概述
geometry-expert 用于把含糊的几何请求转化为显式任务,明确写出图元、维度、精确还是近似意图以及复杂度目标。它主张在改变算法行为之前,先建立项目专属的几何证据,包括书面几何契约与测试样例集,使该技能驱动项目工作流,而不只是充当通用顾问。整体取向是优先选择简单、可测试、稳健的算法,而不是聪明但脆弱的算法,并对每个结果与可信基准进行验证。
工作流程
第一步:分类几何任务并路由。 命名图元、维度、构造还是查询、精确还是近似、静态还是动态。查阅 references/topic_index.md,把问题路由到对应的几何任务、默认算法或库、稳健性风险、测试样例和最佳本地书籍。当请求描述不足或多种几何框架都适用时,阅读 references/task_selection.md。
第二步:识别项目形态并编写几何契约。 判断目标是已有几何代码的仓库还是全新项目。已有项目:建立几何清单(拥有图元、谓词、算法、序列化/导入、渲染/调试输出、测试的文件),再据此更新契约。全新项目:先编写契约作为设计依据,再在数据结构固化前选定内核或库策略。契约写在仓库现有文档位置;若无,则创建 docs/GEOMETRY_MODEL.md,内容包括:坐标框架与轴向、单位、2D 还是 3D、图元类型、开多边形还是闭多边形、绕序、容差策略、合法/非法输入、预期退化行为。两条路径均需阅读 references/project_workflow.md。
第三步:先建测试语料,再写功能代码。 已有项目:在改动算法前,捕获代表性及退化样例,以及围绕当前行为的特征化测试。全新项目:立即播种样例(正常路径、边界、退化、随机小用例)并给出基准预期,然后在功能算法之前构建最小的已验证几何内核。阅读 references/testing_and_oracles.md 与 references/project_workflow.md。
第四步:选择满足画像的最简算法,并集中谓词。 按输入规模画像匹配算法:点数多少、静态还是动态、批处理还是交互式、最坏情况还是典型情况。把稳健谓词(方向判定、内圆判定、距离比较、epsilon 决策)集中在一处。阅读 references/algorithm_design.md 与 references/robustness_and_numerics.md。
第五步:对照基准验证并输出工件。 与可信库或暴力算法比较,再补充属性测试与随机压力测试。为代表性及退化用例输出可检查工件(SVG、PNG、OBJ、JSON 或叠加图)。阅读 references/testing_and_oracles.md。
第六步:逐项审查与迭代。 运行几何审查清单,然后做一个与失败用例绑定的改动。阅读 references/project_workflow.md。
实现默认做法
- 可用时优先使用经过充分测试的库:CGAL 用于精确 2D/3D 内核与网格划分;scipy.spatial 用于 ConvexHull、Delaunay、Voronoi 与 cKDTree;Shapely/GEOS 用于多边形布尔与拓扑;Boost.Geometry 用于 C++ 空间工作。
- 集中实现稳健的方向判定与内圆判定,而不是在代码各处散落 epsilon。
- 对退化输入采用精确算术或过滤谓词。
- 即使生产代码是自研的,也保留一个可信库或暴力算法作为基准。
- 当任务产生几何输出时,生成可视化、转储或可检查工件。
- 存在本地书籍时优先加载;参见 references/local_books.md 以及 references/reference_survey.md 中的综述。
质量标准
- 在退化情形上正确,优先于在正常路径上快速。
- 记录坐标系与容差策略。
- 谓词集中在一处,并在小用例上与基准比较。
- 一次只做一个改动,且与失败用例绑定。
- 明确说明算法无法处理的情况,例如自相交输入或接近退化的精度问题。
输出预期
使用该技能时,目标产出包括:清晰框定的几何任务(写明图元、维度、精确性、复杂度目标),以及 topic-index 路由结果;对于项目实施任务,还要产出几何契约、样例语料、带复杂度的算法选择、稳健性与退化处理、基准测试与属性测试、可检查工件以及下一步计划。
适用场景与限制
适用于多边形、网格、相交、邻近、Voronoi 等计算几何算法和空间数据结构的设计、实现、调试与审查,特别是需要明确几何契约、稳健退化处理和对照验证的工程场景。具体收费、价格、平台支持等信息,资料未提供。