SKILL.md
唯讀
名稱
atomic-decomposition
描述
將研究想法分解為原子化、自包含的概念，並建立數學與程式碼的雙向對應。針對每個概念，從論文中提取數學公式並尋找程式碼實作。適用於需要正式理論基礎的複雜系統論文。
原子化分解
將研究想法分解為原子化概念，並建立數學公式 <-> 程式碼實作的對應。
輸入
$0— 研究想法、論文或方法描述
參考資料
- 分解提示詞與工作流程：
~/.claude/skills/atomic-decomposition/references/decomposition-prompts.md
工作流程（來自 AI-Researcher Survey Agent）
步驟 1：分解為原子化定義
分析研究想法，並將其分解為原子化、自包含的概念：
- 每個原子應為單一概念
- 必須有明確的數學基礎
- 必須能以程式碼實作
- 必須能追溯到特定論文
步驟 2：針對每個原子化定義
A. 論文調查（數學公式）
- 搜尋論文中對應的數學表述
- 提取確切的 LaTeX 公式
- 記錄假設與限制條件
- 記錄參考論文
B. 程式碼調查（實作）
- 搜尋程式碼庫中的實作
- 提取對應的程式碼
- 記錄實作細節與變體
- 記錄參考儲存庫
C. 建立知識條目
{
"definition": "Kernelized Gumbel-Softmax Operator",
"math_formula": "Z = \\text{softmax}((\\log \\pi + g) / \\tau), g \\sim \\text{Gumbel}(0,1)",
"code_implementation": "def gumbel_softmax(logits, tau=1.0): ...",
"reference_papers": ["Paper Title 1"],
"reference_codebases": ["github_user/repo_name"],
"assumptions": ["Differentiable relaxation of discrete sampling"],
"connections": ["Used in Component X of the proposed method"]
}
步驟 3：彙整知識庫
- 將所有原子化定義合併為結構化的知識庫
- 驗證一致性：每個數學公式都有對應的程式碼實作
- 驗證完整性：每個程式碼模組都能追溯到正式的定義
- 找出任何缺口（有公式但無程式碼，或有程式碼但無理論）
規則
- 每個原子化定義必須具體到能追溯到具體的公式與程式碼
- 不要跳過或合併定義 — 每個都要獨立分析
- 若不確定原子性，寧可進一步分解
- 在分析前先記錄分解的理由
- 論文中每個數學概念都必須有經過驗證的程式碼
- 每個程式碼模組都必須追溯到正式的數學定義
