LeanAutoformalizationSkills — скилл
Скиллы Lean 4 для Codex и Claude Code: от проекта до сверки формулировки с исходной теоремой, 12 процессов
- 70 ★ репозитория
- Последний коммит
- CC-BY-4.0
Минимальный доступ
Почему такой уровень
- Скиллы состоят из текстовых инструкций и вспомогательных скриптов Python, а агент запускает сборку Lean в вашем проекте
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/leanautoformalizationskillsОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Скиллы состоят из текстовых инструкций и вспомогательных скриптов Python, а агент запускает сборку Lean в вашем проекте
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Коллекция скиллов для формализации математики в Lean 4 с помощью Codex или Claude Code. Скиллы охватывают проектирование проекта, поиск в Mathlib, написание доказательств, производительность, независимые математические проверки и координацию работы над доказательством. Примеры и накопленные советы смещены к уравнениям в частных производных, вероятности и анализу, но процессы подходят для любой области. Главная цель: доказать теорему, которую на деле утверждает источник. Успешная сборка Lean проверяет формальную формулировку, а скилл `lean-statement-audit` дополнительно сверяет гипотезы, определения, кванторы и вывод с исходной математикой. Среди скиллов `lean-workflow` как входная точка, `lean-project-architecture` для границ модулей, `lean-search-discovery`, `lean-proof-patterns`, `lean-orchestrator` для ограниченных задач с независимой проверкой и `build-proof-dependency-graph` для зависимостей исходного доказательства. Установщик `scripts/install_skills.py` ставит ссылки на папки скиллов.
Для кого. Математикам и разработчикам, которые формализуют теоремы в Lean 4 и поручают Codex или Claude Code поиск лемм, доказательства и проверку формулировок.
Подходит, если
- Теорема из статьи превращается в декларацию Lean, и ее показывают целиком до заморозки
- В Mathlib ищутся недостающие ингредиенты для доказательства
- Доказательство разбито на ограниченные задачи с независимой проверкой и сборкой
- Формулировку Lean сверяют с источником: кванторы, гипотезы, определения
- Проект готовится к публикации, и нужен порядок выпуска и названий
Не подходит, если
- Lean и Lake не настроены: скиллы дают инструкции и проверки, но не ставят Lean
- Нужен сервис автоматического поиска доказательств: набор его не содержит
- Область далека от математики и формальных доказательств
Пример запроса к агенту
Используй lean-workflow, чтобы формализовать теорему из этого отрывка статьи, найди нужные леммы в Mathlib и покажи декларацию Lean целиком до заморозкиОграничения
Для проверки доказательств нужен рабочий проект Lean с Lake, нужной версией и зависимостями: скиллы не ставят Lean и не запускают сервис поиска доказательств. Вспомогательные скрипты требуют Python 3.10 или новее на стандартной библиотеке. Установщик создает ссылки на папки из клона, поэтому клон должен оставаться на месте, а для общего проекта папки копируют целиком. При конфликте имен установщик останавливается и ничего не перезаписывает. Подробности по каждому агенту в README.
Как отключить. Удалите ссылки на скиллы из `~/.claude/skills/` или `~/.agents/skills/` либо из `.claude/skills/` проекта. Клон репозитория можно удалить после этого.
Частые вопросы
Как поставить скиллы в Claude Code?
Из клона репозитория выполните `python3 scripts/install_skills.py --agent claude`, перед этим можно запустить с `--dry-run`. Для проекта добавьте `--project /path/to/lean-project`.
Как вызвать основной скилл?
В Claude Code командой `/lean-workflow`, в Codex через `$lean-workflow`. Агент может выбрать нужный скилл и по обычному запросу.
Чем аудит формулировки отличается от сборки Lean?
Сборка проверяет, что формальная формулировка доказана. Аудит сверяет гипотезы, определения, кванторы и вывод с исходной математикой.
Ставят ли скиллы сам Lean?
Нет. Нужен готовый проект Lean с Lake, а скиллы дают инструкции и проверки.
Можно ли ставить по одному скиллу?
Да, можно использовать один скилл для записи доказательств или весь процесс формализации целиком.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыПлагин для доказательства теорем в Lean 4: поиск по mathlib, циклы заполнения sorry, проверка аксиом и страховочные хуки
lencx skills
lencx-skills
Два скилла для Claude Code и Codex: keel решает вопросы архитектуры, coding-protocol держит правки кода в границах задачи
Независимые скиллы на весь цикл разработки: продукт, архитектура, планирование, реализация, QA, поставка и эксплуатация
Плагин Claude Code для разработки по большой спецификации: требования с доказательствами, ходячий скелет и спринты с аудитом
Шестнадцать скиллов команды Leanmcp для Claude Code: сборка MCP-серверы, инференс на Fireworks, разбор бенчмарков и документация.
Семнадцать скиллов для Claude Code проводят работу над продуктом: спека, ревью ветки, проверка перед коммитом и чистка хвостов.
Коротко о README
README объясняет цель: доказать теорему, которую источник утверждает на самом деле. Затем описаны запуск, установка через агента или установщиком для Codex и Claude Code, пример запроса и таблица скиллов с назначением каждого, а в конце сведения о происхождении материалов.
Бейдж для README
Исходный SKILL.md
--- name: lean-workflow description: Route Lean 4 work through a repository's Mathlib/Lake conventions. Use when editing Lean files, checking source fidelity or axioms, searching dependencies, validating focused targets, or protecting dependency build artifacts. --- # Lean workflow Use this as the general router for a Lean 4 repository built with Lake and Mathlib. Read the repository's own instructions first; they override generic commands and thresholds here. Select a more focused sibling skill when it applies: - `lean-project-architecture` for public declarations, abstractions, module boundaries, or imports; - `lean-search-discovery` before attempting a new proof; - `lean-proof-patterns` while translating or repairing a proof; - `lean-naming-style` for declarations, files, namespaces, and docstrings; - `lean-elaboration` for measured performance diagnosis or repair; - `lean-elaboration-test` for a repository-wide performance snapshot; - `lean-statement-audit` for exact source-to-declaration correspondence; - `lean-orchestrator` for an explicitly authorized multi-agent formalization effort. Use `build-proof-dependency-graph` for a source-level proof dependency database. It records source topology; it does not determine Lean proof status. ## Build and dependency hygiene - Treat pinned dependencies and their compiled artifacts as read-only during routine project work. - Never delete dependency `.olean`, `.ilean`, trace, hash, IR, or object files as an invalidation shortcut. - Follow repository-provided build wrappers and cache guards. Otherwise validate the narrowest project target that covers the edit, for example `lake build Project.Foo.Bar`. - Do not run `lake clean`, update the toolchain or dependency pins, or trigger a full dependency rebuild without explicit authorization. - Before a destructive project-artifact invalidation, resolve the exact project-owned path and confirm that no dependency tree can match it. - Distinguish project compilation from dependency compilation in build and performance reports. ## Workflow 1. Read `AGENTS.md` or `CLAUDE.md`, the Lake configuration, toolchain file, target module, and nearby imports. 2. Identify the authoritative mathematical source when a declaration represents an external claim. Preserve its binders, carriers, quantifiers, hypotheses, constants, and endpoint conditions. 3. Search Mathlib and the project before adding a declaration or inventing a proof route. 4. Do not move proof obligations into hypotheses, introduce custom axioms, or disguise unfinished proofs. Keep any explicitly authorized draft theorem quarantined and visibly marked under the repository's draft policy. 5. Make the smallest coherent edit and validate it with the repository's guarded command or the narrowest appropriate Lake/Lean command. 6. Audit affected public declarations for `sorry`, custom axioms, hidden stronger hypotheses, quantifier drift, and constant-dependence drift. Run `#print axioms` from an untracked probe or other repository-approved audit path, not from a compiled source file. 7. Report exact commands and targets, skipped validation, remaining placeholders, and source mismatches. If work is delegated, obey the repository's agent policy and give each worker a bounded, disjoint task. Do not infer a model requirement, concurrency policy, or permission to spawn agents from this skill.