math-skill 1.0.0

package/docs/inspiration.md

@@ -0,0 +1,113 @@
+# 灵感杂谈 / Inspirational Musings
+
+> 数学不只是一种计算工具，更是一种思想方法。有时，某个数学概念与人生之间的共鸣，会让你突然意识到——那些冰冷的公式背后，藏着理解世界的温暖视角。
+
+---
+
+## 一、屠龙刀的故事：李群-李代数的起源
+
+还记得当时思考《如何理解「李群、李代数的初衷就是求解微分方程」？》时，在知乎中看到的一条回答给我留下了极其深刻的印象[原文出处：https://www.zhihu.com/question/356243536/answer/1992290356713259459]
+
+Sophus Lie 是一个想打造一把**屠龙刀**（解通微分方程）的铁匠。
+
+虽然最后的屠龙刀没能屠尽所有的龙，但这把刀的锻造工艺——李群与李代数的对应关系——流传了下来。后来的人发现，这把刀虽然砍不动所有的微分方程，但是用来**切菜**（线性化非线性问题）、用来**雕刻**（描述物理对称性）、用来**盖房子**（机器人状态估计）简直是神兵利器。
+
+所以，当你看着满屏的 `se(3)` 和指数映射符号发晕时，别忘了，这一切的源头，只是一位挪威数学家想知道：如果把伽罗瓦那个关于置换根的游戏玩到无穷小，会发生什么奇迹。
+
+**这就是数学最迷人的地方。**
+
+一个为解决特定问题而发明的工具，最终在完全不同的领域展现出远超初衷的价值。公理化思想最初是为了让几何严密，后来却成了所有数学分支的基础语言；傅里叶变换最初是为了解热方程，后来却成了信号处理和量子力学的核心；欧拉的生成函数最初是为了算整数分拆，后来却成了组合学和概率论的通用工具。
+
+数学思想武器也是如此——你学习它，可能是为了审查一篇论文或解决一个具体问题，但它真正的价值，在于它改变了你看世界的方式。
+
+---
+
+## 二、人生就是一场最优化
+
+如果你把人看作一个高维、非线性、动态且目标函数还在变化的复杂优化问题，你会发现——最优化理论和人生路径有着惊人的哲学共鸣。
+
+### 目标函数：你想"优化"什么？
+
+在数学中，首先要定义目标函数 $f(x)$。在人生中，这就是你追求的价值：幸福、成就、意义、财富、平衡……
+
+难点在于：人生目标往往是**多目标的、模糊的、随时间变化的**，甚至可能相互冲突。
+
+### 初始点与资源约束
+
+$x_0$ 是你的出身、天赋、起点。
+
+约束条件：时间、金钱、健康、社会规则……这些像优化问题中的约束 $g(x) \leq 0$，限定了可行域。
+
+### 步长与方向：日常决策
+
+**方向**：你选择努力的方向——职业、关系、学习领域。
+
+**步长**：你在某个方向上投入的强度和时间。
+
+精确度要求：如果每一步都只追求眼前收益（比如短期利益最大化），可能会陷入"局部最优"的人生陷阱——例如高薪但无意义的工作，忙碌但无成长的生活。
+
+### 局部最优 vs 全局最优
+
+这是"人生最优化"的核心困境：
+
+- **局部最优**：你所在的城市、行业、社交圈中看似最好的选择。
+- **全局最优**：也许在另一个国家、另一个领域、另一种生活方式里，有更契合你本质的人生。但你无法预知全局，就像优化算法只能看到当前位置的局部信息。
+
+### 随机性与噪声
+
+人生不是平滑的数字函数，而是充满随机噪声：
+
+运气、机遇、意外事件……相当于目标函数有随机扰动 $f(x) + \epsilon$。
+
+因此，过分追求精确化往往不经济，你需要的是**鲁棒性和适应力**。
+
+### 探索与利用的权衡
+
+这是人生的根本张力：
+
+- **探索**：尝试新领域、新关系、新知识，可能失败，但可能发现全新的"磁场"。
+- **利用**：深耕现有领域，获取稳定收益。
+
+年轻时多探索，中年后多利用？但规则并非固定。
+
+### 动态目标与终身学习
+
+人生目标会变：20 岁追求激情，40 岁追求意义，60 岁追求传承……
+
+这意味着目标函数 $f(x)$ 本身在不断变化。因此，"优化自己"比"优化某个固定目标"更重要——也就是**元优化**（学习如何学习，调整如何调整）。
+
+### 算法选择：你的人生策略
+
+| 算法 | 人生策略 |
+|------|---------|
+| 梯度下降 | 跟随当前最迫切的方向（薪资、社会压力）一步步走 |
+| 动量法 | 保持一定的历史惯性（坚持长期目标，抵抗短期波动） |
+| 随机梯度下降 | 接受小批量随机样本，灵活调整 |
+| 进化算法 | 尝试多种人生路径，淘汰无效策略，保留有效模式 |
+
+没有一种算法绝对最好，重要的是知道自己在用什么策略，并适时调整。
+
+### 最重要的启示
+
+数学优化中，我们假设存在一个全局最优解 $x^*$。但在人生中，可能根本不存在一个"绝对最优的人生"。
+
+我们只是生活的"局中人"，寻找一个满意解，并努力让这个过程充满学习、成长和意义。
+
+重要的不是找到那个传说中的"全局最优"，而是在每一步迭代中：
+
+- 保持方向的大致正确
+- 在探索与利用间平衡
+- 接受噪声与约束
+- 允许目标函数随着阅历增长而优雅地演变
+
+**过程即意义，优化本身就是生活。**
+
+---
+
+## 这些故事与本项目的联系
+
+本项目的灵感来源，正是这两段感悟：
+
+1. **数学工具的价值远超初衷** —— Sophus Lie 的屠龙刀故事告诉我们，一个为解微分方程而发明的工具，最终成为描述对称性的通用语言。这正是"思想武器"的核心理念：每个数学思想方法，都有远超其原始应用场景的迁移价值。
+
+2. **数学是理解生活的透镜** —— 最优化理论不只是算法，它还是一种理解人生决策结构的方式。当你把"探索与利用的权衡"从强化学习迁移到职业选择，把"局部最优陷阱"从凸优化迁移到生活决策，数学就从黑板走进了日常。

package/knowledge-base/overview.md

@@ -0,0 +1,230 @@
+# 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。

package/package.json

@@ -0,0 +1,60 @@
+{
+  "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"
+  }
+}

package/skills/abstraction/SKILL.md

@@ -0,0 +1,264 @@
+---
+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