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-9/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
“请帮我审查这段用于计算期权隐含波动率的牛顿迭代法Python代码，检查其算法正确性和数值稳定性。”，它会分析迭代终止条件、函数导数计算、初始值选择以及可能出现的除零或溢出风险，并提供改进建议。
介绍
该Skill专门用于解决数学密集型代码（如科学计算、量化金融、机器学习算法）中常见的算法逻辑错误和数值不稳定问题。它通过分析代码逻辑和数值运算，识别潜在的算法缺陷、精度损失、溢出/下溢等风险。
使用时，开发者只需将包含复杂数学运算的代码片段提交给AI，AI会基于数学原理和数值分析知识，对代码的算法逻辑、边界条件、数值精度和稳定性进行审查，并指出潜在问题及改进建议。
它特别适合需要编写或维护涉及大量数学运算、线性代数、微积分、概率统计等代码的开发者，例如量化研究员、算法工程师、科学计算程序员等。
建议在代码开发的关键节点（如算法设计完成、代码评审前）使用此Skill进行审查。对于高度依赖数值精度的场景（如金融定价、物理仿真），建议结合具体的测试用例进行验证。
核心特点
与通用代码审查工具不同，它深度聚焦于数学逻辑和数值分析，能识别算法层面的逻辑谬误和数值计算中的稳定性隐患，而非仅检查代码风格或语法错误。
注意事项
不适合审查与数学逻辑无关的业务代码或UI界面代码。
常见问题
这个Skill能检查哪些类型的数学错误？
能检查算法逻辑错误、数值溢出/下溢、精度损失、条件数过大、迭代算法收敛性等问题。
它支持哪些编程语言？
主要面向Python等常用于科学计算的编程语言，侧重于算法逻辑而非特定语言语法。
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-9/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-9/raw/index.md（查看排版版本）