Math Derivation
建立诚实、可检查的推导链;不把解释、近似或数值现象伪装成严格证明。
Position in the Method Map
本 skill 连接“规格与语义”到“演绎验证/定理证明”:它先保持 ProblemContract 的定义和量词不变,再将论证拆成可复核的中间命题。它不是 Lean elaboration,也不是自动化求解器;需要形式化 proof term 时转交 math-formalization。地图总览见 FORMAL-METHODS-MAP.md。
When to Use This Skill
- 用户要求推导公式、整理理论线或解释等式来源。
- 当前公式混用了不同对象、极限、尺度或适用域。
- 需要将全局量分解为可解释项,或从一般模型收敛到可验证特例。
Not For / Boundaries
- CandidateObservation 未形成明确用户目标或 active ProblemContract 时回到
math-discovery;不得用推导文本替候选完成准入。 - 完整定理证明交给
math-proof。 - 具体符号/数值检查交给
math-computation,其结果只是证据层。 - 不静默增加假设、交换极限/积分、忽略收敛条件或改变目标对象。
Quick Reference
textTarget:要得到什么,角色是 identity / proposition / approximation / interpretation? Invariant object:贯穿推导的唯一顶层对象是什么? Assumptions:显式、隐藏、局部、渐近和正则性条件。 Notation:每个符号先定义,一物一名。 Map:中间恒等式/引理、每步所用假设、近似进入位置。 Checks:维度、定义域、边界、极限、特例、符号与数值反算。 Status:coherent / coherent-after-reframing / blocked。
Examples
Example 1:精确恒等式
- 输入:需要证明两个代数表达式等价。
- 动作:固定定义域和变量假设,逐步变形,再交给 SymPy 做差为零检查。
- 验收:区分纸面推导与
symbolically-checked,不标记 kernel-checked。
Example 2:渐近近似
- 输入:推导大样本近似。
- 动作:标明极限变量、余项、均匀性和常数依赖。
- 验收:结论含适用域和误差阶,不把近似写成恒等式。
Example 3:目标对象错误
- 输入:局部代理量被当作全局目标。
- 动作:指出对象切换,重构为“全局量 → 分解 → 局部切片”。
- 验收:状态为
coherent-after-reframing并保留原目标差异。
References
references/source-map.md:推导方法来源和未吸收边界。references/pressure-tests.md:隐藏假设压力场景。
Maintenance
- Sources:
kdense-scientific-skills与本项目 ProblemContract/证据分层规则;不依赖未发布本机来源。 - Last updated:2026-08-13。
- Verification:
python3 scripts/smoke_math.py只验证计算层;推导仍需逐步审计。


