math-skill 1.0.0

package/skills/logic-deduction/SKILL.md

@@ -0,0 +1,280 @@
+---
+name: logic-deduction
+description: |
+  科研模式触发：检查证明严谨性、形式逻辑分析、谓词逻辑推理验证、量词结构分析、发现逻辑漏洞。
+  生活模式触发：理性辩论时识别逻辑谬误、评估日常论证的有效性、检查推理跳跃、决策时确保推理链条可靠。
+  English (Research): Trigger when checking proof rigor, formal logic analysis, predicate logic verification, quantifier structure analysis, or discovering logical loopholes.
+  English (Life): Trigger when engaging in rational debate, identifying logical fallacies in everyday arguments, evaluating argument validity in daily life, or ensuring reasoning chains are sound for decision-making.
+---
+
+# 🧠 逻辑演绎 / Logical Deduction
+
+> "逻辑是数学的家规——一切推理必须在形式规则的监督下进行。"
+> "Logic is the house rule of mathematics — all reasoning must proceed under the supervision of formal rules."
+>
+> —— 哥德尔完备性定理 (1929)，一阶逻辑
+> —— Gödel's Completeness Theorem (1929), First-Order Logic
+
+## 核心原则 / Core Principle
+
+从真前提严格推理新真命题——推理链条的每一步都必须合法。
+
+Strictly inferring new true propositions from true premises — every step in the reasoning chain must be legitimate.
+
+推理的类型与可靠性：
+- **演绎推理（Deduction）**：前提为真 + 规则有效 → 结论必然为真（最可靠）
+- **归纳推理（Induction）**：大量具体实例 → 一般性结论（或然性）
+- **溯因推理（Abduction）**：观察结果 + 理论 → 最佳解释（假设性）
+
+> **数学形式化**（科研模式参考 / Research Mode Reference）
+>
+> 逻辑演绎具有两层结构：命题逻辑处理真值函数连接词（¬, ∧, ∨, →, ↔），谓词逻辑在此基础上添加量词（∀, ∃）与个体变元。数学证明生活在谓词逻辑之中——仅靠命题逻辑无法表达 "对所有 x，若 P(x) 则 Q(x)" 这类陈述，因此也无法对实际数学论证进行证明检验。
+>
+> Logical deduction has a two-level structure: propositional logic handles truth-functional connectives (¬, ∧, ∨, →, ↔), while predicate logic adds quantifiers (∀, ∃) and individual variables on top of that. Mathematical proofs live in predicate logic — propositional logic alone cannot express statements like "for all x, if P(x) then Q(x)," and therefore cannot operationalize proof-checking for actual mathematical arguments.
+>
+> 哥德尔完备性定理（Gödel's Completeness Theorem, 1929）：一阶谓词逻辑中，所有有效论证都是可证明的——即若 φ 是一阶逻辑的有效公式，则存在一个形式证明序列从空前提集推导出 φ。这保证了一阶逻辑的演绎能力与语义有效性完全吻合，但仅限于一阶逻辑；二阶逻辑不具备此性质。
+>
+> 详细数学依据见 `original-texts.md`
+
+## 不适用场景 / When NOT to Use
+
+- **前提本身不确定** `[科研/通用]` ——先确定前提的真假，再进行演绎
+- **需要创造性突破而非逻辑验证** `[科研/通用]` ——演绎只能发现已有信息蕴含的结论，不能产生新信息
+- **纯粹的估算或直觉判断** `[通用/生活]` ——不需要严格逻辑的场合
+- **二阶逻辑问题** `[科研]` ——哥德尔完备性仅覆盖一阶逻辑；二阶有效性不可完全公理化
+- **情绪驱动而非逻辑驱动的讨论** `[生活]` ——对方不接受逻辑框架时，演绎无着力点
+
+## 何时使用 / When to Use
+
+### 科研触发条件 / Research Triggers
+
+- 阅读论文时，检查其证明或推导的严谨性
+- 发现论证中可能存在逻辑跳跃或漏洞
+- 验证某个结论是否真的能从前提推导出来
+- 分析含 ∀ / ∃ 的数学陈述时，验证量词推理的正确性
+- 检查二阶逻辑论证的有效性边界
+
+### 生活触发条件 / Life Triggers
+
+- 理性辩论时，识别对方的逻辑谬误
+- 做重要决策时，确保推理链条的每一步都站得住脚
+- 评估新闻报道或社交媒体论断的可靠性
+- 区分 "有人这样说" 和 "所有人都这样"——避免以偏概全
+- 识别因果混淆：两件事相关 ≠ 一件事导致另一件事
+
+## 方法流程 / Method
+
+### 第一步：识别前提 / Identify the Premises
+
+**科研模式 / Research Mode：**
+列出论证中的所有前提（假设、已知条件、引用的定理）。标注每个前提的状态：
+- **已证定理**：有严格证明的命题（如 "素数无穷"）
+- **公理**：被接受的起点（如 ZF 集合论公理）
+- **假设**：尚未证明但被暂时接受的命题（如 "黎曼猜想"）
+- **经验事实**：来自观察或实验的命题
+
+同时标注前提的逻辑层次：纯命题前提（不含量词）还是谓词前提（含 ∀ / ∃）。
+
+**生活模式 / Life Mode：**
+找出论证的前提——这个论点基于什么事实或假设？前提是否成立？有没有未说出的前提？
+- 哪些是已经确认的事实？哪些只是假设？
+- 有没有被省略但暗中使用的前提？
+
+**共通要点 / Shared Key Point：**
+前提的质量决定推理的质量——前提不成立，结论必然不可靠。
+
+### 第二步：检查推理规则 / Check the Rules of Inference
+
+**科研模式 / Research Mode：**
+验证每一步推理是否使用了有效的推理规则。
+
+**命题逻辑规则：**
+- **假言推理（Modus Ponens）**：P → Q, P ⊢ Q
+- **拒取式（Modus Tollens）**：P → Q, ¬Q ⊢ ¬P
+- **假言三段论**：P → Q, Q → R ⊢ P → R
+- **析取三段论**：P ∨ Q, ¬P ⊢ Q
+- **合取引入**：P, Q ⊢ P ∧ Q
+- **双重否定消除**：¬¬P ⊢ P
+
+**谓词逻辑规则：**
+- **全称实例化（UI）**：∀x P(x) ⊢ P(a)，从普遍到特殊
+- **全称泛化（UG）**：P(a) 对任意 a 成立 ⊢ ∀x P(x)，从特殊到普遍（要求 a 是任意个体，不能是特定常元）
+- **存在实例化（EI）**：∃x P(x) ⊢ P(c)，引入新常元 c 使得 P(c) 成立（c 必须是新名称，不能与已有常元冲突）
+- **存在泛化（EG）**：P(a) ⊢ ∃x P(x)，从特定个体推出存在性
+
+**其他推理框架：**
+- **消解原理（Resolution）**：从 (P ∨ Q) 和 (¬P ∨ R) 消解出 (Q ∨ R)，适用于自动化证明
+- **自然演绎系统（Natural Deduction）**：引入/消除规则对称组织，更贴近人类推理习惯
+
+**生活模式 / Life Mode：**
+检查每一步推理是否合理——从A到B的跳跃是否真的有逻辑支撑？是"因此"还是"碰巧"？
+- 从 "因为A" 到 "所以B"——这个 "因此" 是真的有逻辑支撑，还是只是碰巧？
+- 常见的有效推理："如果下雨地就会湿" + "下雨了" → "地湿了"（这是可靠的）
+- 常见的无效推理："如果下雨地就会湿" + "地湿了" → "下雨了"（地湿可能有其他原因）
+
+**共通要点 / Shared Key Point：**
+推理规则是推理的合法性来源——没有有效规则支撑的步骤就是跳跃。
+
+### 第三步：检查常见逻辑谬误 / Check for Common Fallacies
+
+**科研模式 / Research Mode：**
+
+**命题逻辑谬误：**
+- **肯定后件**：P → Q, Q ⊢ P（无效！）
+- **否定前件**：P → Q, ¬P ⊢ ¬Q（无效！）
+- **混淆充分与必要条件**：P 是 Q 的充分条件 ≠ P 是 Q 的必要条件
+- **循环论证**：结论被隐含地用作前提
+- **稻草人谬误**：攻击被歪曲的版本而非原论证
+
+**谓词逻辑谬误：**
+- **量词移位谬误**：∀x∃y R(x,y) ≠ ∃y∀x R(x,y)——前者为"每人各有其所爱"，后者为"有人被所有人所爱"
+- **非法全称泛化**：从 P(a) 对特定 a 成立推出 ∀x P(x)——UG 要求 a 必须是任意个体
+- **混淆自由与约束变量**：同一变元在公式不同位置的角色不同
+- **混淆 ∀ 与 ∃**："所有天鹅是白的"（∀）与 "存在白色天鹅"（∃）强度不同
+- **偷换概念（Equivocation）**：同一词项在不同前提中被赋予不同含义
+- **虚假二分（False Dilemma）**：将 P ∨ Q 呈现为仅有的两种选择，隐含地排除 ¬P ∧ ¬Q
+
+**生活模式 / Life Mode：**
+用日常语言识别常见谬误：
+- **偷换概念**：讨论中悄悄改变了关键词的含义——你说的 "成功" 和我说的 "成功" 是同一件事吗？
+- **循环论证**：用结论来证明前提——"他是对的，因为他说的没错；他说的没错，因为他是对的"
+- **以偏概全**：从少数例子推导一般规律——"我认识三个人都这样，所以所有人都这样"
+- **因果倒置**：把结果当成了原因——"成功的人都早起"≠"早起就能成功"
+- **肯定后件**：把结果当作原因的证据——"地湿了，所以一定下雨了"（地湿可能因为洒水车）
+- **否定前件**：条件没触发就否定结论——"如果下雨地就会湿" + "没下雨" → "地不会湿"（错误）
+- **虚假二分**：只给出两个选项，忽略其他可能——"你要么支持我，要么反对我"
+
+**共通要点 / Shared Key Point：**
+谬误是推理的漏洞——识别谬误比记住谬误的名称更重要，关键是看每一步推理是否真正成立。
+
+### 第四步：分析量词结构 / Analyze Quantifier Structure
+
+**科研模式 / Research Mode：**
+∀ 与 ∃ 的嵌套顺序决定逻辑强度：
+- **∀∃ 结构**（较弱）：∀x∃y R(x,y)——对每个 x，可以构造各自的 y。这是构造性可满足的。
+- **∃∀ 结构**（较强）：∃y∀x R(x,y)——存在一个统一的 y 对所有 x 成立。这往往需要选择公理（Axiom of Choice）才能保证。
+
+分析要点：
+- 量词嵌套层数越多，逻辑结构越精密，推理越需谨慎
+- 相邻同类型量词可交换（∀x∀y = ∀y∀x，∃x∃y = ∃y∃x），但不同类型量词不可交换
+- 量词否定等值：¬∀x P(x) ≡ ∃x ¬P(x)，¬∃x P(x) ≡ ∀x ¬P(x)
+
+**生活模式 / Life Mode：**
+这个论点说的是"所有"还是"有些"？——"大多数人这样"≠"所有人这样"，"有时有效"≠"总是有效"
+- "所有人都这样"是一个非常强的断言——只需要一个反例就能推翻
+- "有些人这样"是一个较弱的断言——更容易成立，但推论力也较弱
+- "大多数人这样"介于两者之间——既不是全称也不是存在，是概率性断言
+
+**共通要点 / Shared Key Point：**
+论断的范围决定其强度和脆弱性——范围越广，越容易被推翻；范围越窄，推论力越弱。
+
+### 第五步：验证推理链完备性 / Verify the Completeness of the Inference Chain
+
+**科研模式 / Research Mode：**
+检查从前提到结论的推理链是否完整，是否存在逻辑跳跃。每一步是否都有明确的理由？
+- 前提集 Γ 能否形式推导出结论 φ？即是否存在有限序列 φ₁, φ₂, ..., φₙ = φ，其中每个 φᵢ 或属于 Γ，或由前面公式通过有效规则得出？
+- 若推理链不完整，标注缺失的中间步骤及其所需规则
+
+**生活模式 / Life Mode：**
+从前提到结论的每一步是否都站得住脚？——有没有哪一步是跳跃而非推理？
+- 逐一检查：从前提到结论，每一步是否都有逻辑支撑？
+- 跳跃是最常见的漏洞——从A直接跳到C，但A到C之间缺少B的支撑
+- 完整的推理链：A→B→C，每一步都有理由；跳跃的推理链：A→?→C，中间缺失
+
+**共通要点 / Shared Key Point：**
+推理链的完整性是论证的命脉——缺失一步，整条链断裂。
+
+### 第六步：评估结论强度 / Assess the Strength of the Conclusion
+
+**科研模式 / Research Mode：**
+结论的逻辑强度分类：
+- **必然的（Necessary）**：演绎有效，前提真则结论必然真
+- **或然的（Probable）**：归纳支持，前提提供概率性证据
+- **假设性的（Hypothetical）**：溯因推理，结论是最佳解释但未被验证
+
+同时评估结论的适用范围：全称性结论（∀）还是存在性结论（∃）？条件性结论（→）还是无条件结论？
+
+**生活模式 / Life Mode：**
+结论有多强？——"必然如此"还是"可能如此"？是确定性结论还是倾向性推断？
+- **确定性结论**：前提成立则结论一定成立——"如果他是独生子，则他没有兄弟姐妹"
+- **倾向性推断**：前提支持结论但不保证——"经常锻炼的人通常更健康"
+- **猜测性结论**：只是可能性，远未确认——"他可能是故意这么做的"
+
+区分清楚再下判断——不要把倾向性推断当成确定性结论来使用。
+
+**共通要点 / Shared Key Point：**
+结论的强度必须如实评估——不要把"可能"夸大为"必然"，也不要把"必然"削弱为"可能"。
+
+### 第七步：证明策略选择 / Select Proof Strategy
+
+**科研模式 / Research Mode：**
+根据论证特征选择合适的证明方法：
+- **直接证明（Direct Proof）**：从前提逐步推导至结论，最自然
+- **反证法（Proof by Contradiction）**：假设 ¬φ，推导出矛盾，从而证明 φ。适用于否定性结论或难以直接构造的论证
+- **逆否证明（Proof by Contrapositive）**：证明 ¬Q → ¬P 以建立 P → Q，当逆否方向更易推理时使用
+- **穷举证明（Proof by Exhaustion）**：将所有情况逐一验证，适用于有限且可枚举的情形
+- **构造性证明（Constructive Proof）**：直接构造满足条件的对象，比存在性证明（仅证明 ∃x P(x) 而不给出 x）更有信息量
+
+**生活模式 / Life Mode：**
+如何组织你的论证——从已知事实出发逐步推导，比直接断言更有说服力
+- **逐步推导**：从对方认可的事实出发，一步步推导到你想要的结论——比直接断言更有说服力
+- **反面质疑**：如果对方论点成立，会出现什么矛盾或荒谬结果？——让对方自己看到问题
+- **举证责任**：谁做出更强的断言，谁就需要更强的证据——"所有人都这样"需要大量证据，"有些人这样"只需一例
+
+**共通要点 / Shared Key Point：**
+论证策略的选择决定了论证的说服力和可靠性——好的策略让推理清晰可见，而不是跳跃式断言。
+
+## 常见错误 / Common Errors
+
+| 错误 / Error | 数学批评 / Mathematical Critique | 正确做法 / Correct Approach |
+|-------------|-------------------------------|---------------------------|
+| 混淆充分条件与必要条件 `[科研]` | P → Q 成立不代表 Q → P 成立 | 明确区分充分、必要、充要条件 |
+| 肯定后件谬误 `[科研/生活]` | 从 "如果下雨则地湿" 和 "地湿" 推出 "下雨了" 是无效的 | 只有 Modus Ponens 和 Modus Tollens 是有效的假言推理 |
+| 隐藏前提 `[科研/通用]` | 推理中使用了未声明的前提 | 暴露所有前提，逐一检验 |
+| 无限倒退 `[科研]` | 每个前提都需要另一个前提来证明 | 找到不需要证明的起点（公理/经验事实）|
+| 把相关性当作因果性 `[生活]` | 两个变量相关不等于一个导致另一个 | 相关只是因果的必要非充分条件 |
+| 以偏概全 `[生活]` | 从少数例子推导一般规律 | 全称断言需要全称证据，或降低断言范围 |
+| 偷换概念 `[生活]` | 同一词项在不同位置含义不同 | 明确每个关键词的精确含义，保持一致 |
+| 量词移位谬误 `[科研]` | ∀x∃y R(x,y) ≠ ∃y∀x R(x,y)，前者弱后者强 | 严格遵守量词顺序，不可随意交换不同类型量词 |
+| 非法全称泛化 `[科研]` | 从 P(a) 对特定 a 成立推出 ∀x P(x)，违反 UG 的任意性要求 | UG 仅适用于任意个体 a，不适用于特定常元 |
+| 混淆自由与约束变量 `[科研]` | 同一变元 x 在 ∀x P(x) 中约束、在 P(x) 中自由，含义不同 | 明确标注变元的约束/自由状态，避免在同一证明中混用 |
+| 混淆 ∀ 与 ∃ `[科研/生活]` | "所有元素满足 P" 远强于 "存在元素满足 P" | 严格区分全称断言与存在断言的逻辑强度 |
+
+## 操作规程 / Operating Procedure
+
+当本 skill 被触发时，首先选择模式：
+
+- **科研模式**：涉及形式逻辑证明、谓词逻辑、量词结构、数学论证验证
+- **生活模式**：涉及日常论证评估、辩论谬误识别、决策推理检查
+
+### 科研模式输出格式 / Research Mode Output Format
+
+1. **[前提清单]** — 列出所有前提，标注 `[已证]` / `[公理]` / `[假设]` / `[经验]`，并标注逻辑层次 `[命题]` / `[谓词]`
+2. **[推理链重构]** — 用形式逻辑语言重述推理过程，每一步标注使用的推理规则（含 UI/UG/EI/EG 等谓词规则）
+3. **[谬误检查]** — 逐一检查命题逻辑与谓词逻辑谬误，标注 `✅ 无此谬误` 或 `❌ 发现 [具体谬误]`
+4. **[量词结构分析]** — 若有 ∀ / ∃ 嵌套，标注量词顺序与逻辑强度 `∀∃(弱)` / `∃∀(强)`
+5. **[完整性评估]** — 推理链是否完整？标注 `✅ 完整` 或 `⚠️ 跳跃：[说明]`
+6. **[结论强度]** — 标注 `[必然]` / `[或然]` / `[假设性]`，并标注适用范围 `[全称]` / `[存在]` / `[条件]`
+7. **[证明策略评估]** — 当前论证使用了何种证明策略？是否有更优策略？标注 `✅ 策略适当` 或 `💡 建议：[更优策略]`
+
+**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. **[前提]:[列出]** — 论证基于什么事实或假设？哪些是确认的？哪些是未说出的？
+2. **[推理步骤]:[逐步]** — 从前提到结论每一步是否合理？有没有跳跃？
+3. **[谬误检查]:[排查]** — 有没有偷换概念、循环论证、以偏概全、因果倒置等？
+4. **[量词分析]:[区分]** — 是"所有"还是"有些"？"大多数人"≠"所有人"
+5. **[结论强度]:[评估]** — 结论是确定性的还是倾向性的？是"必然"还是"可能"？
+6. **[论证改进]:[建议]** — 如何让论证更有说服力？哪些步骤需要补强？
+
+**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
+
+- **公理化思想**：逻辑演绎是公理体系的推理引擎；公理提供前提，演绎提供推导机制，二者共同构成形式系统
+- **抽象化思想**：形式逻辑本身就是高度抽象的结构——将具体内容剥离后只保留推理形式
+- **归纳与类比**：演绎与归纳互补——演绎保证正确性，归纳提供新前提
+- **概率与统计**：在不确定性下，经典逻辑需要扩展为概率逻辑
+- **算法思想**：逻辑演绎为算法的正确性证明提供形式框架——程序的性质验证本质上是一阶谓词推理
+- **反例思想**：反例是证伪 ∀ 断言的直接手段，与演绎证真构成双重验证体系

package/skills/logic-deduction/original-texts.md

@@ -0,0 +1,173 @@
+# 数学出处与经典文献 / Mathematical Sources and Classic Texts
+
+## 命题逻辑 / Propositional Logic
+
+**基本推理规则**：
+
+| 规则名 | 形式 | 有效性 |
+|--------|------|--------|
+| 假言推理 (Modus Ponens) | P → Q, P ⊢ Q | ✅ 有效 |
+| 拒取式 (Modus Tollens) | P → Q, ¬Q ⊢ ¬P | ✅ 有效 |
+| 假言三段论 | P → Q, Q → R ⊢ P → R | ✅ 有效 |
+| 析取三段论 | P ∨ Q, ¬P ⊢ Q | ✅ 有效 |
+| 肯定后件 | P → Q, Q ⊢ P | ❌ 无效 |
+| 否定前件 | P → Q, ¬P ⊢ ¬Q | ❌ 无效 |
+
+## Boole 布尔代数 / Boolean Algebra (1854)
+
+George Boole 在 *An Investigation of the Laws of Thought* (1854) 中建立了命题逻辑的代数化系统，将逻辑推理转化为代数运算：
+
+> "逻辑是代数的一种，其变量仅取 0 与 1 两个值。"
+> "Logic is a species of algebra whose variables take only the values 0 and 1."
+
+布尔代数的核心运算：∧ (乘法), ∨ (加法), ¬ (补), 满足分配律、德摩根律等代数性质。这是命题逻辑的代数对偶——同一推理结构既可用演绎方式也可用计算方式处理。布尔代数后来成为数字电路设计（Shannon, 1938）与计算机科学的数学基础。
+
+## Frege《概念文字》/ Frege's *Begriffsschrift* (1879)
+
+Frege 发明了第一个完整的一阶逻辑形式系统，引入量词 (∀, ∃) 和函数符号，展示了逻辑推理可以被完全机械化。这是现代数理逻辑的起点——从此，数学证明有了精确的语法规则，而非仅靠直觉叙述。
+
+> "算术真理能否被纯逻辑地证明？概念文字为此提供了工具。"
+> "Can arithmetical truths be proved purely logically? The Begriffsschrift provides the instrument for this."
+
+## Peano 公理 / Peano Axioms (1889)
+
+从逻辑出发构建自然数体系：
+
+> 1. 0 是一个自然数。
+> 2. 每个自然数 n 有一个后继 S(n)。
+> 3. 0 不是任何自然数的后继。
+> 4. 不同的自然数有不同的后继。
+> 5. （归纳公理）如果一个性质对 0 成立，且对 n 成立则对 S(n) 也成立，则该性质对所有自然数成立。
+
+这展示了如何从最少量的逻辑假设出发构建一个完整的数学体系。Peano 公理是一阶理论的典范——仅用一条二阶归纳公理（或一阶归纳公理模式）即可刻画自然数的全部结构。
+
+## Russell 悖论 / Russell's Paradox (1901)
+
+> "考虑所有不包含自身的集合所组成的集合 R：R 是否包含 R？"
+> "Consider the set R of all sets that do not contain themselves: does R contain R?"
+
+若 R ∈ R，则按定义 R ∉ R；若 R ∉ R，则按定义 R ∈ R。矛盾不可消解。此悖论直接摧毁了 Frege 的朴素集合论（Frege 在收到 Russell 信后承认其系统存在根本缺陷），引发了数学基础的"第三次危机"。由此催生了：
+
+- **ZFC 集合论** (Zermelo-Fraenkel + Choice)：通过限制集合构造规则（分离公理模式而非概括公理）排除悖论
+- **类型论** (Russell, 1908)：通过类型层级禁止自指
+- **直觉主义** (Brouwer)：拒绝将无穷集视为已完成对象
+
+Russell 悖论深刻揭示：逻辑系统的一致性不能被默认，必须被证明或被构造性地保证。
+
+## ZFC 集合论 / ZFC as Background Logic for Mathematics
+
+Zermelo-Fraenkel 集合论加选择公理 (ZFC) 是当代数学的默认基础语言——几乎所有数学对象（数、函数、空间、群）都可以在 ZFC 中被定义为集合，所有数学定理都可以（原则上）被翻译为 ZFC 中的形式证明。
+
+> "数学家在日常工作中不写 ZFC 证明，但他们默认所有证明都可以在 ZFC 中被形式化。"
+> "Mathematicians do not write ZFC proofs in daily work, but they presuppose that all proofs can in principle be formalized in ZFC."
+
+ZFC 的九条公理（外延、空集、配对、并集、幂集、无穷、分离、替换、选择）精心规避了 Russell 悖论，同时保留了足够强的构造能力。选择公理 (AC) 引发了持续争议——它允许非构造性选择（如 Zorn 引理、良序定理），在 Banach-Tarski 分球等反直觉结果中显露其代价。
+
+## 一阶逻辑 vs 高阶逻辑 / First-Order vs Higher-Order Logic
+
+**一阶逻辑 (FOL)**：量词仅作用于个体 (∀x, ∃x)，不允许量化谓词或函数。这是数理逻辑的"标准语言"，拥有完备性（Gödel 1929）和紧致性。
+
+**高阶逻辑 (HOL)**：允许量化谓词 (∀P) 和函数 (∀f)，表达力更强但代价沉重——高阶逻辑**不完备**（无递归可枚举的证明系统能覆盖所有有效推理），且不可紧致。
+
+> "一阶逻辑是完备的但表达力受限；高阶逻辑表达力强但不可完备。这是一个根本性的权衡。"
+> "First-order logic is complete but limited in expressive power; higher-order logic is expressive but incomplete. This is a fundamental trade-off."
+
+Peano 算术 (PA) 是一阶理论，其归纳公理被编码为无穷多条一阶公理模式；真正的 Peano 公理（二阶归纳）唯一刻画 ℕ，但一阶 PA 有非标准模型。这直接联系到 Löwenheim-Skolem 定理。
+
+## Gödel 完备性 vs 不完备性 / Completeness (1929) vs Incompleteness (1931)
+
+**完备性定理 (1929)**：一阶逻辑的演绎系统是完备的——每个逻辑上有效的公式都可被形式证明。
+
+> "一阶逻辑中，所有逻辑上有效的公式都可以从公理出发通过形式推理得到证明。"
+> "In first-order logic, all logically valid formulas can be proved from the axioms through formal inference."
+
+**不完备性定理 (1931)**：任何包含基本算术的一致形式系统都存在不可判定命题——既不可证也不可否证。
+
+> "任何足够强的一致形式系统 T 中，存在语句 G 使得 T ⊬ G 且 T ⊬ ¬G。"
+> "In any sufficiently strong consistent formal system T, there exists a sentence G such that T ⊬ G and T ⊬ ¬G."
+
+关键区别：完备性定理说的是**逻辑系统本身**不遗漏有效推理；不完备性定理说的是**算术理论**无法穷尽所有真理。二者不矛盾——完备性保证"推理规则够用"，不完备性揭示"算术真理超出任何固定公理集"。
+
+## Löwenheim-Skolem 定理 / Löwenheim-Skolem Theorem (1920, 1922)
+
+> "若一阶理论 T 有无穷模型，则 T 对每个无穷基数 κ ≥ ℵ₀ 都有模型。"
+> "If a first-order theory T has an infinite model, then T has a model of every infinite cardinality κ ≥ ℵ₀."
+
+下 Löwenheim-Skolem：T 必有可数模型。上 Löwenheim-Skolem：T 必有任意大基数模型。
+
+震撼性推论：一阶理论**无法控制其模型的基数**。即使 ZFC 旨在描述一个不可数集合宇宙，ZFC 本身也有可数模型（Skolem 悖论）。这揭示了一阶逻辑的表达力根本性限制——一阶语句无法区分"可数"与"不可数"的内部视角与外部视角。
+
+## Tarski 真理的语义理论 / Tarski's Semantic Theory of Truth (1933)
+
+> "'雪是白的'为真，当且仅当雪是白的。"
+> "'Snow is white' is true if and only if snow is white."
+
+Tarski 给出了真理的形式定义 (T-schema)，展示了逻辑中"真"与"可证"的区别——"真"是语义概念（取决于模型），"可证"是语法概念（取决于证明系统）。完备性定理连接二者（在 FOL 中 T ⊢ φ ⇔ T ⊨ φ），但在算术等强理论中二者永久分离（Gödel 不完备性）。
+
+Tarski 还证明了：足够强的语言**不可能在自身内部一致地定义真理**——真理定义必须使用更强的元语言。这与 Russell 悖论和 Gödel 不完备性形成三重不可自指限制。
+
+## Gentzen 自然演绎与相继演算 / Gentzen's Natural Deduction and Sequent Calculus (1935)
+
+Gerhard Gentzen 在 *Investigations into Logical Deduction* 中发明了两种全新的证明结构：
+
+**自然演绎 (Natural Deduction)**：推理规则围绕引入 (I) 和消除 (E) 每个逻辑联结词组织——∧I, ∧E, →I, →E, ∀I, ∀E 等。这捕捉了数学家的实际推理方式：假设一个前提，推导结论，然后取消假设（→I 即条件证明）。
+
+**相继演算 (Sequent Calculus)**：证明的对象是相继式 Γ ⊢ Δ（左边假设，右边结论），规则在相继式之间操作。关键突破：**切割消除定理** (Hauptsatz)——任何使用切割规则 (Cut) 的证明都可以被转化为无切割证明。
+
+> "主定理 (Hauptsatz) 表明：所有证明都可以被转化为无切割的证明，即消除一切'中间公式'。"
+> "The Hauptsatz states that all proofs can be transformed into cut-free proofs, eliminating all 'intermediate formulas'."
+
+切割消除是证明论的核心工具：它保证了子公式性质（无切割证明的每一步只涉及最终结论的子公式），使得一致性和可判定性证明成为可能。Gentzen 的工作将逻辑从"公理化"转向"结构化"，开创了证明论 (Proof Theory) 这一学科。
+
+## Turing 停机问题 / Turing's Halting Problem (1936)
+
+Alan Turing 在 *On Computable Numbers* 中定义了 Turing 机，并证明了：
+
+> "不存在通用算法能判定任意 Turing 机是否在任意输入上停机。"
+> "There is no general algorithm that can decide whether an arbitrary Turing machine halts on an arbitrary input."
+
+停机问题的不可判定性是计算与逻辑的根本性限制。它的逻辑本质与 Gödel 不完备性等价：若停机可判定，则算术不完备性可被绕过；若算术完备，则停机可被判定。二者互为对偶——同一堵墙的两个面。
+
+停机问题的直接推论：一阶逻辑的**有效性判定问题** (Entscheidungsproblem) 也是不可判定的（Church, 1936; Turing, 1936）——不存在通用算法能判定任意一阶公式是否逻辑有效。逻辑演绎可以被执行，但不可被机械地全面预判。
+
+## Robinson 消解与合一 / Resolution and Unification (1965)
+
+J. A. Robinson 在 *A Machine-Oriented Logic Based on the Resolution Principle* 中引入了消解规则：
+
+> "从 P ∨ Q 和 ¬P ∨ R 消解得到 Q ∨ R。"
+> "Resolve P ∨ Q and ¬P ∨ R to obtain Q ∨ R."
+
+消解将所有推理压缩为一条规则加上合一算法 (Unification)——自动寻找使两个项相等的代数替换 σ，使得 σ(P) = σ(P')，从而对互补文字执行消解。
+
+消解-合一是自动定理证明 (Automated Theorem Proving) 和逻辑编程 (Logic Programming, e.g. Prolog) 的数学核心。它证明了：一阶逻辑的证明搜索可以被统一为一个算法过程，尽管效率问题（搜索空间爆炸）在实践中仍然严峻。
+
+## Curry-Howard 对应 / Curry-Howard Correspondence (1969)
+
+> "命题即类型，证明即程序。"
+> "Propositions as types, proofs as programs."
+
+Curry (1958) 首先观察到组合逻辑的类型与命题逻辑的公式之间的对应；Howard (1969) 将其扩展到构造性谓词逻辑：
+
+| 逻辑概念 | 类型论/编程概念 |
+|----------|----------------|
+| 命题 A | 类型 A |
+| A ∧ B | A × B (积类型) |
+| A ∨ B | A + B (和类型) |
+| A → B | A → B (函数类型) |
+| ∀x. P(x) | Πx:A. P(x) (依赖函数类型) |
+| ∃x. P(x) | Σx:A. P(x) (依赖对类型) |
+| 构造性证明 | 可执行程序 |
+
+Curry-Howard 对应揭示了逻辑演绎与计算之间的深层同构：一个构造性证明就是一个程序，程序的执行就是证明的归约 (proof normalization)。这是 Gentzen 切割消除在计算层面的对应——β-归约就是切割消除。
+
+此对应成为类型论 (Martin-Löf, 1972)、依赖类型编程 (Coq, Agda) 和同伦类型论 (HoTT, 2013) 的理论基础，将"证明正确性"与"程序正确性"统一为同一问题。
+
+## 常见逻辑谬误的形式化
+
+| 谬误名 | 形式 | 反例 |
+|--------|------|------|
+| 肯定后件 | P → Q, Q ∴ P | "如果下雨则地湿，地湿，所以下雨了"（可能是洒水车） |
+| 否定前件 | P → Q, ¬P ∴ ¬Q | "如果下雨则地湿，没下雨，所以地不湿"（可能是洒水车） |
+| 循环论证 | P ∴ P | "这本书说的是真话，因为书上这么写的" |
+| 稻草人 | 攻击 P' ≠ P | A: "应该增加教育预算" B: "你想把所有钱都给学校" |
+| 滑坡 | A → B → ... → Z, ∴ ¬A | "允许这个→那个→灾难，所以不能允许" |

package/skills/meta-selector/SKILL.md

@@ -0,0 +1,188 @@
+---
+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