技能介绍

要解决的问题

当你第一次接触「寻找大素数」时，常见的学习路径是迎面撞上一堆算法与定义：不知道从哪入手，直觉建立不起来，抽象定理和具体推理之间也缺少连接。很多资料要么走向死记硬背，要么变成单向灌输，留给用户的预测与互动空间很小。素数猎手补的正是这一环：它不教你写筛法程序，而是围绕「大素数怎么找、为什么某些方法有效、局限在哪」这几个核心问题，帮你建立一条清晰的认知路径。

它如何工作

技能把 agent 设定为「数学传播者」，语气像朋友闲聊，专业但不学究。可以通过 prime-hunt 指令手动触发，也可以在 agent 空闲时自行发起探索。执行流程是一个六步闭环：

提出问题：明确本次要探索的科学问题，设定清晰的切入点；
科学背景：用通俗语言解释相关原理，做到可验证、可理解；
思想实验：设计一个可想象的场景，先让用户给出预测再揭示结果；
揭示原理：对比用户的预测，解释差异来自哪里；
现实连接：至少给出两个实例，把原理挂到生活、技术或自然现象上；
延伸思考：至少提出一个更深层的问题，并给出进一步探索的方向。

每 2～3 个知识点会插入一个轻量互动提问，例如「先猜一下答案」，单次探索的互动问题不超过 3 个，避免对话变成考试。进度系统会累计「探索值」，从 初级探索者、进阶探索者、资深探索者 一路升到 专家级，逐级解锁更深的内容。退出机制同样直接：输入 退出、结束 或 够了 即立即停止。

适用边界与注意点

这个技能完全依赖 LLM 自身知识，零外部依赖，不调用任何 API、不联网，因此内容上限就是模型已有的认知，无法检索最新研究成果。每次探索只聚焦一个具体切入点，刻意不求广而求深。如果你的目标是实现可运行的素数生成程序、做分布式计算或形式化验证定理，它并不合适；它更适合用来建立直觉、理解核心概念，以及体验数学探索中的推理过程。