math-review
验证数学密集型代码的算法正确性与数值稳定性
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：math-review。 它的用途是：验证数学密集型代码的算法正确性与数值稳定性 完整的 Skill 内容见：https://321skill.com/skills/math-review-x-4/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'请帮我检查这段实现梯度下降算法的Python代码，看看算法逻辑是否正确，以及是否存在数值不稳定的风险。'，它会分析你的代码，指出迭代更新公式的错误、学习率设置不当可能导致的问题，以及浮点除法可能带来的精度损失。或者，你可以说：'审查这个求解线性方程组的函数，评估其在不同条件数矩阵下的稳定性。'
介绍
该技能专为解决数学密集型代码中的算法逻辑错误和数值计算不稳定问题而设计。它通过静态分析和动态验证相结合的方式，检查代码中的数学公式实现是否正确，并评估浮点运算、边界条件等可能导致的数值误差。
使用时，用户只需将包含复杂数学运算的代码片段或文件提供给AI，AI会分析其中的算法逻辑、数据结构选择以及数值计算过程，指出潜在的错误、不稳定的运算或可优化的部分。
该技能非常适合需要实现或审查复杂数学算法（如机器学习模型、物理模拟引擎、金融量化模型、科学计算程序）的开发者、研究人员和量化交易员。他们往往面临算法实现与理论不符、数值结果不收敛或精度不足等挑战。
建议在代码开发的关键阶段（如算法原型验证、代码评审、性能优化前）使用此技能。对于涉及大量浮点运算的代码，应特别注意AI指出的数值稳定性问题，如溢出、下溢或舍入误差累积。
核心特点
与一般的代码质量检查工具不同，它深度聚焦于数学算法逻辑和数值稳定性，能识别特定于数学计算（如矩阵运算、优化算法、微分方程求解）的潜在错误和性能瓶颈，而非通用的语法或风格问题。
注意事项
不适合检查非数学逻辑的业务代码、UI界面代码或简单的CRUD操作。
常见问题
这个技能能检查哪些编程语言的代码？
主要面向Python等常用于科学计算的语言，但核心是分析数学逻辑，对语言本身依赖较低。
它能替代单元测试吗？
不能，它是辅助工具，用于发现潜在问题，最终仍需通过严格的单元测试来保证正确性。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/math-review-x-4/raw/index.md 读取 math-review 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/math-review-x-4/raw/index.md（查看排版版本）