math-review
验证数学代码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-8/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
'请使用 math-review 验证我这段 Monte Carlo 模拟代码的数值稳定性，检查是否有浮点误差累积导致结果偏差。' 它会自动分析代码中的随机数生成、累加求和等操作，识别潜在的精度损失点，并建议使用 Kahan 求和算法来改进。
介绍
在科学计算、金融建模、机器学习等领域，数学密集型代码的算法正确性和数值稳定性是程序可靠性的关键。math-review 能够自动分析代码中的数学运算逻辑，检测浮点误差累积、数值溢出、精度损失等问题，并验证算法实现是否与预期数学公式一致，帮助开发者避免因数值问题导致的程序错误。
使用 math-review 非常简单：你只需将需要检查的代码文件或代码片段传给工具，它会自动进行静态分析和动态模拟，输出详细的验证报告，标注出潜在的风险点，并给出修复建议。支持多种编程语言和常见的数学库，可以作为 CLI 工具集成到开发流程中，也可在 CI/CD 流水线中自动运行。
这个工具特别适合从事科学计算、量化交易、工程仿真、物理引擎开发、数值分析等领域的后端开发者和算法工程师，也适合学术研究者在验证论文代码时使用。无论是检查数值积分、微分方程求解、矩阵运算还是优化算法，math-review 都能提供专业级的审查能力。
使用时建议先将代码中的数学公式文档化或注释清楚，以便工具更准确地比对。同时注意，math-review 侧重于数值稳定性，对于纯符号推导或逻辑型错误（如索引越界）仍需配合其他代码审查工具使用。对于大规模并行计算场景，建议先在小规模数据上验证，再全量运行。
核心特点
不同于通用代码审查工具（如 SonarQube、ESLint）只关注语法和逻辑错误，math-review 专门识别数值计算特有的浮点误差、精度损失和稳定性问题，并能验证数学公式的推导正确性，是首个聚焦数值鲁棒性的代码审查 Skill。
注意事项
不适合审查非数学密集型的一般业务逻辑代码，也无法验证纯符号数学推导的正确性（如代数化简）。
常见问题
math-review 支持哪些编程语言？
目前支持 Python、C++、Java、MATLAB 等常见科学计算语言，以及带有数学库的 JavaScript 和 Rust。
它能检测出哪些具体的数值问题？
可以检测浮点误差累积、下溢/上溢、条件数过大、数值不稳定的算法实现（如直接求逆矩阵而非使用矩阵分解）等。
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-8/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-8/raw/index.md（查看排版版本）