用途：对数学密集型代码做深入审查，验证算法正确性与数值稳定性，确保与标准一致。适用场景包括数学模型或算法改动、统计与概率逻辑、数值积分与优化、科学计算代码、ML/AI 模型实现以及安全关键计算。不适合用于通用算法评审（用 architecture-review）或性能优化（用 parseltongue:python-performance）。
使用方式：以 /math-review 命令启动，可用 --help 验证可用性。核心流程分六步：一、上下文同步，运行 pwd && git status -sb && git diff --stat origin/main..HEAD，枚举数学相关文件并按安全关键、金融、ML 公平性分类风险；二、需求映射，将需求转为数学不变量，记录前后置条件、守恒律与边界；三、推导验证，用 CAS 重新推导公式，质疑近似并引用权威标准（如 NASA-STD-7009、ASME VVUQ）；四、稳定性评估，考察条件数、精度、量纲与随机性，比较复杂度并量化不确定性；五、证明工作，运行 pytest tests/math/ --benchmark 与 jupyter nbconvert --execute derivation.ipynb，记录偏差并给出结论；六、核验发现，将问题写入 .review/findings.json，运行引用校验器，未通过的问题删除或标注 UNVERIFIED。
输出包含摘要、上下文、需求分析、推导评审、稳定性分析、问题清单（含位置与逐字锚点）和结论。支持渐进加载模块（需求、推导、稳定性、测试），全模块约 1600 tokens。限制：资料未提供支持的编程语言、依赖版本、安装方法、收费与平台信息。