TTokenySpace
返回 Skills 列表

conjecture-prover

猜想证明技能——将任意领域的猜想通过拆解→等价转化→归约→验证的全管线，转化为可验证的证明或精确归约为开放问题。覆盖数学、物理、CS、生物、经济、语言、历史等，5域29种任务×38种创新方法。触发词：猜想、证明、归约、conjecture-prover、meta-skill-system。

#中文
下载 ZIP 来源页面
0

安装到 Tokeny（自动）

下载 ZIP
安装"conjecture-prover"技能
技能信息：
- 名称: conjecture-prover
- 标识: conjecture-prover
- 描述: 猜想证明技能——将任意领域的猜想通过拆解→等价转化→归约→验证的全管线，转化为可验证的证明或精确归约为开放问题。覆盖数学、物理、CS、生物、经济、语言、历史等，5域29种任务×38种创新方法。触发词：猜想、证明、归约、conjecture-prover、meta-skill-system。
- 版本: 1.0.0
下载地址：
https://www.tokeny.space/api/skills/conjecture-prover/download
继续

复制上方内容到 Tokeny 客户端并在会话中发送即可自动安装；也可直接 下载 ZIP并拖动到技能窗口安装。

SKILL.md

猜想证明技能 (Conjecture Prover)

定位

本技能是一个领域负载物技能，提供任意领域猜想的系统化证明能力。通过标准化管线将猜想转化为可验证的证明或精确归约为开放问题。

适用领域：数学、物理学、计算机科学、生物学、经济学、语言学、历史学等——任何存在「基于有限证据推测为真但尚未严格证实」这类命题的领域。

核心理念变革：

  1. 证明 ≠ 闭解：将猜想精确归约为单一可验证的命题，其价值不亚于完全证明。
  2. 直觉优先：领域直觉（几何模型、物理类比、生物学隐喻）可以引导出精确的形式化推导，比纯技术路线更高效。
  3. 数值/实验验证是校准点：经验证据不是证明本身，但是证明方向正确性的关键校准锚点。
  4. 诚实标注 > 虚假声称：明确区分已证、已验证、待证，将开放问题清晰地留给后续工作。
  5. 领域无关的方法论：拆解→归约→验证→交付的管线适用于任何领域的猜想证明。

核心能力

猜想拆解能力

进行知识点原子化拆解和依赖关系梳理。将任意猜想拆解为原子概念和核心瓶颈：

  • 原子化拆解：分解为不可再分的最小概念单元，标注依赖关系链
  • 断层识别：对照 references/conjecture-prover-catalog.md D1 域任务，定位核心卡点
  • 等价转化：将原问题转化为更易攻击的等价命题（如 RH → |ξ|² 单调性；P vs NP → 电路复杂度下界）

证明生成能力

运用全部创新方法（38 种）：

  • M7-08 约束驱动：归约为单一可验证命题——核心方法
  • M9-02 维度矩阵：跨维度/跨领域结构映射（数学：三平面框架；物理：对称性→守恒量；CS：问题归约矩阵）
  • M6-05 基元重组：桥接构造 + 等价转化 + 定理/理论组合
  • M8-03 方法迁移：将其他领域的证明范式迁移到目标猜想

详见 references/conjecture-prover-requirements.md 创新方法完整映射。

严格化与验证能力

  • 数值/实验验证：覆盖性测试确认方向正确性
  • 公式/逻辑匹配验证：推导结果与独立计算/实验数据对比
  • 安全性标注：已证 vs 已验证 vs 待证 三层明确区分

论文/报告产出能力

产出完整的学术产物集合：

  • 正式论文/报告：学术发表格式
  • 精简证明：核心论证
  • 通俗版：零基础可读
  • 论证骨架：章→节→论点结构
  • 推导过程：完整推演记录
  • 验证脚本/实验数据：可复现的证据
  • 多维复核：跨文件一致性检查

三层结构

第一层：任务清单 + 依赖拓扑   →  references/conjecture-prover-catalog.md
第二层：任务要求清单          →  references/conjecture-prover-requirements.md
第三层：范本清单            →  references/exemplars.md

使用规则

执行流程

  1. 猜想接收：接收用户提供的猜想陈述，形式化重述
  2. 类型判定：识别猜想所属领域（数学/物理/CS/生物/经济/历史等），确定该领域的验证标准
  3. 拆解攻击：原子化拆解 → 断层识别 → 38 种创新方法生成攻击向量
  4. 路线选择：从攻击向量中筛选最可行路线，结合数值验证校准方向
  5. 归约或证明：将猜想归约为更简单的等价问题，或在可行时完成证明
  6. 诚实交付：明确标注已完成和待完成部分，产出完整论文集合

核心纪律

  1. 永远不声称已证未证之事：数值证据 ≠ 解析证明，诚实标注每一步的状态
  2. 几何直觉引导数学推导：先找到直觉模型（碗、投票、桥），再转化为精确公式
  3. 先验证再声称：任何声称必须有数值或解析支撑
  4. 远零点自动对 ≠ 全自动：类分明确标注「自动」与「待控制」
  5. 开放问题就是开放问题：不粉饰、不隐瞒、不假装已解决
  6. 安全边际（gap）必须显式计算
  7. 引用真实存在的文献
  8. 样本法模仿时不直接复制内容，仅借鉴结构和风格

接口校验

生成新证明时必须通过 references/conjecture-prover-requirements.md 中定义的完整组件清单检查。

域概览

按使用流程组织，共5域29种任务：

域任务数全部任务
D0 协调4猜想类型识别（含跨领域分类）、执行路径选择、结果整合、深化路由
D1 拆解5猜想陈述解析、原子概念拆解、断层识别、工具评估、拆解验证
D2 证明9创新方法矩阵、命题设计、管线编排、等价转化、桥接构造、死路排除、归约、验证校准、证明验证
D3 验证5边界推导、验证扫描、模型/逻辑匹配、安全边际计算、严格性确认
D4 论文6骨架生成、论文展开、引用管理、复核、打包、跨文件一致性同步

域间逻辑流：D0 → D1 → D2 ⇄ D3 → D4（D2↔D3 含迭代校准回路）

完整清单见 references/conjecture-prover-catalog.md。

执行框架

本技能按 D0→D1→D2→D3→D4 管线执行。

统一执行流程：收到猜想陈述 → 创新判定 → 领域校准 → 分解 → 管线编排与执行 → 整合交付。

核心管线模式：

D0 接收猜想
  ↓
D1 拆解（原子化 + 等价转换）
  ↓
D2 攻击（38种方法生成向量 + K-hat式桥接搜索 + 三平面框架构建）
  ↓ ←→
D3 校准（验证反馈 + 匹配确认）
  ↓
D4 交付（论文集合 + 状态表 + 开放问题标注）

案例与参考

数学猜想案例（RH 新路线）

assets/ 和 scripts/ 包含 RH 新路线的完整交付物：

文件用途
RH_README.md交付物总览
RH_POPULAR.md通俗解读版（零基础可读）
RH_PROOF.md精简证明文档
RH_PAPER.md正式学术论文
RH_PROOF_PROCESS.md完整过程记录
RH_ARGUMENT_SKELETON.md论证骨架
RH_AUTO_REVIEW.md五维复核报告
rh_three_planes.svg三平面相交框架图
rh_bowl_section.svg|ξ|² 碗截面图
rh_voting_diagram.svg投票示意图
scripts/rh_proof_verify.py验证脚本（凸性+导数+零点+公式匹配）

猜想目录

references/conjecture-prover-requirements.md 猜想目录收录多个领域的重要猜想。数学类 RH 状态已更新为「🔴 开放（本技能提供新路线）」。

事实纪律

  1. 所有引理必须可独立验证，不得跳过逻辑步骤
  2. 数值验证必须明确标注为「数值验证」而非「证明」
  3. 已证、已验证、待证 三层严格区分
  4. 不确定的部分标注为「条件性结论」或「开放问题」
  5. 安全边际（gap）必须显式计算且 > 0
  6. 引用真实存在的文献
  7. 样本法模仿时不直接复制内容，仅借鉴结构和风格
  8. 几何直觉可引导精确公式，验证校准防止走错方向

评论

加载中…