编程
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。
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。
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：
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：
references/conjecture-prover-catalog.md D1 域任务，定位核心卡点运用全部创新方法（38 种）：
详见 references/conjecture-prover-requirements.md 创新方法完整映射。
产出完整的学术产物集合：
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
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。
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。
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）
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） |
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）」。
在最终输出前对测试用例做最后一轮防幻觉验证：事实核查（引用的需求ID是否存在）、一致性检查（用例之间是否矛盾）、可执行性验证（步骤是否能实际操作）、来源追溯（每个用例是否能追溯到具体需求）。当测试用例已经生成完毕、准备输出了，但你不确定AI有没有编造不存在的功能或需求时，应当使用此技能。这是整个工作流的最终质量守门——如果验证失败，必须返回问题清单要求修正，不得跳过。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
科研技能总入口与路由——不知道用哪个科研技能时先来找它。精选 13 个科研技能（含本技能），覆盖文献检索与下载、个人知识库、CAJ 转 PDF、引用核查、学术诚信法医、组会把关、新颖性校验、组会领航、答辩演练、科研方法论谋士、技能锻造与 AI 易读化。每个技能都标注了「适用边界 / 能做什么 / 不能做什么 / 该不该装」，帮 AI 和用户一眼判断装哪个。触发词：科研技能、找论文、查文献、下载PDF、引用核查、文献真假、撤稿、论文工厂、知识库、组会、答辩、新颖性、研究方法论、卡点、造技能、技能易读。
元技能系统，提供领域评估、工作流重构、领域负载物生成和通用任务执行的完整能力。核心能力：①领域消除评估（五步法：边界识别→存在理由分析→消除可行性评估→独立存在必要性判断→决策输出）②工作流重构（三步法：拆解→消除→重整，将复杂工作流重构为AI辅助一人简易完成）③领域负载物生成（从零创建完整的领域负载物技能，三层结构模板+28项接口校验，可选附加12维完整角色）④通用任务执行（三轴正交：执行轴6大元操作+管线编排、内容轴清单法+样本法、创新轴4种模式+10种元框架）。10域82种任务。触发词：元技能、领域评估、工作流重构、技能生成、任务执行、meta-skill、领域消除、三轴执行、创新框架、
当脚本化测试覆盖得差不多了、但直觉告诉你"可能还有东西没测到"时使用此技能。用系统化的探索方法（场景漫游、角色扮演、失败路径、标杆对比）来发现预设测试用例覆盖不到的问题。探索式测试不是随便点——它是有明确 charter（任务书）和时长的有目的探索。每次探索需要记录 session 笔记和发现的问题列表。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
约束驱动技能，作为极限约束引擎，识别现有约束，强化到极限，添加随机新约束，在约束边界内穷尽可能性，提取边界方案。6域30种任务。触发词：约束驱动、极限约束、约束强化、边界方案、可能性穷尽、meta-skill-system。
Claude Code技能测试框架。自动分析技能定义、生成测试用例、执行功能测试并生成详细的评分测试报告。当用户要求"测试技能"、"评估技能"、"检查技能是否工作"、"验证技能功能"时触发此技能。