Optimization Theory Expert 是一个面向最优化理论主题的技能（skill），其定位为覆盖线性规划、凸优化、梯度方法以及约束优化等方向。
用途与定位 该技能以“专家”形式组织最优化方法相关知识，主题范围包括线性规划、凸优化、梯度方法和约束优化。但根据现有资料，它当前并非可直接依赖的成熟内容，而是一个遗留模板，等待研究升级。
当前状态 资料显示其状态为“⚠️ Legacy template awaiting research upgrade”（遗留模板，等待研究升级）。最后验证日期为 2025-11-08，置信度标记为“🔴 Low — Legacy template awaiting research upgrade”（低置信度）。资料明确说明：在置信度升级到中或高之前，不要依赖该技能。
主要模块 资料列出了以下模块：
- Core guidance（核心指导）——保留的遗留指令，供审查使用。
- Known gaps（已知缺口）——验证任务与开放问题。
- Research checklist（研究清单）——为保证内容时效性而设的强制工作流。
使用方式 资料给出的使用步骤如下：
- 从 modules/research-checklist.md 开始，并收集最新的来源。
- 查看 modules/known-gaps.md 并解决未完成事项。
- 只有在完成验证之后，才从 _toc.md 加载特定主题模块。
- 当置信度改善时更新元数据。
研究状态 资料指出：新的网络研究尚待进行（转换记录于 2025-11-08）。所有新来源需记录在 Source Log 和研究清单中。
适用场景与限制 由于该技能被标记为低置信度的遗留模板，其适用场景应限于审查、研究准备与内容补全工作，而非直接作为最优化理论的知识来源使用。资料未提供具体的算法推导、代码示例、安装命令、收费信息、支持平台或实际使用效果，这些内容暂未提供。