将任何输入转换为具有丰富语义元数据的结构化知识模式。

λL.τ：域→通过递归帕累托压缩优化模式

使用历史数据验证方法，而不是实时部署。

将研究、学习和调查任务分配给专业技能。

在使用此技能开始任何任务之前，请加载完整的 PAI 上下文：

暂无简介

路由形式推理、认知增强和深度分析任务。

[[#parse]] → [[#branch]] → [[#reduce]] → [[#ground]] → [[#emit]] ^结构

该技能可以通过以下方式对随机对照试验 (RCT) 论文进行系统、可重复的评估：

通过结构优化，在3-4次迭代内实现方法论收敛，而不是操之过急。

为复杂的 Ralph Loop 任务生成结构化的产品需求文档 (PRD)。这项技能有助于将大型任务分解为可管理的阶段，并具有明确的成功标准和退出条件。

允许 Claude 无需用户命令即可直接启动 Ralph-Wiggum 自主循环。

检测 Ralph Loop 迭代何时真正完成其任务，而不仅仅是 <promise>DONE</promise> 标记。该技能实现了 4 信号检测来验证真实完成情况。

跨 9 个生理领域的 248 个原子方程，具有完全依赖性跟踪。每个方程都是一个独立的 Python 模块，具有计算函数、参数和元数据。

上下文工程 = 在 LLM 推理期间策划最佳标记集

先进的即时工程技术可最大限度地提高法学硕士的性能、可靠性和可控性。

使用此技能可以对 Obsidian Markdown 文件执行可重复的、Vault 范围内的操作。保持此文件精简并路由到正确的参考或脚本，而不是重复细节。

用户可能会要求您创建、编辑或分析 .pptx 文件的内容。 .pptx 文件本质上是一个 ZIP 存档，其中包含 XML 文件以及您可以读取或编辑的其他资源。您有不同的工具和工作流程可用于不同的任务。

该技能为使用现代最佳实践和经过验证的模式进行紧急系统思维任务的第一原理生物物理重症监护医学推理提供指导。

CICM/ANZCA 初级考试基于知识图的考试准备。提供语义搜索、先决条件链、学习路径和 LLM 推断的高阶连接。