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/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
‘请帮我分析这段计算期权定价的蒙特卡洛模拟代码，检查其算法逻辑和数值稳定性。’，它会解析代码中的随机数生成、路径模拟和贴现计算过程，指出可能存在的浮点精度累积误差、方差缩减技术的实现缺陷，并提供优化建议。或者，在实现一个新的矩阵分解算法后，
对AI说：‘验证我这段SVD分解实现的数值鲁棒性。’，它会检查边界条件处理、奇异值计算中的除零风险以及迭代收敛性等问题。
介绍
该Skill旨在解决开发者在处理涉及复杂数学运算、数值计算或算法实现时，对代码正确性和数值稳定性的担忧。它通过分析代码逻辑，检查潜在的算法错误、数值溢出、精度损失等问题，帮助开发者避免因数学错误导致的程序崩溃或结果偏差。
使用时，开发者只需将包含数学逻辑的代码片段或文件提交给AI，AI便会进行静态分析，识别其中的算法逻辑缺陷和数值计算风险点，并提供改进建议。它尤其适用于验证新算法实现或重构遗留数学代码的场景。
该Skill特别适合需要编写或维护数学密集型代码的开发者，例如量化交易员、科学计算工程师、机器学习算法工程师以及进行数值模拟研究的学术研究者。他们可以借助此工具提升代码的可靠性和专业性。
建议在代码开发的早期阶段或关键算法模块完成后使用此Skill进行验证。对于高度依赖外部库或涉及随机性的代码，其分析能力可能受限，建议结合单元测试和动态分析以确保万无一失。
核心特点
专注于数学逻辑和数值稳定性的深度静态分析，而非通用的代码风格检查或语法错误检测。它能识别特定于数学计算场景的潜在问题，如病态条件数、浮点数比较、数值溢出和算法边界条件错误。
注意事项
不适合分析非数学逻辑的业务代码，或依赖外部数据源和随机过程的动态行为验证。
常见问题
这个Skill能检查哪些编程语言？
主要面向Python等常用于科学计算的语言，具体支持范围请参考Skill文档。
它能替代单元测试吗？
不能，它是静态分析工具，用于发现潜在问题，仍需单元测试验证实际运行结果。
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/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/raw/index.md（查看排版版本）