🧠 逻辑演绎 / Logical Deduction | Skills Pool
🧠 逻辑演绎 / Logical Deduction 科研模式触发：检查证明严谨性、形式逻辑分析、谓词逻辑推理验证、量词结构分析、发现逻辑漏洞。
生活模式触发：理性辩论时识别逻辑谬误、评估日常论证的有效性、检查推理跳跃、决策时确保推理链条可靠。
English (Research): Trigger when checking proof rigor, formal logic analysis, predicate logic verification, quantifier structure analysis, or discovering logical loopholes.
English (Life): Trigger when engaging in rational debate, identifying logical fallacies in everyday arguments, evaluating argument validity in daily life, or ensuring reasoning chains are sound for decision-making.
the-thinker0 1 스타 2026. 4. 16.
"逻辑是数学的家规——一切推理必须在形式规则的监督下进行。"
"Logic is the house rule of mathematics — all reasoning must proceed under the supervision of formal rules."
—— 哥德尔完备性定理 (1929)，一阶逻辑
—— Gödel's Completeness Theorem (1929), First-Order Logic
核心原则 / Core Principle
从真前提严格推理新真命题——推理链条的每一步都必须合法。
Strictly inferring new true propositions from true premises — every step in the reasoning chain must be legitimate.
推理的类型与可靠性：
演绎推理（Deduction） ：前提为真 + 规则有效 → 结论必然为真（最可靠）归纳推理（Induction） ：大量具体实例 → 一般性结论（或然性）溯因推理（Abduction） ：观察结果 + 理论 → 最佳解释（假设性）
数学形式化 （科研模式参考 / Research Mode Reference）
逻辑演绎具有两层结构：命题逻辑处理真值函数连接词（¬, ∧, ∨, →, ↔），谓词逻辑在此基础上添加量词（∀, ∃）与个体变元。数学证明生活在谓词逻辑之中——仅靠命题逻辑无法表达 "对所有 x，若 P(x) 则 Q(x)" 这类陈述，因此也无法对实际数学论证进行证明检验。
Logical deduction has a two-level structure: propositional logic handles truth-functional connectives (¬, ∧, ∨, →, ↔), while predicate logic adds quantifiers (∀, ∃) and individual variables on top of that. Mathematical proofs live in predicate logic — propositional logic alone cannot express statements like "for all x, if P(x) then Q(x)," and therefore cannot operationalize proof-checking for actual mathematical arguments.
빠른 설치
🧠 逻辑演绎 / Logical Deduction npx skills add the-thinker0/math-skill
작성자 the-thinker0
스타 1
업데이트 2026. 4. 16.
직업 哥德尔完备性定理（Gödel's Completeness Theorem, 1929）：一阶谓词逻辑中，所有有效论证都是可证明的——即若 φ 是一阶逻辑的有效公式，则存在一个形式证明序列从空前提集推导出 φ。这保证了一阶逻辑的演绎能力与语义有效性完全吻合，但仅限于一阶逻辑；二阶逻辑不具备此性质。
详细数学依据见 original-texts.md
不适用场景 / When NOT to Use
前提本身不确定 [科研/通用] ——先确定前提的真假，再进行演绎需要创造性突破而非逻辑验证 [科研/通用] ——演绎只能发现已有信息蕴含的结论，不能产生新信息纯粹的估算或直觉判断 [通用/生活] ——不需要严格逻辑的场合二阶逻辑问题 [科研] ——哥德尔完备性仅覆盖一阶逻辑；二阶有效性不可完全公理化情绪驱动而非逻辑驱动的讨论 [生活] ——对方不接受逻辑框架时，演绎无着力点
何时使用 / When to Use
科研触发条件 / Research Triggers
阅读论文时，检查其证明或推导的严谨性
发现论证中可能存在逻辑跳跃或漏洞
验证某个结论是否真的能从前提推导出来
分析含 ∀ / ∃ 的数学陈述时，验证量词推理的正确性
检查二阶逻辑论证的有效性边界
生活触发条件 / Life Triggers
理性辩论时，识别对方的逻辑谬误
做重要决策时，确保推理链条的每一步都站得住脚
评估新闻报道或社交媒体论断的可靠性
区分 "有人这样说" 和 "所有人都这样"——避免以偏概全
识别因果混淆：两件事相关 ≠ 一件事导致另一件事
方法流程 / Method
第一步：识别前提 / Identify the Premises 科研模式 / Research Mode：
列出论证中的所有前提（假设、已知条件、引用的定理）。标注每个前提的状态：
已证定理 ：有严格证明的命题（如 "素数无穷"）公理 ：被接受的起点（如 ZF 集合论公理）假设 ：尚未证明但被暂时接受的命题（如 "黎曼猜想"）经验事实 ：来自观察或实验的命题 同时标注前提的逻辑层次：纯命题前提（不含量词）还是谓词前提（含 ∀ / ∃）。
生活模式 / Life Mode：
找出论证的前提——这个论点基于什么事实或假设？前提是否成立？有没有未说出的前提？
哪些是已经确认的事实？哪些只是假设？
有没有被省略但暗中使用的前提？
共通要点 / Shared Key Point：
前提的质量决定推理的质量——前提不成立，结论必然不可靠。
第二步：检查推理规则 / Check the Rules of Inference 科研模式 / Research Mode：
验证每一步推理是否使用了有效的推理规则。
假言推理（Modus Ponens） ：P → Q, P ⊢ Q拒取式（Modus Tollens） ：P → Q, ¬Q ⊢ ¬P假言三段论 ：P → Q, Q → R ⊢ P → R析取三段论 ：P ∨ Q, ¬P ⊢ Q合取引入 ：P, Q ⊢ P ∧ Q双重否定消除 ：¬¬P ⊢ P
全称实例化（UI） ：∀x P(x) ⊢ P(a)，从普遍到特殊全称泛化（UG） ：P(a) 对任意 a 成立 ⊢ ∀x P(x)，从特殊到普遍（要求 a 是任意个体，不能是特定常元）存在实例化（EI） ：∃x P(x) ⊢ P(c)，引入新常元 c 使得 P(c) 成立（c 必须是新名称，不能与已有常元冲突）存在泛化（EG） ：P(a) ⊢ ∃x P(x)，从特定个体推出存在性
消解原理（Resolution） ：从 (P ∨ Q) 和 (¬P ∨ R) 消解出 (Q ∨ R)，适用于自动化证明自然演绎系统（Natural Deduction） ：引入/消除规则对称组织，更贴近人类推理习惯 生活模式 / Life Mode：
检查每一步推理是否合理——从A到B的跳跃是否真的有逻辑支撑？是"因此"还是"碰巧"？
从 "因为A" 到 "所以B"——这个 "因此" 是真的有逻辑支撑，还是只是碰巧？
常见的有效推理："如果下雨地就会湿" + "下雨了" → "地湿了"（这是可靠的）
常见的无效推理："如果下雨地就会湿" + "地湿了" → "下雨了"（地湿可能有其他原因）
共通要点 / Shared Key Point：
推理规则是推理的合法性来源——没有有效规则支撑的步骤就是跳跃。
第三步：检查常见逻辑谬误 / Check for Common Fallacies
肯定后件 ：P → Q, Q ⊢ P（无效！）否定前件 ：P → Q, ¬P ⊢ ¬Q（无效！）混淆充分与必要条件 ：P 是 Q 的充分条件 ≠ P 是 Q 的必要条件循环论证 ：结论被隐含地用作前提稻草人谬误 ：攻击被歪曲的版本而非原论证
量词移位谬误 ：∀x∃y R(x,y) ≠ ∃y∀x R(x,y)——前者为"每人各有其所爱"，后者为"有人被所有人所爱"非法全称泛化 ：从 P(a) 对特定 a 成立推出 ∀x P(x)——UG 要求 a 必须是任意个体混淆自由与约束变量 ：同一变元在公式不同位置的角色不同混淆 ∀ 与 ∃ ："所有天鹅是白的"（∀）与 "存在白色天鹅"（∃）强度不同偷换概念（Equivocation） ：同一词项在不同前提中被赋予不同含义虚假二分（False Dilemma） ：将 P ∨ Q 呈现为仅有的两种选择，隐含地排除 ¬P ∧ ¬Q 生活模式 / Life Mode：
用日常语言识别常见谬误：
偷换概念 ：讨论中悄悄改变了关键词的含义——你说的 "成功" 和我说的 "成功" 是同一件事吗？循环论证 ：用结论来证明前提——"他是对的，因为他说的没错；他说的没错，因为他是对的"以偏概全 ：从少数例子推导一般规律——"我认识三个人都这样，所以所有人都这样"因果倒置 ：把结果当成了原因——"成功的人都早起"≠"早起就能成功"肯定后件 ：把结果当作原因的证据——"地湿了，所以一定下雨了"（地湿可能因为洒水车）否定前件 ：条件没触发就否定结论——"如果下雨地就会湿" + "没下雨" → "地不会湿"（错误）虚假二分 ：只给出两个选项，忽略其他可能——"你要么支持我，要么反对我" 共通要点 / Shared Key Point：
谬误是推理的漏洞——识别谬误比记住谬误的名称更重要，关键是看每一步推理是否真正成立。
第四步：分析量词结构 / Analyze Quantifier Structure 科研模式 / Research Mode：
∀ 与 ∃ 的嵌套顺序决定逻辑强度：
∀∃ 结构 （较弱）：∀x∃y R(x,y)——对每个 x，可以构造各自的 y。这是构造性可满足的。∃∀ 结构 （较强）：∃y∀x R(x,y)——存在一个统一的 y 对所有 x 成立。这往往需要选择公理（Axiom of Choice）才能保证。
量词嵌套层数越多，逻辑结构越精密，推理越需谨慎
相邻同类型量词可交换（∀x∀y = ∀y∀x，∃x∃y = ∃y∃x），但不同类型量词不可交换
量词否定等值：¬∀x P(x) ≡ ∃x ¬P(x)，¬∃x P(x) ≡ ∀x ¬P(x)
生活模式 / Life Mode：
这个论点说的是"所有"还是"有些"？——"大多数人这样"≠"所有人这样"，"有时有效"≠"总是有效"
"所有人都这样"是一个非常强的断言——只需要一个反例就能推翻
"有些人这样"是一个较弱的断言——更容易成立，但推论力也较弱
"大多数人这样"介于两者之间——既不是全称也不是存在，是概率性断言
共通要点 / Shared Key Point：
论断的范围决定其强度和脆弱性——范围越广，越容易被推翻；范围越窄，推论力越弱。
第五步：验证推理链完备性 / Verify the Completeness of the Inference Chain 科研模式 / Research Mode：
检查从前提到结论的推理链是否完整，是否存在逻辑跳跃。每一步是否都有明确的理由？
前提集 Γ 能否形式推导出结论 φ？即是否存在有限序列 φ₁, φ₂, ..., φₙ = φ，其中每个 φᵢ 或属于 Γ，或由前面公式通过有效规则得出？
若推理链不完整，标注缺失的中间步骤及其所需规则
生活模式 / Life Mode：
从前提到结论的每一步是否都站得住脚？——有没有哪一步是跳跃而非推理？
逐一检查：从前提到结论，每一步是否都有逻辑支撑？
跳跃是最常见的漏洞——从A直接跳到C，但A到C之间缺少B的支撑
完整的推理链：A→B→C，每一步都有理由；跳跃的推理链：A→?→C，中间缺失
共通要点 / Shared Key Point：
推理链的完整性是论证的命脉——缺失一步，整条链断裂。
第六步：评估结论强度 / Assess the Strength of the Conclusion 科研模式 / Research Mode：
结论的逻辑强度分类：
必然的（Necessary） ：演绎有效，前提真则结论必然真或然的（Probable） ：归纳支持，前提提供概率性证据假设性的（Hypothetical） ：溯因推理，结论是最佳解释但未被验证 同时评估结论的适用范围：全称性结论（∀）还是存在性结论（∃）？条件性结论（→）还是无条件结论？
生活模式 / Life Mode：
结论有多强？——"必然如此"还是"可能如此"？是确定性结论还是倾向性推断？
确定性结论 ：前提成立则结论一定成立——"如果他是独生子，则他没有兄弟姐妹"倾向性推断 ：前提支持结论但不保证——"经常锻炼的人通常更健康"猜测性结论 ：只是可能性，远未确认——"他可能是故意这么做的" 区分清楚再下判断——不要把倾向性推断当成确定性结论来使用。
共通要点 / Shared Key Point：
结论的强度必须如实评估——不要把"可能"夸大为"必然"，也不要把"必然"削弱为"可能"。
第七步：证明策略选择 / Select Proof Strategy 科研模式 / Research Mode：
根据论证特征选择合适的证明方法：
直接证明（Direct Proof） ：从前提逐步推导至结论，最自然反证法（Proof by Contradiction） ：假设 ¬φ，推导出矛盾，从而证明 φ。适用于否定性结论或难以直接构造的论证逆否证明（Proof by Contrapositive） ：证明 ¬Q → ¬P 以建立 P → Q，当逆否方向更易推理时使用穷举证明（Proof by Exhaustion） ：将所有情况逐一验证，适用于有限且可枚举的情形构造性证明（Constructive Proof） ：直接构造满足条件的对象，比存在性证明（仅证明 ∃x P(x) 而不给出 x）更有信息量 生活模式 / Life Mode：
如何组织你的论证——从已知事实出发逐步推导，比直接断言更有说服力
逐步推导 ：从对方认可的事实出发，一步步推导到你想要的结论——比直接断言更有说服力反面质疑 ：如果对方论点成立，会出现什么矛盾或荒谬结果？——让对方自己看到问题举证责任 ：谁做出更强的断言，谁就需要更强的证据——"所有人都这样"需要大量证据，"有些人这样"只需一例 共通要点 / Shared Key Point：
论证策略的选择决定了论证的说服力和可靠性——好的策略让推理清晰可见，而不是跳跃式断言。
常见错误 / Common Errors 错误 / Error 数学批评 / Mathematical Critique 正确做法 / Correct Approach 混淆充分条件与必要条件 [科研] P → Q 成立不代表 Q → P 成立 明确区分充分、必要、充要条件 肯定后件谬误 [科研/生活] 从 "如果下雨则地湿" 和 "地湿" 推出 "下雨了" 是无效的 只有 Modus Ponens 和 Modus Tollens 是有效的假言推理 隐藏前提 [科研/通用] 推理中使用了未声明的前提 暴露所有前提，逐一检验 无限倒退 [科研] 每个前提都需要另一个前提来证明 找到不需要证明的起点（公理/经验事实） 把相关性当作因果性 [生活] 两个变量相关不等于一个导致另一个 相关只是因果的必要非充分条件 以偏概全 [生活] 从少数例子推导一般规律 全称断言需要全称证据，或降低断言范围 偷换概念 [生活] 同一词项在不同位置含义不同 明确每个关键词的精确含义，保持一致 量词移位谬误 [科研] ∀x∃y R(x,y) ≠ ∃y∀x R(x,y)，前者弱后者强 严格遵守量词顺序，不可随意交换不同类型量词 非法全称泛化 [科研] 从 P(a) 对特定 a 成立推出 ∀x P(x)，违反 UG 的任意性要求 UG 仅适用于任意个体 a，不适用于特定常元 混淆自由与约束变量 [科研] 同一变元 x 在 ∀x P(x) 中约束、在 P(x) 中自由，含义不同 明确标注变元的约束/自由状态，避免在同一证明中混用 混淆 ∀ 与 ∃ [科研/生活] "所有元素满足 P" 远强于 "存在元素满足 P" 严格区分全称断言与存在断言的逻辑强度
操作规程 / Operating Procedure
科研模式 ：涉及形式逻辑证明、谓词逻辑、量词结构、数学论证验证生活模式 ：涉及日常论证评估、辩论谬误识别、决策推理检查
[前提清单] — 列出所有前提，标注 [已证] / [公理] / [假设] / [经验]，并标注逻辑层次 [命题] / [谓词][推理链重构] — 用形式逻辑语言重述推理过程，每一步标注使用的推理规则（含 UI/UG/EI/EG 等谓词规则）[谬误检查] — 逐一检查命题逻辑与谓词逻辑谬误，标注 ✅ 无此谬误 或 ❌ 发现 [具体谬误][量词结构分析] — 若有 ∀ / ∃ 嵌套，标注量词顺序与逻辑强度 ∀∃(弱) / ∃∀(强)[完整性评估] — 推理链是否完整？标注 ✅ 完整 或 ⚠️ 跳跃：[说明][结论强度] — 标注 [必然] / [或然] / [假设性]，并标注适用范围 [全称] / [存在] / [条件][证明策略评估] — 当前论证使用了何种证明策略？是否有更优策略？标注 ✅ 策略适当 或 💡 建议：[更优策略] 输出必须包含以上 7 项，不得只输出分析性文字而不给出结论。
[前提]:[列出] — 论证基于什么事实或假设？哪些是确认的？哪些是未说出的？[推理步骤]:[逐步] — 从前提到结论每一步是否合理？有没有跳跃？[谬误检查]:[排查] — 有没有偷换概念、循环论证、以偏概全、因果倒置等？[量词分析]:[区分] — 是"所有"还是"有些"？"大多数人"≠"所有人"[结论强度]:[评估] — 结论是确定性的还是倾向性的？是"必然"还是"可能"？[论证改进]:[建议] — 如何让论证更有说服力？哪些步骤需要补强？ 输出必须包含以上 6 项，不得只输出分析性文字而不给出结论。
与其他 skill 的关系 / Relations to Other Skills
公理化思想 ：逻辑演绎是公理体系的推理引擎；公理提供前提，演绎提供推导机制，二者共同构成形式系统抽象化思想 ：形式逻辑本身就是高度抽象的结构——将具体内容剥离后只保留推理形式归纳与类比 ：演绎与归纳互补——演绎保证正确性，归纳提供新前提概率与统计 ：在不确定性下，经典逻辑需要扩展为概率逻辑算法思想 ：逻辑演绎为算法的正确性证明提供形式框架——程序的性质验证本质上是一阶谓词推理反例思想 ：反例是证伪 ∀ 断言的直接手段，与演绎证真构成双重验证体系38:["$","$L40",null,{"content":"$41","frontMatter":{"name":"logic-deduction","description":"科研模式触发：检查证明严谨性、形式逻辑分析、谓词逻辑推理验证、量词结构分析、发现逻辑漏洞。\n生活模式触发：理性辩论时识别逻辑谬误、评估日常论证的有效性、检查推理跳跃、决策时确保推理链条可靠。\nEnglish (Research): Trigger when checking proof rigor, formal logic analysis, predicate logic verification, quantifier structure analysis, or discovering logical loopholes.\nEnglish (Life): Trigger when engaging in rational debate, identifying logical fallacies in everyday arguments, evaluating argument validity in daily life, or ensuring reasoning chains are sound for decision-making.\n"}}] 不适用场景 / When NOT to Use