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/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
'验证这段Python代码中矩阵求逆的数值稳定性，输入矩阵为希尔伯特矩阵H_ij=1/(i+j-1)'，它会分析代码中的浮点运算，检测到条件数过大导致精度损失风险，并建议使用正则化或MPMath高精度库来替代，同时输出误差估计报告。
介绍
该工具专门解决数学密集型代码（如矩阵运算、数值积分、微分方程求解、金融定价模型等）中常见的算法逻辑错误和数值稳定性问题。它能自动扫描代码中的浮点运算、舍入误差、条件数过大的计算步骤，以及可能引发精度丢失或数值振荡的算法模式，并给出量化的风险评级和修复建议。
使用方式非常简单：将待检查的数学代码文件或代码片段输入，工具会基于静态分析和符号执行技术，识别潜在的数值陷阱。支持多种主流编程语言（Python、C++、Julia、MATLAB等），并输出结构化的报告，包含风险位置、错误类型、预期误差范围以及改进建议。
适合后端开发、量化交易员、数据分析师、学术研究者等需要频繁编写或审查数学代码的用户。尤其在金融策略回测、科学计算、机器学习模型部署前，可作为质量门禁自动运行，确保算法在边界条件下的数值鲁棒性。
建议在持续集成流程中集成该工具，对每次提交的数学代码进行自动验证。但需注意，它无法替代人工的算法设计合理性判断，对于未覆盖的数值模式（如自定义的积分方法）可能存在漏报，建议结合单元测试和人工审查共同使用。
核心特点
不同于通用的代码审查工具（如ESLint、Pylint）只检查语法和风格，该工具专门针对浮点精度、误差累积、算法收敛性等数值稳定性问题，能自动检测潜在的科学计算陷阱。
注意事项
不适用于非数学代码（如业务逻辑、UI渲染）的功能正确性验证，也无法验证算法本身的数学推导是否合理。
常见问题
支持哪些编程语言？
支持Python、C++、Julia、MATLAB、R等主流数学计算语言，部分语言需要安装对应解析器。
能检测哪些具体的数值问题？
可检测除零、矩阵奇异、大数相减、条件数过大、循环中的误差累积、非收敛迭代等典型数值稳定性问题。
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/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/raw/index.md（查看排版版本）