用途：把研究想法、论文或方法描述拆解为原子化、自包含的概念，并为每个概念建立数学公式与代码实现的双向映射，最终汇总为结构化知识库。
主要能力：第一步将研究想法拆解为原子定义，每个原子对应单一概念，需具备清晰数学基础、可代码实现、可追溯到具体论文。第二步对每个原子定义分别进行论文调研（检索数学表述、提取精确 LaTeX 公式、记录假设与约束、记录参考文献）和代码调研（检索代码库实现、提取对应代码、记录实现细节与变体、记录参考仓库），并生成知识条目，字段包括 definition、math_formula、code_implementation、reference_papers、reference_codebases、assumptions、connections。第三步将所有原子定义合并为结构化知识库，校验一致性（每个公式都有代码实现）与完整性（每个代码模块都可追溯到形式化定义），并识别缺口（有公式无代码或有代码无理论）。
使用方式：输入为研究想法、论文或方法描述（$0）。拆解提示词与工作流参考 ~/.claude/skills/atomic-decomposition/references/decomposition-prompts.md。工作流来自 AI-Researcher Survey Agent。
适用场景：研究规划、想法生成之后，实验代码与算法设计之前的中间环节，也适合需要对齐论文公式与代码实现的调研任务。
限制与规则：每个原子定义必须足够具体，可追溯到具体公式与代码；不得跳过或合并定义，需逐个分析；若不确定原子性，应倾向于进一步拆分；分析前需记录拆解理由；论文中每个数学概念都必须有经验证的代码，每个代码模块都必须追溯到形式化数学定义。相关技能：上游 research-planning、idea-generation；下游 experiment-code、algorithm-design；另见 math-reasoning。