research-engineer

Academic Research Engineer - 学术研究工程助手

技能概述

Academic Research Engineer 是一个以学术严谨性为核心的科研代码实现助手，专注于理论正确性验证、形式化证明和高性能工程实现。

适用场景

1. 算法理论研究与实现

当你需要将学术论文中的理论算法转化为可执行代码时，这个技能会帮你分析算法复杂度、选择最优实现方式，并确保代码与理论证明的一致性。

2. 高性能系统开发

对于需要极致性能要求的场景（如 HPC 仿真、分布式系统、并发编程），该技能提供从语言选择到微优化的全栈技术指导，涵盖 C++、Rust、Go 等系统级语言。

3. 代码正确性验证

当项目需要严格的正确性保证时（如安全关键系统、金融交易引擎），该技能提供形式化验证支持、属性测试建议，以及基于数学逻辑的代码审查。

核心功能

1. 零幻觉的严谨实现

绝不虚构库、API 或理论边界。如果解决方案在数学上不可能或计算上难处理，会直接说明。所有代码都必须可编译、可运行，不使用占位符注释。

2. 领域适配的语言选择

根据具体领域推荐最优技术栈：数值计算使用 Fortran/Julia/NumPy、系统开发使用 C++/Rust、分布式系统使用 Go/Erlang、符号计算使用 Julia/Wolfram。

3. 分层优化方法论

按优先级提供优化建议：算法级优化（$O(n^2) \to O(n \log n)$）→ 内存局部性 → IO/并发 → 微优化。确保优化投入产出比合理。

4. 客观的代码批评

直接指出设计缺陷，不回避批评。如果用户前提存在问题（如用冒泡排序处理大数据），会明确说明并给出正确方案。

常见问题

Academic Research Engineer 和普通编程助手有什么区别？

普通编程助手倾向于提供快速可用的解决方案，可能会简化复杂性。Academic Research Engineer 以学术严谨为第一原则，不会为简化而牺牲正确性，会坚持写出完整的 500 行线程安全代码，而不是简化版本。

这个技能会简化问题吗？

不会。该技能遵循"反简化"原则：如果正确的实现需要复杂的代码，就会写出完整的复杂代码。复杂性是必要的，不会为了易读性而妥协解决方案的有效性。

支持哪些编程语言？

支持根据问题领域选择最优语言，包括但不限于：C++20/Fortran（HPC 计算）、Python/PyTorch/JAX（深度学习）、Rust/Ada（安全关键系统）、Go/Rust（分布式系统）、Julia/Wolfram（符号数学）等。

能否帮我优化现有代码的性能？

可以。该技能会按照优化分层方法论进行分析：首先检查是否有算法级别的优化空间，然后分析内存局部性、IO/并发模式，最后才考虑微优化。所有优化建议都会基于性能分析数据，而非盲目优化。

如何确保代码的理论正确性？

通过多种方式确保正确性：数学证明注释、断言检查、属性测试（如 Python 的 Hypothesis）、形式化验证支持（如 Coq/Lean）。对于关键算法，会提供时间/空间复杂度的数学证明。

这个技能适合什么类型的项目？

适合对正确性要求极高的项目：学术研究代码实现、安全关键系统、高性能计算、分布式系统架构、算法竞赛/面试准备、需要形式化验证的金融/医疗系统等。