nsforge-derivation-workflow

name	nsforge-derivation-workflow
description	步進式推導工作流。觸發詞：推導, derive, 組合公式, 建立模型。

推導工作流 Skill

核心原則

SymPy-MCP 做計算，NSForge 記錄知識！ 每步都要顯示給用戶看！ 使用：

• derivation_show() (NSForge) - 顯示當前推導狀態
• print_latex_expression() (SymPy-MCP) - 顯示計算結果

⚠️ 黃金法則：永遠向用戶展示公式！

❌ 錯誤：執行計算後直接下一步
✅ 正確：執行計算 → derivation_show() 或 print_latex_expression() → 等用戶確認 → 下一步

工作流程

Phase 1: derivation_start(name, description)
    ↓
Phase 2: 循環 {
    SymPy-MCP: intro_many → introduce_expression → 計算 → print_latex_expression
    NSForge:   derivation_record_step(expression, description, notes?)
    NSForge:   derivation_show()  ← 🆕 顯示當前狀態！
    NSForge:   derivation_add_note(note, note_type?)  # 可選
}
    ↓
Phase 3: derivation_complete(description, assumptions?, limitations?, references?)
         derivation_show()  ← 🆕 顯示最終結果！

工具速查

階段	MCP	工具	用途
開始	NSForge	derivation_start(name, description)	建立會話
計算	SymPy	intro_many, introduce_expression, substitute_expression...	符號計算
顯示	SymPy	print_latex_expression	⚠️ 必須！
記錄	NSForge	derivation_record_step(expr, desc, notes?, source?)	記錄步驟+知識
🆕 顯示	NSForge	derivation_show(format?, show_steps?)	⚠️ 必須！顯示當前狀態
說明	NSForge	derivation_add_note(note, note_type?)	純文字洞見
完成	NSForge	derivation_complete(...)	存檔+元資料

note_type: assumption, limitation, observation, correction, clinical, physical

🆕 步驟 CRUD 操作

操作	工具	用途
📖 Read	derivation_get_step(step_number)	查看單一步驟詳情
✏️ Update	derivation_update_step(step_number, notes?, assumptions?, ...)	更新步驟元資料
🗑️ Delete	derivation_delete_step(step_number)	刪除最後一步
⏪ Rollback	derivation_rollback(to_step)	⚡ 回滾到指定步驟
📝 Insert	derivation_insert_note(after_step, note, note_type?)	在指定位置插入說明

Handoff：NSForge 做不到時

⚠️ Phase 2 後更新：Laplace/Fourier 變換已實作，無需 Handoff！

當需要 ODE/PDE、矩陣運算、聯立方程組：

# 1. 導出
result = derivation_export_for_sympy()
# → 返回 intro_many_command, current_expression

# 2. SymPy-MCP 計算
intro_many([...])
dsolve_ode(...) / solve_linear_system(...)
print_latex_expression(...)

# 3. 導入回 NSForge
derivation_import_from_sympy(
    expression="...",
    operation_performed="Solved ODE",
    sympy_tool_used="dsolve_ode",
    notes="...",
    assumptions_used=[...],
    limitations=[...]
)

調用範例

# Phase 1
derivation_start("temp_mm", "Temperature-corrected Michaelis-Menten")

# Phase 2a: SymPy 計算
intro_many([{"name": "V_max", "assumptions": ["positive"]}, ...])
mm = introduce_expression("V_max * C / (K_m + C)")
print_latex_expression(mm)

# Phase 2b: NSForge 記錄
derivation_record_step(
    expression="V_max * C / (K_m + C)",
    description="Base Michaelis-Menten",
    notes="假設溫度恆定"
)

# Phase 2c: 加入洞見
derivation_add_note("酵素在 >42°C 會變性", note_type="limitation")

# Phase 3
derivation_complete(
    description="...",
    assumptions=["Michaelis-Menten kinetics"],
    limitations=["Valid for 32-42°C"],
    tags=["enzyme", "temperature"]
)

🆕 步驟 CRUD 範例

# 📖 Read: 查看第 11 步詳情
derivation_get_step(11)
→ {"step": {"description": "...", "notes": "...", "output_latex": "..."}}

# ✏️ Update: 更新第 11 步的說明
derivation_update_step(
    step_number=11,
    notes="此假設在高溫時不成立",
    limitations=["Valid only for T < 42°C"]
)

# ⏪ Rollback: 發現第 11 步開始走錯，回滾到第 10 步
derivation_rollback(to_step=10)
→ {"deleted_count": 6, "deleted_steps": [11, 12, ...], "current_expression": "..."}
# 現在可以從第 10 步重新開始推導！

# 📝 Insert: 在步驟 5 和 6 之間插入說明
derivation_insert_note(
    after_step=5,
    note="此處假設達穩態",
    note_type="assumption"
)