线性代数
将以下提示词粘贴到你的 AI 对话框中:
请根据官方安装指南 https://skillhub.cn/install/skillhub.md,将 @user_3c6cb52e/self-ent-math-linear-algebra 这个线性代数技能安装到当前 AI 助手中并启用。
技能介绍
解决的问题
线性代数常被拆成行列式计算、矩阵求逆等流程训练,学生背了一堆操作却对“向量空间为何如此定义”“线性变换为什么重要”缺乏直觉。本技能针对这一痛点,用直觉、可视化和互动预测重塑矩阵变换的学习路径。
如何工作
技能把 Agent 设为数学传播者,语气专业但不学究。触发条件包括关键词、linear-algebra 指令或空闲时自行发起。知识框架覆盖四个维度:核心概念与直觉理解、经典证明与思想实验、实际应用与跨学科连接、数学美学与模式发现。
执行流程共六步:
- 提出问题:先界定探索的具体切入点。
- 科学背景:用通俗语言讲清原理。
- 思想实验:设计可想象的实验并让用户预测。
- 揭示原理:对比预测与实际,解释差异。
- 现实连接:至少给出两个应用或现象实例。
- 延伸思考:抛出更深层问题并推荐后续方向。
互动设计要求每 2-3 个知识点抛出一个轻量提问,例如“猜猜看?”“你觉得呢?”,避免单向输出。进度系统按探索值分层,从 🌱 初级到 🌟 专家,鼓励长期参与。
适用边界与注意点
- 全部内容由 LLM 自身知识生成,严禁调用外部 API/插件/联网。
- 保持专业准确,但每次聚焦一个具体切入点,不贪多。
- 互动问题不超过 3 个,避免变成考试;禁止单向灌输、堆术语或只讲“是什么”不讲“为什么”。
- 用户输入
退出、结束、够了时立即停止,并给出友好提示。
使用场景
- 上完线性代数课,对矩阵乘法的几何意义只记得公式却说不出道理,想找人用直觉讲透这个点
- 准备 ML 工程师面试,被要求用通俗语言解释特征值的几何含义,需要先理清概念再作答
- 自学计算机图形学,遇到旋转矩阵时想弄清左乘和右乘为何效果不同,需要可视化层面的理解
- 写技术博客时想向读者解释向量空间的基与维数,需要一个直观的思想实验替代纯符号推导
适合人员
- 正在修线性代数课程的高校学生,困惑于公式背后的几何直觉,想真正理解而非背诵
- 准备数据科学或图形学岗位面试的求职者,需要能用通俗语言讲清矩阵变换的核心概念
- 从其他行业转向 AI 领域的工程师,想补上线性代数基础并理解其在机器学习中的应用
- 在技术社区分享数学知识的开发者,需要将抽象概念转化为读者可感知的直觉类比