math-review
验证数学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-7/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
'请审查下面这段计算矩阵特征值的Python代码，检查算法正确性和数值稳定性。' 它会逐行分析代码，指出潜在的危险近似、浮点溢出、收敛条件错误等，并给出优化建议，例如使用更稳定的算法或调整数据类型。
介绍
本 Skill 专注于解决数学密集型代码中常见的算法错误和数值不稳定问题，例如浮点误差累积、算法收敛性错误、边界条件缺失等。它能够自动审查代码中的数学运算、循环结构、数值类型转换等关键环节，帮助开发者在早期发现潜在缺陷，避免因计算错误导致的业务损失或研究偏差。
使用方式非常便捷：用户只需将待审查的数学代码片段或完整文件提交给 AI，Skill 会逐行分析，标记可疑逻辑并给出修复建议。支持主流编程语言（如 Python、C++、Java 等），并可与 CI/CD 流水线集成，实现自动化审查。
适合人群包括后端开发（处理数学计算模块）、量化交易员（验证策略代码）、学术研究者（确保实验代码正确性）、数据分析师（检查数值模型）等需要频繁编写或审核数学代码的用户。
建议在关键数学函数开发完成后立即使用，同时配合单元测试和人工复查。需注意，本 Skill 无法替代完整的数学证明或极端边界条件的穷举测试，对于高度依赖数学推导的算法仍建议结合专业人工审查。
核心特点
与通用代码审查工具不同，math-review 专门针对数学代码的数值稳定性和算法正确性，能识别浮点误差累积、算法收敛性错误等数学特有风险，而非关注代码风格、安全漏洞或一般逻辑错误。
注意事项
不适合审查纯业务逻辑、非数学计算代码，也无法处理需要严格数学证明的算法正确性验证。
常见问题
支持哪些编程语言？
主要支持 Python、C++、Java、R 等科学计算常用语言，也可扩展分析其他语言中的数学代码。
能检测浮点精度导致的误差吗？
可以。它会识别浮点运算中的精度损失、累积误差、溢出等风险，并给出替代方案（如使用更高精度类型或重排运算顺序）。
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-7/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-7/raw/index.md（查看排版版本）