ∫|f|² = ∫|F|², establishing the unitarity of the transform on L² space.
+
+**Philosophical implication**: Invertible transforms guarantee conservation of information — we can freely switch perspectives without losing anything. This is the mathematical foundation of "reversibility" in the theory of transforms.
+
+## Mellin Transform — Scaling Analysis
+
+> M{f}(s) = ∫₀^∞ f(t)t^(s-1)dt — the Fourier transform under scaling changes.
+
+**Core idea**: Substituting t = e^(-x), the Mellin transform becomes a Fourier transform. It is naturally dual to the **scaling** operation — scaling f(at) merely multiplies by a^(-s) in the Mellin domain.
+
+**Key applications**:
+- **Analytic number theory**: The Mellin transform representation of the Riemann ζ function is the bridge to the prime counting function
+- **Asymptotic analysis**: Mellin transform techniques can extract asymptotic expansions of functions (leading term + correction terms)
+- **Fractals and self-similarity**: Self-similar functions have particularly simple representations in Mellin space
+
+**Source**: Hjalmar Mellin (1904) developed it systematically; earlier roots can be traced to Euler's work on the ζ function.
+
+## Radon Transform (1917) — Mathematical Basis of CT Scanning
+
+> Integrate a function along lines to get "projections"; inverse transform reconstructs the original from projections.
+
+R{f}(θ, s) = ∫ f(x·nθ + tnθ⊥)dt (line integral along direction θ)
+
+**Core idea**: Projections of an object in all directions contain sufficient information to completely reconstruct the object. This is the mathematical foundation of **tomography**.
+
+**History and applications**:
+- **Radon** (1917): A pure mathematics paper proving the existence and uniqueness of the inverse transform
+- **Cormack** (1963-64): Independently rediscovered the result and applied it to medical imaging
+- **Hounsfield** (1971): Invented the CT scanner; Cormack and Hounsfield shared the 1979 Nobel Prize in Medicine
+- **Seismology**: Velocity reconstruction from reflection seismic data
+
+## Coordinate Transformation
+
+**Polar coordinates**: (x, y) → (r, θ), suited to problems with rotational symmetry
+**Spherical coordinates**: (x, y, z) → (r, θ, φ), suited to problems with spherical symmetry
+**Fourier space**: Time signal → frequency representation
+
+**Core idea**: Choosing the right coordinate system can turn a complex problem into a simple one.
+
+## Diagonalization (Linear Algebra)
+
+> For a diagonalizable matrix A, there exists an invertible matrix P such that P⁻¹AP = D (a diagonal matrix).
+
+**Core idea**: In the eigenvector basis, a linear transformation becomes as simple as possible — each coordinate direction is scaled independently.
+
+## Jordan Normal Form — Non-Diagonalizable Matrices
+
+> What if a matrix cannot be diagonalized? Jordan form is the closest thing to diagonal.
+
+A = PJP⁻¹, J = diag(J₁, J₂, ...), Jₖ = λₖI + Nₖ (λₖ is an eigenvalue, Nₖ is a nilpotent matrix)
+
+**Core idea**: When a matrix does not have enough independent eigenvectors (geometric multiplicity < algebraic multiplicity), Jordan blocks introduce "approximate eigenvectors" — chains of generalized eigenvectors. The nilpotent part Nₖ allows the behavior of iterates Aⁿ to be computed exactly.
+
+**Source**: Camille Jordan (1870), *Traité des substitutions et des équations algébriques*.
+
+**Applications**: Solutions of linear ODE systems (especially with repeated roots), computation of the matrix exponential e^(At), explicit solutions of linear recurrences.
+
+## Eigenvalue Theory & Spectral Theory — Mathematical Heart of Transformation
+
+> Eigenvalues are the "DNA" of a transformation — they determine its essential behavior.
+
+Av = λv
+
+**Spectral theorem** (Hilbert, 1909-1912): Self-adjoint operators have real spectra and can be spectrally decomposed — "diagonalization" in continuous dimensions.
+
+**Core ideas**:
+- **Finite dimensions**: The eigenvalues of a matrix determine stability (|λ|<1 implies convergence), oscillatory behavior (imaginary part of λ), and growth rate (real part of λ)
+- **Infinite dimensions**: Spectral theory generalizes eigenvalues to self-adjoint operators on Hilbert spaces; in quantum mechanics, observables = self-adjoint operators, and their spectra = possible measurement outcomes
+- **Stability analysis**: The stability of any dynamical system reduces to the location of its spectrum
+
+**Key theorems**:
+- **Gershgorin circle theorem** (1931): Geometric localization of eigenvalues
+- **Courant-Fischer min-max theorem**: Variational characterization of eigenvalues
+- **Weyl inequalities**: Continuity of the spectrum under matrix perturbations
+
+## Philosophical Implications of Transforms
+
+> "Look at a problem from a different angle, and it may already be solved."
+
+The deeper meaning of the transform idea:
+- **Relativity of representation**: The same object has different appearances under different representations
+- **Invariance under transformation**: Some properties remain unchanged under transformation (this is symmetry)
+- **Choice of representation**: A good representation simplifies the problem; a poor one complicates it
+- **Reversibility**: Ideally, a transform loses no information — we can freely switch perspectives (the guarantee of the Plancherel theorem)
+
+## "Transforms" in Everyday Life
+
+- **Time-scale transform**: Current difficulties may be negligible when viewed on a 10-year timescale
+- **Perspective transform**: Seeing a problem from the other person's point of view (essentially a coordinate transformation)
+- **Scale transform**: Macro and micro perspectives may reveal different patterns (the intuition behind the Mellin transform)
+- **Domain transform**: A problem that is unsolvable in one domain may have a ready-made solution in another (Fourier: differential → algebraic; Legendre: mechanics → dual mechanics)

package/docs/CLAUDE.md

@@ -1,187 +0,0 @@
-# Math Skill 使用指南 / User Guide
-
-## 简介 / Introduction
-
-Math Skill 是一个将数学思维应用到科研和生活的 Claude Code 技能包。包含**十六种数学思想武器**（十五种专业武器 + 一个武器选择器），每个都配有详细的方法论、双路径操作规程（科研模式和生活模式）和数学出处。
-
-## 安装 / Installation
-
-直接粘贴下面这段给 Claude Code 或其他终端型 AI 助手即可：
-
-```
-请帮我安装 math-skill：https://github.com/the-thinker0/math-skill，并教我如何使用
-```
-
-如果你更了解自己的环境，也可以指定安装方式（npm / git clone / 本地路径）。
-
-## 使用方法 / Usage
-
-### 模式选择 / Mode Selection
-
-每个思想武器都有两种模式：
-
-- **科研模式 / Research Mode**：保留完整数学符号与推导，适用于数学推导、论文审查、算法设计、实验设计优化
-- **生活模式 / Life Mode**：只保留思维框架的核心步骤，用日常语言替代数学符号，适用于日常决策、人际互动、时间管理、生活规划
-
-系统会根据问题性质自动选择模式。你也可以在命令中指定：
-- 科研问题 → 自动使用科研模式
-- 生活问题 → 自动使用生活模式
-
-### 手动触发命令
-
-Math Skill 通过特定命令手动触发，**不会在每次对话开始时自动加载**。使用以下命令：
-
-| 命令 | 思想武器 | 适用场景 |
-|------|---------|---------|
-| `/ask` | 🧭 武器选择器 | 不确定该用哪个工具时，自动推荐1-3个最合适的思想武器 |
-| `/axiomatization` | 📐 公理化思想 | 审查理论假设、构建理论框架 |
-| `/abstraction` | 🧩 抽象化思想 | 提取本质结构、简化复杂问题 |
-| `/logic-deduction` | 🧠 逻辑演绎 | 检查论证严谨性、发现逻辑漏洞 |
-| `/modeling` | 🌉 建模思想 | 构建模型、预测现象 |
-| `/optimization` | ⚖️ 优化思想 | 资源分配、决策优化 |
-| `/probability-statistics` | 🎲 概率与统计 | 量化不确定性、数据分析 |
-| `/transformation` | 🔄 变换思想 | 换个角度、简化难题 |
-| `/symmetry-invariance` | ⚛️ 对称与不变性 | 寻找不变量、分类研究对象 |
-| `/induction-analogy` | 📈 归纳与类比 | 从特殊到一般、跨领域借鉴 |
-| `/algorithmic-thinking` | 🖥️ 算法与计算思想 | 判断可行性、设计求解步骤 |
-| `/information-theory` | 📡 信息论思想 | 量化不确定性、评估信息价值 |
-| `/game-theory` | 🎯 博弈论思想 | 多方互动决策、机制设计 |
-| `/causal-inference` | 🔗 因果推断思想 | 区分因果与相关、评估干预效果 |
-| `/topological-thinking` | 🌀 拓扑思想 | 连通结构分析、形状分类 |
-| `/discrete-combinatorial` | 🧮 离散与组合思想 | 计数、枚举、发现有限结构规律 |
-
-### 使用示例 / Examples
-
-```
-# 不知道该用哪个工具？先问选择器
-/ask 我面对一个复杂的人际矛盾，不知道从哪个角度切入...
-
-# 科研场景：审查论文的理论基础
-/axiomatization 这篇论文声称从三个假设推导出了一个新定理，但我怀疑它的假设集合可能不自洽...
-
-# 科研场景：检查证明的逻辑
-/logic-deduction 这篇论文的定理 3.2 的证明中，从第 5 行到第 6 行的推导看起来有跳跃...
-
-# 生活场景：时间分配（自动使用生活模式）
-/optimization 我需要在论文写作、课程作业和社交之间分配时间，论文 deadline 还有两周...
-
-# 生活场景：换个角度（自动使用生活模式）
-/transformation 我一直无法解决和室友的矛盾，在当前的沟通方式下僵局似乎无法打破...
-```
-
-### 语言切换 / Language Switching
-
-**默认输出语言为中文。** 如需英文输出，在命令后追加 "in English"：
-
-```
-/optimization How should I allocate my research time? in English
-```
-
-### 组合使用 / Combining Skills
-
-多个思想武器可以组合使用：
-
-```
-# 不确定该用哪些？先问选择器
-/ask 我需要分析一个涉及多方互动和资源分配的问题...
-
-# 然后按推荐顺序调用
-/game-theory 分析各方策略互动...
-/optimization 在博弈框架下寻找最优资源分配...
-```
-
-## 十六思想武器速查 / Quick Reference
-
-### 🧭 武器选择器
-
-当不确定该用哪个思想武器时，根据问题特征推荐最合适的1-3个工具。推荐基于问题特征决策树（互动性、不确定性、约束性、结构性、动态性），而非关键词匹配。
-
-### 📐 公理化思想
-
-从最少假设出发，通过严格逻辑构建理论体系。科研模式：审查论文假设合理性、构建理论框架。生活模式：分析隐含前提、识别未声明的假设。
-
-### 🧩 抽象化思想
-
-抓住本质特征，忽略非本质细节。科研模式：提炼数学结构、发现跨领域共性。生活模式：简化复杂生活问题、透过现象看本质。
-
-### 🧠 逻辑演绎
-
-从真命题出发，严格推理新真命题。科研模式：检查证明严谨性。生活模式：识别逻辑谬误、理性辩论。
-
-### 🌉 建模思想
-
-现实问题 → 模型 → 解释现实。科研模式：构建数学模型。生活模式：规划预算、路线、风险评估。
-
-### ⚖️ 优化思想
-
-约束条件下寻找最优解。科研模式：凸性分析、KKT条件、对偶理论。生活模式：核心追求、现实限制、满意选择。
-
-### 🎲 概率与统计
-
-量化不确定性，从数据提取规律。科研模式：假设检验、回归分析。生活模式：风险评估、解读新闻数据。
-
-### 🔄 变换思想
-
-复杂问题 → 等价的简单问题。科研模式：Fourier/Laplace变换。生活模式：换个视角看问题。
-
-### ⚛️ 对称与不变性
-
-寻找变化中的不变性质。科研模式：群论、Galois理论、Noether定理。生活模式：识别不变模式、规律被打破的信号。
-
-### 📈 归纳与类比
-
-从特殊到一般，从已知到未知。科研模式：数学归纳证明。生活模式：从经验中学习、跨领域借鉴。
-
-### 🖥️ 算法与计算思想
-
-将问题转化为可执行步骤，评估代价，判断可行性。科研模式：复杂度分析、NP-hard判定。生活模式：设计高效流程、评估计划可行性。
-
-### 📡 信息论思想
-
-信息是不确定性的减少。科研模式：熵计算、信道容量。生活模式：评估信息价值、减少冗余。
-
-### 🎯 博弈论思想
-
-最优策略取决于他人的选择。科研模式：Nash均衡计算、机制设计。生活模式：谈判策略、分析他人反应。
-
-### 🔗 因果推断思想
-
-相关≠因果，但因果可形式化。科研模式：DAG建模、do-演算。生活模式：区分原因与借口、反事实思考。
-
-### 🌀 拓扑思想
-
-连续变形下不变的性质。科研模式：持续同调、拓扑数据分析。生活模式：理解连通结构、识别盲区。
-
-### 🧮 离散与组合思想
-
-计数、枚举、发现有限对象的规律。科研模式：生成函数、图论分析。生活模式：系统性枚举、鸽巢推理。
-
-## 知识体系 / Knowledge Base
-
-`knowledge-base/overview.md` 提供了完整的数学知识体系概述，包括：
-
-- 三大基础支柱（代数、几何、分析）
-- 主要分支（数论、概率统计、拓扑、离散数学、应用数学）
-- 知识层次（地基、代数、综合、前沿）
-- 与其他学科的联系
-- 思维武器与数学分支的映射（含武器选择器）
-
-## 数学审视 / Math Critic
-
-`agents/math-critic.md` 定义了一个子 agent，兼具审视与实现能力。审视维度与十六种数学思想武器一一对应（含工具选择审视），但不机械遍历——根据问题性质选择最相关的3–5个维度深入检查。若不确定该审视哪些维度，先调用 `/ask` 让武器选择器推荐。
-
-## 验证 / Validation
-
-运行验证脚本检查所有文件完整性：
-
-```bash
-# Linux/macOS
-bash tests/validate.sh
-
-# Windows PowerShell
-.\tests\validate.ps1
-```
-
-## License
-
-MIT License. See `LICENSE` for details.

package/skills/meta-selector/SKILL.md

@@ -1,188 +0,0 @@
----
-name: meta-selector
-description: |
-  触发：当面对模糊问题、不确定该调用哪个思想武器时使用。根据问题特征推荐最合适的1-3个工具，并建议使用科研模式还是生活模式。
-  模式：本 skill 本身不需要科研/生活模式切换——它是在调用其他 skill 之前的选择器。
-  English: Trigger when facing a vague problem and unsure which thinking weapon to use. Recommends the 1-3 most suitable tools based on problem characteristics, and suggests research mode or life mode.
-  Mode: This skill itself doesn't need research/life mode switching — it is a selector to be called before invoking other skills.
----
-
-# 🧭 武器选择器 / Weapon Selector
-
-> "不是每把刀都适合切菜，也不是每个问题都需要屠龙刀。先选对工具，再用力。"
-> "Not every knife is good for chopping vegetables, and not every problem needs a dragon-slaying sword. Choose the right tool first, then apply force."
->
-> —— 元认知、问题分类、工具选择 / Meta-cognition, Problem Classification, Tool Selection
-
-## 核心原则 / Core Principle
-
-**面对一个问题时，最重要的一步不是'用力分析'，而是'选对工具'。不同的思想武器适用于不同类型的问题——用博弈论分析单人决策是浪费，用拓扑思想处理精确数值问题是无用。选择器帮你根据问题的核心特征，找到最合适的1-3个思想武器。**
-
-**When facing a problem, the most important step is not 'analyzing hard' but 'choosing the right tool.' Different thinking weapons suit different problem types — using game theory on a single-player decision is wasteful, using topological thinking on precise numerical problems is useless. The selector helps you find the 1-3 most suitable thinking weapons based on the problem's core characteristics.**
-
-选择原则：
-- **问题特征驱动**——不是"我最熟悉哪个工具"，而是"问题的核心特征指向哪个工具"
-- **最多3个**——同时用太多工具等于没有工具，聚焦1-3个最相关的
-- **优先级排序**——推荐多个工具时标注主次，主工具先深入，辅工具补充视角
-- **模式匹配**——科研问题用科研模式，生活问题用生活模式，勿混淆
-
-Selection principles:
-- **Problem-characteristic-driven** — not "which tool I'm most familiar with" but "which tool the problem's core characteristics point to"
-- **Maximum 3** — using too many tools simultaneously means no tool is used effectively; focus on 1-3 most relevant
-- **Priority ordering** — when recommending multiple tools, label primary vs. secondary; primary tool first for depth, secondary for supplementary perspectives
-- **Mode matching** — research problems use research mode, life problems use life mode; don't mix
-
-## 不适用场景 / When NOT to Use
-
-- **你已经知道该用哪个思想武器**——不需要选择器，直接调用 `[通用]`
-- **问题极其简单**——不需要任何思想武器，直接处理 `[通用]`
-- **问题不属于数学思维能帮助的范畴**（如纯粹情感问题、审美判断）——没有合适的工具可用 `[通用]`
-
-## 何时使用 / When to Use
-
-- 面对一个模糊问题，不知道从哪个角度切入
-- 多个思想武器似乎都相关，不确定该优先用哪个
-- 第一次接触一个新问题类型，想先确认方法论方向
-- 想检查自己是否遗漏了更适合的工具
-
-## 方法流程 / Method
-
-### 第一步：描述问题特征 / Describe Problem Characteristics
-
-用以下五个维度刻画问题：
-
-1. **互动性**：问题是否涉及多方互动？你的最优行动是否取决于他人的选择？
-2. **不确定性**：问题是否包含随机性或不确定性？你是否需要量化风险？
-3. **约束性**：问题是否在限制条件下做选择？是否有明确的"不可逾越的边界"？
-4. **结构性**：问题是否需要提取本质结构？表面现象背后的核心模式是什么？
-5. **动态性**：问题是静态的（一次性决策）还是动态的（需要持续迭代调整）？
-
-### 第二步：特征匹配 / Characteristic Matching
-
-根据第一步识别的核心特征，使用以下决策树匹配最合适的思想武器：
-
-#### 问题特征决策树 / Problem Character Decision Tree
-
-**1. 问题是否涉及多方互动？**
-- 是 → 🎯 **博弈论思想**（主要）
-  - 且涉及资源分配 → ⚖️ **优化思想**（辅助）
-  - 且涉及信息不对称 → 📡 **信息论思想**（辅助）
-- 否 → 继续
-
-**2. 问题是否涉及不确定性/随机性？**
-- 是 → 🎲 **概率与统计**（主要）
-  - 且需要区分因果而非相关 → 🔗 **因果推断思想**（辅助）
-  - 且需要评估信息价值 → 📡 **信息论思想**（辅助）
-- 否 → 继续
-
-**3. 问题是否需要"在限制下做最优选择"？**
-- 是 → ⚖️ **优化思想**（主要）
-  - 且多目标需要取舍 → ⚖️ 优化（帕累托分析）
-  - 且需要先建模 → 🌉 **建模思想**（前置）
-- 否 → 继续
-
-**4. 问题是否在当前形式下难以处理，需要换个视角？**
-- 是 → 🔄 **变换思想**（主要）
-- 否 → 继续
-
-**5. 问题是否需要从具体中提取本质结构？**
-- 是 → 🧩 **抽象化思想**（主要）
-  - 且需要验证假设合理性 → 📐 **公理化思想**（辅助）
-  - 且需要简化复杂系统 → ⚛️ **对称与不变性**（辅助）
-- 否 → 继续
-
-**6. 问题是否需要严格推理验证？**
-- 是 → 🧠 **逻辑演绎**（主要）
-  - 且需要验证前提合理性 → 📐 **公理化思想**（辅助）
-- 否 → 继续
-
-**7. 问题是否需要从数据/经验中发现规律？**
-- 是 → 📈 **归纳与类比**（主要）
-  - 且需要跨领域迁移 → 🧩 **抽象化思想**（辅助）
-- 否 → 继续
-
-**8. 问题是否需要构建模型来预测或解释？**
-- 是 → 🌉 **建模思想**（主要）
-  - 且模型需要优化 → ⚖️ **优化思想**（辅助）
-  - 且模型涉及不确定 → 🎲 **概率与统计**（辅助）
-- 否 → 继续
-
-**9. 问题是否涉及"变化中保持不变"？**
-- 是 → ⚛️ **对称与不变性**（主要）
-  - 且需要关注连通结构 → 🌀 **拓扑思想**（辅助）
-  - 且需要关注规律被打破 → ⚛️ 对称与不变性（对称破缺分析）
-- 否 → 继续
-
-**10. 问题是否需要将过程转化为可执行步骤？**
-- 是 → 🖥️ **算法与计算思想**（主要）
-  - 且需要评估可行性 → 🖥️ 算法与计算思想（可计算性分析）
-- 否 → 继续
-
-**11. 问题是否涉及有限对象的计数/枚举/结构？**
-- 是 → 🧮 **离散与组合思想**（主要）
-- 否 → 重新审视问题描述，可能需要回到第1步
-
-### 第三步：推荐工具 / Recommend Tools
-
-输出1-3个推荐的思想武器，每个标注：
-- **[主要]** 或 **[辅助]**：优先级
-- **推荐理由**：为什么这个工具适合该问题特征
-- **触发命令**：对应的 `/command`
-- **建议模式**：科研模式还是生活模式
-
-### 第四步：组合建议 / Combination Suggestions
-
-如果推荐多个工具，说明组合顺序与协作方式：
-
-- **前置工具**：需要先调用的工具（如建模→优化的建模是前置）
-- **主工具**：深入分析的核心工具
-- **辅助视角**：补充关键视角的工具
-- **组合顺序**：先调1号，再用2号补充
-
-## 常见错误 / Common Errors
-
-| 错误 / Error | 批评 / Critique | 正确做法 / Correct Approach | 模式 |
-|-------------|-------------------------------|---------------------------|------|
-| 选最熟悉的工具而非最合适的 | 熟悉度≠适用性，用博弈论分析单人决策是浪费 | 根据问题特征而非个人偏好选择工具 | `[通用]` |
-| 用科研级工具分析生活问题 | KKT 条件分析时间管理是杀鸡用牛刀 | 生活问题用生活模式——保留思维框架的核心步骤，去掉数学符号 | `[生活]` |
-| 同时调用太多工具 | 5个工具等于没有工具，每个都浅尝辄止 | 聚焦1-3个，主工具深入，辅工具补充视角 | `[通用]` |
-| 忽略工具的前置关系 | 建模是优化的前置，不建模直接优化可能方向错误 | 标注组合顺序——前置工具先调用 | `[通用]` |
-| 把"不确定该用哪个"当借口拖延 | 选择器本身就是快速决策工具，3步即出结果 | 直接调用 `/ask`，3步完成选择 | `[通用]` |
-| 只推荐一个工具而忽略辅助视角 | 一个视角可能遗漏关键维度 | 至少检查是否有辅助视角补充 | `[科研]` |
-| 科研/生活模式混淆 | 用生活模式分析论文，或用科研模式分析人际矛盾 | 根据问题性质选择模式——科研问题用科研模式，生活问题用生活模式 | `[通用]` |
-
-## 操作规程 / Operating Procedure
-
-当本 skill 被触发时，执行以下具体步骤：
-
-1. **[问题特征]:[五维度刻画]** — 用互动性、不确定性、约束性、结构性、动态性五个维度描述问题核心特征
-2. **[推荐工具]:[1-3个]** — 每个工具标注 `[主要/辅助]`、推荐理由、触发命令（如 `/optimization`）
-3. **[建议模式]:[科研/生活]** — 根据问题性质推荐使用科研模式还是生活模式
-4. **[组合顺序]:[描述]** — 如果推荐多个工具，说明前置→主要→辅助的调用顺序
-5. **[不适用检查]:[确认]** — 明确标注哪些思想武器不适用于此问题，避免误用
-
-**输出必须包含以上 5 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
-
-本选择器与全部15个思想武器形成推荐关系：
-
-**按问题类型分类 / By Problem Type**：
-
-| 问题类型 | 主要工具 | 辅助工具 |
-|---------|---------|---------|
-| 多方互动决策 | 🎯 博弈论 | ⚖️ 优化、📡 信息论 |
-| 不确定性下的判断 | 🎲 概率与统计 | 🔗 因果推断、📡 信息论 |
-| 约束下的最优选择 | ⚖️ 优化 | 🌉 建模（前置） |
-| 需要换个视角 | 🔄 变换 | — |
-| 提取本质结构 | 🧩 抽象化 | 📐 公理化、⚛️ 对称与不变性 |
-| 严格推理验证 | 🧠 逻辑演绎 | 📐 公理化 |
-| 从经验发现规律 | 📈 归纳与类比 | 🧩 抽象化 |
-| 构建预测/解释模型 | 🌉 建模 | ⚖️ 优化、🎲 概率与统计 |
-| 变化中的不变性 | ⚛️ 对称与不变性 | 🌀 拓扑思想 |
-| 可执行步骤与可行性 | 🖥️ 算法与计算 | — |
-| 有限对象的计数/结构 | 🧮 离散与组合 | — |
-
-- **公理化思想**：选择器本身依赖隐含的"问题分类公理"——问题特征决定工具适用性
-- **抽象化思想**：选择器的核心操作是"提取问题的本质特征"——这本身就是抽象
-- **逻辑演绎**：决策树是一种演绎结构——从特征到推荐，每一步都是逻辑推理