mcpField
M
math-review

math-review

github.com/athola测试与质量343113 次安装1 天前更新
代码仓库

关于 math-review

math-review 是用于审查数学算法与数值计算代码的技能，面向涉及模型、统计、优化或科学计算的开发工作。它按需求不变量、公式推导、数值稳定性和证据验证组织审查，并要求对发现进行引用核验。

主要功能

  1. 01将需求映射为数学不变量
  2. 02使用 CAS 核验公式推导
  3. 03评估条件数、精度与数值稳定性
  4. 04通过测试记录验证证据
  5. 05核验发现的引用与源码锚点

适用场景

  1. 01审查数学模型或算法变更
  2. 02检查统计或概率逻辑
  3. 03评估数值积分与优化代码
  4. 04验证安全关键计算

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/athola/claude-night-market --skill math-review

安装后在 Claude Code 中输入/math-review确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

modules/
derivation-verification.md
numerical-stability.md
requirements-mapping.md
testing-strategies.md

详细介绍

数学算法审查

深入分析，确保数值稳定性并符合标准。

快速开始

/math-review

验证： 使用 --help 标志运行命令，以确认其可用性。

适用场景

  • 数学模型或算法发生变更
  • 统计例程或概率逻辑
  • 数值积分或优化
  • 科学计算代码
  • ML/AI 模型实现
  • 安全关键型计算

不适用场景

  • 常规算法审查—— 使用 architecture-review
  • 性能优化——使用 parseltongue:python-performance

必需的 TodoWrite 项

  1. math-review:context-synced
  2. math-review:requirements-mapped
  3. math-review:derivations-verified
  4. math-review:stability-assessed
  5. math-review:evidence-logged
  6. math-review:findings-verified

核心工作流

1. 同步上下文
pwd && git status -sb && git diff --stat origin/main..HEAD

验证： 运行 git status 以确认工作树状态。 列出包含大量数学内容的文件（源代码、测试、文档、笔记本）。将风险分类：安全关键、金融、ML 公平性。

2. 需求映射

将需求转化为数学不变量。记录前置条件/后置条件、守恒定律和边界。加载：modules/requirements-mapping.md

3. 推导验证

使用 CAS 重新推导公式。审视近似方法。引用权威标准（NASA-STD-7009、ASME VVUQ）。加载：modules/derivation-verification.md

4. 稳定性评估

评估条件数、精度、缩放和随机性。比较复杂度。量化不确定性。加载：modules/numerical-stability.md

5. 工作成果证明
pytest tests/math/ --benchmark
jupyter nbconvert --execute derivation.ipynb

验证： 运行 pytest -v tests/math/ 以验证。 记录偏差，并给出建议：批准 / 采取措施后批准 / 阻止。加载：modules/testing-strategies.md

6. 验证发现有据可依（math-review:findings-verified）

将问题写入 .review/findings.json，运行引用验证器 （Skill(imbue:review-core) 第 5 步），并删除验证器拒绝的条目，或将其标记为 UNVERIFIED。

渐进式加载

默认（200 个 token）：核心工作流、检查清单 +需求（+300 个 token）：不变量、前置/后置条件、覆盖率分析 +推导（+350 个 token）：CAS 验证、标准、引用 +稳定性（+400 个 token）：数值属性、精度、复杂度 +测试（+350 个 token）：边界情况、基准测试、可复现性

加载所有模块后总计：约 1600 个 token

基本检查清单

正确性：公式符合规范 | 已处理边界情况 | 单位一致 | 已强制执行定义域 稳定性：条件数正常 | 精度足够 | 无消去误差 | 已防止溢出 验证：已记录推导 | 已引用参考资料 | 测试覆盖不变量 | 基准测试可复现 文档：已说明假设 | 已记录局限性 | 已指定误差界 | 已链接参考资料

输出格式

## Summary
[Brief findings]

## Context
Files | Risk classification | Standards

## Requirements Analysis
| Invariant | Verified | Evidence |

## Derivation Review
[Status and conflicts]

## Stability Analysis
Condition number | Precision | Risks

## Issues
[M1] [Title]
- Location: file.py:123
- Anchor: `verbatim source text at line 123`
- Issue: [what is wrong] | Fix: [remediation] | Evidence: [E1]

## Recommendation
Approve / Approve with actions / Block

每个问题的 Anchor 都是 Location 处的精确源文本；citation_verifier.py 会重新读取该文本，以证明发现确实存在。 验证： 使用 --help 标志运行命令，以确认其可用性。

退出条件

  • 已同步上下文、映射需求、验证推导、评估稳定性，并记录附带引用的证据
  • 每个报告的问题都包含 Location 和逐字引用的 Anchor，且 citation_verifier.py 已确认所有引用（退出代码为 0），或未验证的问题已删除或标记为 UNVERIFIED

评论

支持 Markdown