math-skill 2.0.1 → 3.0.0

package/commands/optimization.md

@@ -1,13 +0,0 @@
----
-name: optimization
-description: |
-  问题涉及约束下取舍与目标极值、需用拉格朗日/KKT/对偶分析，或为算法/算子/训练设计选择优化方法时调用。路由到 ../skills/optimization/SKILL.md。
-  English: Trigger when a problem involves trade-offs and extrema under constraints, needs Lagrangian/KKT/duality analysis, or chooses optimization methods for algorithm/operator/training design. Routes to ../skills/optimization/SKILL.md.
----
-
-读取并遵循 `../skills/optimization/SKILL.md`，按其操作规程输出（用于算法/算子/GPU 设计时含 [GPU 可行性] 项）。
-
-如果输入包含 "in English"，请使用英文输出；否则使用中文输出。
-
-当前问题：
-$ARGUMENTS

package/commands/probability-statistics.md

@@ -1,13 +0,0 @@
----
-name: probability-statistics
-description: |
-  量化不确定性、做贝叶斯推断/假设检验/回归建模/实验设计，或为随机算法/采样/量化/训练动力学设计概率机制时调用。路由到 ../skills/probability-statistics/SKILL.md。
-  English: Trigger when quantifying uncertainty, doing Bayesian inference/hypothesis testing/regression/experimental design, or designing probabilistic mechanisms for random algorithms/sampling/quantization/training dynamics. Routes to ../skills/probability-statistics/SKILL.md.
----
-
-读取并遵循 `../skills/probability-statistics/SKILL.md`，按其操作规程输出（用于算法/算子/GPU 设计时含 [GPU 可行性] 项）。
-
-如果输入包含 "in English"，请使用英文输出；否则使用中文输出。
-
-当前问题：
-$ARGUMENTS

package/commands/symmetry-invariance.md

@@ -1,13 +0,0 @@
----
-name: symmetry-invariance
-description: |
-  做群论/不变量/Noether 定理/对称性破缺分析，或为算法设计等变性/守恒量/不变结构时调用。路由到 ../skills/symmetry-invariance/SKILL.md。
-  English: Trigger when doing group theory/invariant/Noether's theorem/symmetry-breaking analysis, or designing equivariance/conservation/invariant structures for algorithms. Routes to ../skills/symmetry-invariance/SKILL.md.
----
-
-读取并遵循 `../skills/symmetry-invariance/SKILL.md`，按其操作规程输出（用于算法/算子/GPU 设计时含 [GPU 可行性] 项）。
-
-如果输入包含 "in English"，请使用英文输出；否则使用中文输出。
-
-当前问题：
-$ARGUMENTS

package/commands/topological-thinking.md

@@ -1,13 +0,0 @@
----
-name: topological-thinking
-description: |
-  做拓扑数据分析/持续同调/同调与基本群计算，或为算法设计连通性/鲁棒性/上同调一致性判据时调用。路由到 ../skills/topological-thinking/SKILL.md。
-  English: Trigger when doing topological data analysis/persistent homology/homology and fundamental group computation, or designing connectivity/robustness/cohomology-consistency criteria for algorithms. Routes to ../skills/topological-thinking/SKILL.md.
----
-
-读取并遵循 `../skills/topological-thinking/SKILL.md`，按其操作规程输出（用于算法/算子/GPU 设计时含 [GPU 可行性] 项）。
-
-如果输入包含 "in English"，请使用英文输出；否则使用中文输出。
-
-当前问题：
-$ARGUMENTS

package/commands/transformation.md

@@ -1,13 +0,0 @@
----
-name: transformation
-description: |
-  问题在当前表示下难处理、需通过数学变换转为等价简单问题，或为算法/算子设计寻找更 GPU 友好的等价表示时调用。路由到 ../skills/transformation/SKILL.md。
-  English: Trigger when a problem is intractable in its current form and needs a transform into an equivalent simpler problem, or when finding a more GPU-friendly equivalent representation for algorithm/operator design. Routes to ../skills/transformation/SKILL.md.
----
-
-读取并遵循 `../skills/transformation/SKILL.md`，按其操作规程输出（用于算法/算子/GPU 设计时含 [GPU 可行性] 项）。
-
-如果输入包含 "in English"，请使用英文输出；否则使用中文输出。
-
-当前问题：
-$ARGUMENTS

package/skills/abstraction/SKILL.md

@@ -1,119 +0,0 @@
----
-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）。

package/skills/abstraction/original-texts.md

@@ -1,175 +0,0 @@
-# 数学出处与经典文献 / Mathematical Sources and Classic Texts
-
-## 伽罗瓦理论 / Galois Theory (1830s)
-
-> "伽罗瓦理论的深刻之处在于：它将'方程是否有根式解'的问题，转化为'置换群是否可解'的结构问题。"
-> "The profundity of Galois theory: it transforms the question 'can an equation be solved by radicals?' into the structural question 'is the permutation group solvable?'"
-
-**抽象范式**：伽罗瓦理论是数学史上最早的系统抽象——从具体的方程求解，上升到群的对称性结构。
-- 根的置换群（permutation group of roots）决定了方程的可解性
-- 伽罗瓦对应（Galois correspondence）：子群 ↔ 子域，将代数与结构直接联系
-- 影响深远：开启了"用结构代替计算"的思维方式，为抽象代数奠定基础
-
-**历史**：Evariste Galois (1811–1832)，生前未获认可，手稿由 Liouville 于 1846 年发表。
-
-## 戴德金与诺特 / Dedekind & Noether — 从数到结构 / From Numbers to Structures
-
-> "戴德金将整数从'计数工具'抽象为'环的理想'；诺特将这一切系统化，使理想成为代数的核心对象。"
-> "Dedekind abstracted integers from 'counting tools' into 'ideals of rings'; Noether systematized this, making ideals the central objects of algebra."
-
-**关键贡献**：
-- **Dedekind (1831–1916)**：理想（ideals）理论的创始人——将"整除"抽象为"包含关系"，将数论提升到结构层面
-- **Emmy Noether (1882–1935)**：
-  - 诺特环（Noetherian rings）：升链条件将"有限性"从具体对象抽象为结构性质
-  - 诺定理（Noether's theorem, 1918）：物理中的对称性 ↔ 守恒律——物理学中抽象结构的典范
-  - 将抽象代数从"计算性"转向"结构性"
-
-> "Noether 的教学模式：'Es steht schon bei Dedekind'（Dedekind 已经写过了）——她总是追溯结构的思想根源。"
-
-## 范畴论 / Category Theory (Eilenberg & Mac Lane, 1945)
-
-> "范畴论的核心思想是：研究对象之间的态射（映射）比研究对象本身更重要。"
-> "The key idea of category theory: studying the morphisms (maps) between objects is more important than studying the objects themselves."
-
-**核心概念**：
-- **对象（Objects）** 和 **态射（Morphisms）**
-- **函子（Functors）**：范畴之间的映射
-- **自然变换（Natural Transformations）**：函子之间的映射
-- **泛性质（Universal Properties）**：用关系定义对象
-
-**抽象的意义**：范畴论是"数学的数学"——它抽象到可以描述数学本身的结构。
-
-## 米田引理 / Yoneda Lemma (1954)
-
-> "一个对象完全由它与其他对象之间的关系所决定——这是范畴论的基本定理。"
-> "An object is completely determined by its relationships to all other objects — this is the fundamental theorem of category theory."
-
-**数学含义**：
-- 形式化表述：Hom(Hom(A, —), F) ≅ F(A)——函子的自然变换与函子在 A 处的取值一一对应
-- 哲学意义：要了解一个事物，只需观察它与一切其他事物的交互——"你由你的关系所定义"
-- Yoneda 嵌入：每个对象 A ↦ Hom(—, A)，对象可完全嵌入到其"关系世界"中
-- 被称为范畴论的"第一定理"（first theorem），地位相当于集合论中的外延公理
-
-**历史**：首次出现在 Nobuo Yoneda 的未发表笔记中，后由 Mac Lane 在 1954 年正式阐述。
-
-## 布尔巴基 / Bourbaki (1935–)
-
-> "布尔巴基用'结构'作为统一语言重写了二十世纪数学——从母结构（代数、序、拓扑）出发，一切皆结构。"
-> "Bourbaki rewrote 20th-century mathematics with 'structures' as a unifying language — from mother structures (algebra, order, topology), everything is structure."
-
-**核心思想**：
-- 三大母结构（mother structures）：代数结构（algebraic）、序结构（order）、拓扑结构（topological）
-- 复合结构（multiple structures）：由母结构组合而来——拓扑群、有序域等
-- 《数学原理》（Éléments de mathématique）：40 余卷的系统化重写
-- 影响深远：定义了现代数学教材的组织方式与抽象风格
-
-**争议**：布尔巴基的结构主义偏向过于抽象，忽视了概率论与计算数学——但也正是这种抽象化推动了范畴论的诞生。
-
-## 代数结构 / Algebraic Structures
-
-抽象代数展示了不同数学对象之间的深层共性：
-
-| 结构 | 运算要求 | 例子 |
-|------|---------|------|
-| 半群 (Semigroup) | 封闭、结合 | 函数复合、字符串拼接 |
-| 幺半群 (Monoid) | 半群 + 单位元 | 自然数加法、列表拼接（含空列表） |
-| 群 (Group) | 幺半群 + 逆元 | 对称群、整数加法群 |
-| 环 (Ring) | 群（加法）+ 半群（乘法）+ 分配律 | 整数环、多项式环 |
-| 域 (Field) | 环 + 乘法逆元（非零元） | 有理数域、实数域 |
-| 向量空间 (Vector Space) | 域上的加法群 + 标量乘法 | ℝⁿ, 函数空间 |
-
-**中间结构的意义**：半群和幺半群并非"不完整的群"——它们在自动机理论（automata theory）、形式语言（formal languages）、字符串处理中本身就是核心对象。抽象不是追求"最完整"，而是提取恰好所需的性质。
-
-**抽象的力量**：一旦在抽象层面证明了某个结论，它就自动适用于所有满足该结构的实例。
-
-## 泛代数 / Universal Algebra (Birkhoff, 1935)
-
-> "泛代数的核心问题是：什么样的等式类（equational classes）可以被一组等式公理所定义？"
-> "The central question of universal algebra: which equational classes can be defined by a set of equational axioms?"
-
-**关键贡献**：
-- **Birkhoff 定理**：一个代数类是等式类（variety） iff 它对同态像、子代数、直积封闭（HSP 定理）
-- 系统地研究"代数结构本身"——不是某个具体群或环，而是"一切满足给定公理的结构的共同性质"
-- 泛代数是范畴论的前驱：泛性质、自由对象等概念在此已经有了雏形
-- 与范畴论的关系：等式类 = 由自由代数生成的范畴中的泛对象
-
-## 表示论 / Representation Theory (Frobenius, 1896–)
-
-> "表示论将抽象群'实现'为具体的线性变换——让不可见的对称性变得可见。"
-> "Representation theory 'realizes' abstract groups as concrete linear transformations — making invisible symmetries visible."
-
-**核心思想**：
-- 群表示（group representation）：群 G → GL(V)，将抽象群元素映射为矩阵
-- Frobenius (1849–1917)：开创群的特征标理论（character theory），用迹函数捕捉不可约表示
-- 不可约表示（irreducible representations）：群的"原子"——一切表示由它们组合
-- Schur 引理、Maschke 定理等构成了半单代数的完整理论
-
-**抽象的双重意义**：一方面，表示论让抽象对象变得可计算；另一方面，表示的分类本身就是更高层次的抽象问题。
-
-## 自由对象与泛构造 / Free Objects and Universal Constructions
-
-> "自由对象是'没有任何额外关系'的最一般的对象——它仅由公理强制的关系所决定。"
-> "A free object is the most general object with 'no extra relations' — determined only by relations forced by axioms."
-
-**核心概念**：
-- **自由群（Free group）**：由字母表生成，除群的公理外无任何额外关系
-- **自由幺半群（Free monoid）**：就是字符串集合——字符串拼接是"最自由的"结合运算
-- **泛性质表述**：自由对象 F(A) 满足——任意映射 A → X（X 为目标结构中的对象）唯一延伸为 F(A) → X 的态射
-- **左伴随（Left adjoint）**：遗忘函子（forgetful functor）的左伴随就是自由对象——抽象的"最一般解"
-
-**意义**：自由对象展示了泛构造的典型模式——用"最少的约束"定义"最一般的解"，然后通过附加关系得到更具体的对象。
-
-## 格罗滕迪克与概形 / Grothendieck & Schemes (1950s–60s)
-
-> "格罗滕迪克将代数几何彻底重构：不再研究具体曲线，而是研究概形——最一般的'空间'概念。"
-> "Grothendieck completely reconstructed algebraic geometry: no longer studying specific curves, but schemes — the most general notion of 'space'."
-
-**革命性抽象**：
-- **概形（Schemes）**：将代数簇（algebraic varieties）推广到允许零因子、任意基的改变——"空间"不再是点集，而是环的谱（spectrum of a ring）
-- **拓扑斯（Topoi）**：比拓扑空间更一般的"空间"概念——一个拓扑斯就是一个范畴，足以支撑内部逻辑
-- **动机（Motives）**：猜想中的"万能上同调理论"——不同上同调理论的共同根源
-- **泛构造哲学**：Grothendieck 总是先找到"最一般"的框架，再在其中解决具体问题
-
-**影响**：EGA/SGA 四千余页的重写，使代数几何成为最抽象也最强大的数学分支之一。Weil 猜想（Weil conjectures）的证明正是这一抽象框架的直接成果。
-
-## 拓扑学 / Topology
-
-> "拓扑学是研究在连续变形下保持不变的性质的学科。"
-> "Topology studies properties that remain unchanged under continuous deformations."
-
-**抽象层次**：
-- 度量空间 → 拓扑空间：去掉距离，只保留"开集"概念
-- 连续函数 → 态射：去掉 ε-δ，只保留"开集的原像是开集"
-- 同胚 → 等价：拓扑意义下"相同"的空间
-
-**经典案例**：咖啡杯和甜甜圈在拓扑意义下是同构的——它们都有一个洞。
-
-## 同伦类型论 / Homotopy Type Theory (Voevodsky, 2009–)
-
-> "同伦类型论的唯一性公理宣称：同构的结构就是相同的——这是抽象的终极形式。"
-> "The univalence axiom of homotopy type theory asserts: isomorphic structures are identical — the ultimate form of abstraction."
-
-**核心思想**：
-- **唯一性公理（Univalence Axiom）**：(A ≃ B) ≃ (A = B)——同构与相等等价
-- 哲学冲击：如果两个结构在所有可观测性质上一致，它们就"是"同一个——没有"不可观测的"同一性
-- **同伦层级（h-levels）**：命题（h-level 1）、集合（h-level 2）、群对象（h-level 3）……——将经典逻辑与拓扑直觉统一
-- Voevodsky (1966–2017)：Fields 奖得主，后期致力于将数学建立在计算可靠性更高的新基础之上
-
-**与范畴论的关系**：同伦类型论可视为范畴论的"内部语言"——在 (∞,1)-范畴的语境中，唯一性公理是自然的。
-
-## 抽象的本质 / The Nature of Abstraction
-
-> "所谓抽象，就是忽略具体的、偶然的特征，提取一般的、本质的结构。"
-> "Abstraction means ignoring specific, contingent features and extracting general, essential structures."
-
-抽象不是远离现实，而是深入现实——通过找到不同事物的共同结构，我们可以用统一的框架处理它们。
-
-**抽象的谱系**：
-- Galois (1830s)：方程 → 群结构
-- Dedekind (1870s)：数 → 理想
-- Birkhoff (1935)：具体代数 → 等式类
-- Eilenberg–Mac Lane (1945)：具体数学 → 范畴
-- Grothendieck (1960s)：具体空间 → 概形与拓扑斯
-- Voevodsky (2010s)：同构 → 同一
-
-每一次抽象，都让我们看到更深的结构，处理更广的问题。

package/skills/algorithmic-thinking/SKILL.md

@@ -1,136 +0,0 @@
----
-name: algorithmic-thinking
-description: |
-  触发：问题需要有限步骤求解、算法设计、复杂度分析（时间/空间）、可行性与并行性评估（P/NP-hard/不可判定）；或需证明终止性/正确性；或为 GPU 设计可执行算法/算子（评估复杂度阶、并行度、访存与融合）时调用。
-  English: Trigger when a problem needs finite-step solving, algorithm design, complexity analysis (time/space), tractability & parallelism assessment (P/NP-hard/undecidable); or termination/correctness proofs; or designing executable algorithms/operators for GPU (assessing complexity order, parallelism, memory access & fusion).
----
-
-# 🖥️ 算法与计算思想 / Algorithmic Thinking
-
-> "算法是思想的自动化——将洞察转化为可重复执行的精确步骤。"
-> "An algorithm is the automation of thought — turning insight into precisely repeatable steps."
->
-> —— 计算理论、算法分析、复杂度理论 / Computability Theory, Algorithm Analysis, Complexity Theory
-
-## 核心原则 / Core Principle
-
-**把问题拆解为可执行步骤，评估代价，判断可行性。算法思想的第一原则不是"如何求解"，而是"是否可解、代价几何"——某些问题本质困难（NP 完全），某些本质不可解（不可判定），了解这些极限与找到解同样重要。**
-
-**Break problems into executable steps, assess cost, judge feasibility. The first principle is not "how to solve" but "whether it is solvable and at what cost" — some problems are inherently hard (NP-complete), some inherently unsolvable (undecidable); knowing these limits is as important as finding solutions.**
-
-> **数学形式化 / Mathematical Formalization**
->
-> 图灵机 M: Σ* → Σ* 在有限步骤内停机。时间复杂度 T(n) = 长度为 n 的输入的最大执行步数；空间复杂度 S(n) = 最大使用单元数。丘奇-图灵论题：任何可计算的都可由图灵机计算。
->
-> 三级层次：可计算（算法存在）→ 可行（多项式时间算法存在）→ 难解（仅指数时间或无算法）。可计算但不可行在实践中等同不可计算——蛮力 2^n 对 n=100 毫无价值。P vs NP 正是可行与难解的分界。
->
-> 复杂度符号：O(f(n)) 上界，Ω(f(n)) 下界，Θ(f(n)) 精确界。常见递推：T(n)=2T(n/2)+O(n)→O(n log n)；T(n)=T(n-1)+O(n)→O(n²)；T(n)=T(n/2)+O(1)→O(log n)。复杂度类：O(1)⊂O(log n)⊂O(n)⊂O(n log n)⊂O(n^k)⊂O(2^n)⊂O(n!)。
->
-> 复杂度类定义：P = 多项式时间可判定；NP-hard = 至少与所有 NP 问题同等困难；不可判定 = 无任何算法可判定。NP-hard 应对：近似（误差界限）或启发式（概率保证）；不可判定应对：寻找可判定的受限版本。
->
-> 循环不变量：每次迭代前后成立的性质，加终止条件蕴含输出正确。Hoare 逻辑：{P} S {Q}——前置条件 P 经语句 S 产生后置条件 Q。
-
-## GPU 友好性 / GPU-Friendliness（横切检查）
-
-算法思想是与 GPU 最直接相关的武器——复杂度阶、并行度、访存/通信、算子融合直接决定一个算法能否在 GPU 上高效跑起来。每个算法须过 `../../references/gpu-friendly-math.md` 八维门：
-
-- **复杂度阶**：亚二次 O(n log n)/O(n) 友好（吃满并行核）；O(n²) 边界（GEMM 例外，Tensor Core 可救）；O(2^n)/O(n!) 反模式。
-- **并行与通信**：分治/数据并行友好（子问题独立、可批量）；动规的依赖链、回溯的串行搜索需改造（分块/斜扫描）。
-- **显存与 KV-Cache / 并行与通信**：coalesced 访问友好；butterfly 归约、前缀扫描的依赖需注意带宽；随机 scatter/gather 不友好。
-- **算子融合**：多步 elementwise 可融合为单 kernel；反复读写显存的"美丽但不可算"算法应重排为一次过。
-
-八维最低判定（正式术语）：**张量化**要求主循环可批量化；**GEMM 可映射**优先把核心计算写成 GEMM/conv/scan；**复杂度**必须给时间与空间阶；**显存与 KV-Cache**检查中间表、状态、缓存是否可分块；**低精度稳定**检查归约、排序、迭代误差；**并行与通信**检查依赖图与跨设备同步；**稀疏结构**只接受结构化稀疏；**算子融合**要求减少小 kernel 与往返显存。
-
-| 算法特征 | GPU 分类 | 说明 |
-|---|---|---|
-| 分治/归并/FFT | 友好 | 亚二次、可批量、结构规则 |
-| 动规（依赖链） | 可改造 | 分块/斜扫描打破串行依赖 |
-| 回溯/DFS 串行搜索 | 反模式 | 分支不可预测、无法填满 SIMD |
-| 蛮力 O(2^n) | 反模式 | 复杂度阶本身不可算 |
-
-> 配合 `../../references/books/matrix-analysis.md`（GEMM/低秩分解降阶）、`../../references/books/optimization-ml.md`（一阶/二阶法可行性）、`../../references/books/abstract-algebra.md`（半环/有限域上的并行算法）。
-
-## 不适用场景 / When NOT to Use
-
-- **问题有闭式解，不需要逐步计算**——如二次方程求根公式直接给答案，算法化反增复杂度。
-- **问题本质是定性的而非程序性的**——如"这个结构是否优美""这个证明是否有洞察力"无法化为有限步骤。
-- **输入无结构、无法离散化**——如连续感知数据流无法直接作为算法输入；预处理比核心问题更复杂时算法化未必最优。
-
-## 何时使用 / When to Use
-
-- 需要自动化重复过程——同一操作对大量数据反复执行，手动不可扩展。
-- 需要验证程序终止——证明算法在有限步内停机，是可靠性的基石。
-- 需要估算计算代价——大规模运行前评估时间/空间消耗，避免资源耗尽。
-- 面对组合爆炸——搜索空间随输入指数增长，需剪枝策略。
-- 需要判断问题可行性——确定 P / NP-hard / 不可判定，决定求解策略。
-- 需要设计高效求解步骤——从蛮力到精巧算法，效率差异可达数个量级。
-- **为 GPU 设计可执行算法/算子**——评估复杂度阶、并行度、访存与融合，使算法在硬件上真正可算。
-
-## 方法流程 / Method
-
-### 第一步：形式化输入输出规格 / Formalize I/O Spec
-定义输入域、输出域、约束条件。输入规格明确数据类型（整数/浮点/字符串/图）、规模范围 n∈[1,10^6]、合法性条件（前置条件）；输出规格明确返回类型、精度、边界处理；约束覆盖时间/空间限制与正确性保证（后置条件）。检验：若写不出前置/后置条件谓词，则规格尚未足够形式化。
-
-### 第二步：分解子问题 / Decompose into Sub-problems
-将大问题拆为可独立求解的小块，子问题边界清晰、接口明确。分解策略：按数据（处理不同子集）、按功能（完成不同子任务）、按层次（先粗后细逐层精化）。好的分解使每个子问题可独立验证，整体可递归验证；子问题间依赖须显式标注，避免隐式耦合。
-
-### 第三步：设计程序 / Design the Procedure
-选择算法范式——核心决策，选错则后续努力白费：
-
-- **分治 (Divide-and-Conquer)**：分割、求解子部分、合并。子问题独立、合并代价低于整体。经典：归并/快速排序、Strassen 矩阵乘。递推 T(n)=aT(n/b)+f(n) 由主定理求解。
-- **动态规划 (DP)**：重叠子问题、备忘录化避免重复。最优子结构成立。经典：最短路、背包、序列对齐。
-- **贪心 (Greedy)**：每步局部最优，期望全局。贪心选择性质成立。经典：Dijkstra、Huffman、MST。
-- **回溯 (Backtracking)**：系统性搜索、遇死路剪枝回退。搜索空间有结构。经典：N 皇后、TSP 精确解、CSP。
-- **随机化 (Randomized)**：概率捷径，以随机换效率。确定性代价过高。经典：随机快排、Monte Carlo、Las Vegas。
-
-选择原则：独立→分治、重叠→动规、贪心性质→贪心、结构化搜索→回溯、确定性代价过高→随机化。实际问题常混合多种范式。
-
-### 第四步：分析复杂度 / Analyze Complexity
-时间 O(f(n))、空间 O(g(n))，区分最坏与平均。识别基本操作计数、求解递推（主定理）、关注输入分布对平均复杂度的影响；除 O（上界）外关注 Ω（下界）与 Θ（精确界）。复杂度分析是设计中的持续评估，非事后验证。实际意义：n=10^6 时 O(n)≈10^6 步（秒级），O(n²)≈10^12 步（不可行），O(2^n) 远超宇宙年龄。
-
-### 第五步：证明正确性 / Prove Correctness
-使用循环不变量、结构归纳、终止证明、前置/后置条件。未经证明的算法是猜测。循环不变量：初始化（循环前成立）、维护（每次迭代保持）、终止（不变量加终止条件给后置条件）；结构归纳：假设子调用正确证当前调用；终止：构造递减度量证其严格递减；Hoare 逻辑：{P} S {Q}。
-
-### 第六步：检查可行性 / Check Tractability
-问题属 P？NP-hard？不可判定？P → 追求最优精确算法；NP-hard → 近似/启发式，明确误差界限或概率保证；不可判定 → 寻找可判定的受限版本。常见 NP-hard：TSP、图着色、子集和、SAT；常见不可判定：停机问题、希尔伯特第十问题。
-
-### 第七步：优化与改进 / Optimize and Improve
-减少常数因子、利用数据结构、并行化，基于瓶颈分析而非盲目调参。优化层次：(1) 算法级——换更优范式（O(n²)→O(n log n) 收益最大）；(2) 数据结构级——换更优存储/查询；(3) 实现级——缓存、并行、SIMD、算子融合；(4) 问题级——换表述使更易求解（可能质的飞跃）。优先级：算法级 > 数据结构级 > 实现级，问题级可能跃迁。每次优化后重新验证正确性。
-
-## 常见错误 / Common Errors
-
-| 错误 / Error | 批评 / Critique | 正确做法 / Correct Approach |
-|---|---|---|
-| 假设指数算法可接受 | NP-hard 对大 n 需启发式而非精确；2^50 步即使每步 1ns 需 35 年 | 对大 n 用近似/启发式，明确误差界限 |
-| 未证明终止性 | 无限循环是真实风险，挂起远比慢结果危险 | 用递减度量证终止，构造良序集上递减函数 |
-| 混淆最坏与平均情况 | 快排最坏 O(n²) 但平均 O(n log n)，最坏可能在实中出现 | 明确分析场景，注明假设 |
-| 混淆存在性与可构造性 | 解可能存在但不可计算；存在性≠可构造性 | 区分存在性证明与算法构造 |
-| 低估常数因子 | 巨大常数的 O(n log n) 可能比小常数 O(n²) 慢 | 实测比较，关注常数与缓存效应 |
-| 忽略空间复杂度 | 时间高效的算法可能爆内存；DFS 需 O(n) 但 BFS 需 O(2^n) | 同时分析时间与空间 |
-| 过早优化 | 未证正确就优化，方向可能全错 | 先证正确→析复杂度→再优化 |
-| 忽视输入分布 | 平均复杂度依赖分布假设，随机输入≠实际输入 | 标明分布假设，分析实际场景 |
-| 串行/不可融合算法上 GPU | 分支不可预测、依赖链串行、反复读写显存——"美但不可算" | 改造为并行/可融合/亚二次，过 GPU 八维门 |
-
-## 操作规程 / Operating Procedure
-
-当本 skill 被触发时，输出必须包含：
-
-1. **输入规格**：`[输入]: [描述]` — 例如：`[输入]: 无序整数数组 A[1..n]，n∈[1,10^6]`
-2. **输出规格**：`[输出]: [描述]` — 例如：`[输出]: A 的升序排列`
-3. **算法范式**：`[范式]: [分治/动规/贪心/回溯/随机化] 因为 [理由]`
-4. **复杂度**：`[时间]: O([f(n)]) [空间]: O([g(n)]) [场景]: [最坏/平均]`
-5. **正确性**：`[循环不变量/归纳策略]: [内容] ✅ 已证 / ❌ 未证`
-6. **可行性**：`[类别]: [P/NP-hard/不可判定] [应对]: [精确/近似/启发式/重新表述]`
-7. **改进建议**：`[优化方向]: [具体建议]`
-8. **[GPU 可行性]**（若用于算法/算子设计）— 复杂度阶/并行度/访存/融合评估，标注友好/可改造/反模式 + 改造建议
-
-**输出不得只给分析而无结论。**
-
-## 与其他 skill 的关系 / Relations to Other Skills
-
-- **优化思想**：梯度下降、分支定界等优化算法是算法思想的实例——优化关注最优值，算法关注达到最优值的步骤与代价。
-- **变换思想**：FFT 是算法思想应用于变换的典范——O(n²)→O(n log n)；变换把问题映到易解空间，算法在变换空间高效求解。
-- **逻辑演绎**：正确性证明使用演绎推理（循环不变量、归纳）——算法正确性证明本质是一串演绎步骤。
-- **归纳与类比**：分治用结构类比——子问题与原问题同构——正是归纳思想的算法化。
-- **离散/组合思想**：算法处理离散对象，组合计数支撑复杂度分析——组合爆炸是算法思维要克服的核心障碍。
-- **现代数学激活**：`../../references/books/matrix-analysis.md`（GEMM/低秩分解降阶）、`../../references/books/optimization-ml.md`（一阶/二阶法 GPU 可行性）、`../../references/books/abstract-algebra.md`（半环/有限域上的并行算法）。