用途：该技能用于处理数值方法中的数值积分问题，帮助判断积分类型并选择合适的求积方法。
主要能力：提供决策树，先识别积分类型（有限区间定积分、无穷区间或含奇点的反常积分、多维积分），再选择求积方法：光滑函数有限区间用高斯求积，振荡被积函数用 Filon、Levin 等专门方法，端点奇点用自适应方法，一般一维问题用 scipy.integrate.quad(f, a, b)。支持自适应积分，由算法在需要处细分，并可指定误差容限 rtol、atol，例如 scipy.integrate.quad(f, a, b, epsabs=1e-8, epsrel=1e-8)。多维方面，二维用 scipy.integrate.dblquad，三维用 scipy.integrate.tplquad，更高维可用蒙特卡洛方法。精度验证包括与已知解析解比较，以及通过细化容限检查收敛性。
使用方式：资料给出若干命令示例，包括 Scipy_Quad：uv run python -c "from scipy.integrate import quad; import numpy as np; result, err = quad(lambda x: np.sin(x), 0, np.pi); print('Integral:', result, 'Error:', err)"；Scipy_Dblquad：uv run python -c "from scipy.integrate import dblquad; result, err = dblquad(lambda y, x: x*y, 0, 1, 0, 1); print('Integral:', result)"；Sympy_Integrate：uv run python -m runtime.harness scripts/sympy_compute.py integrate "sin(x)" --var x --from 0 --to "pi"。另有 sympy_compute.py integrate "f(x)" --var x --from a --to b 的用法。
适用场景：数值方法课程或工程计算中需要计算定积分、反常积分、多维积分，并关注误差控制与结果验证的场合。
限制：资料未提供该技能的安装方式、收费信息、支持平台及具体性能数据；部分内容引用自教材，未给出完整实现细节。