mcpField
A
atomic-decomposition

atomic-decomposition

github.com/lingzhi227开发4401.6k 次安装35 周前更新
代码仓库

关于 atomic-decomposition

用于研究的技能，可将想法、论文或方法拆分为可追溯的概念，并关联数学公式与代码实现。它还会汇编结构化知识库并检查缺漏。

主要功能

  1. 01拆分原子概念
  2. 02检索论文与数学公式
  3. 03调查代码实现
  4. 04汇编结构化知识库
  5. 05检查公式与代码的一致性

适用场景

  1. 01拆解拟议的研究方法
  2. 02追溯公式对应的代码实现
  3. 03发现理论或实现缺口

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/lingzhi227/agent-research-skills --skill atomic-decomposition

安装后在 Claude Code 中输入/atomic-decomposition确认已加载。

附带文件references/decomposition-prompts.md

详细介绍

原子化分解

将研究构想分解为原子概念，并建立数学公式与代码实现之间的映射。

输入

  • $0 — 研究构想、论文或方法描述

参考资料

  • 分解提示词和工作流：~/.claude/skills/atomic-decomposition/references/decomposition-prompts.md

工作流（来自 AI-Researcher Survey Agent）

步骤 1：拆解为原子定义

分析研究构想，并将其分解为原子级、独立完整的概念：

  • 每个原子应是一个单独的概念
  • 必须有明确的数学基础
  • 必须能够通过代码实现
  • 必须能够追溯至具体论文
步骤 2：针对每个原子定义
A. 论文调研（数学公式）
  • 搜索包含数学表述的论文
  • 提取精确的 LaTeX 公式
  • 记录假设和约束
  • 记录参考论文
B. 代码调研（实现）
  • 搜索代码库中的实现
  • 提取对应代码
  • 记录实现细节和变体
  • 记录参考代码仓库
C. 创建知识条目
{
  "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"]
}
步骤 3：编制知识库
  • 将所有原子定义合并为结构化知识库
  • 验证一致性：每个数学公式都有对应的代码实现
  • 验证完整性：每个代码模块都能追溯至形式化定义
  • 找出任何缺口（没有代码的公式，或没有理论依据的代码）

规则

  • 每个原子定义都必须具体到足以追溯至具体公式和代码
  • 不要跳过或合并定义——逐一分析
  • 如果不确定原子化程度，应倾向于进一步拆分
  • 在分析前记录拆解理由
  • 论文中的每个数学概念都必须有经过验证的代码
  • 每个代码模块都必须追溯至形式化数学定义

相关技能

评论

支持 Markdown