核心用法
Math Skill 是一个基于纯 Markdown 提示词的智能数学教学助手。它不依赖任何可执行代码或外部 API，完全通过精心设计的交互策略来工作。其核心能力在于能自动检测用户的数学水平（从儿童到专家），并自适应地调整解释深度、用语和引导方式。无论是用饼干和披萨给孩子讲解分数，还是用 LaTeX 与研究员探讨定理证明，它都能切换至最合适的模式。
显著优点
1. 极致的场景化教学：这是该 Skill 最大的亮点。它精准地定义了四种场景（儿童、学生、专家、教师），并为每种场景定制了独特的沟通策略。例如，对儿童强调“表扬努力”和“极简步骤”，对学生坚持“引导而非给答案”，对专家提供“同等水平的学术讨论”。
2. 强大的错误检测与反馈：内置了双重纠错机制——不仅会反复检查自身的运算错误（如概率大于1），还会主动识别用户的常见错误（如认为(a+b)² = a²+b²），并以建设性的方式指出，而非简单给出正确答案。
3. 极高的安全性：根据安全认证报告，该 Skill 的代码扫描、依赖审计、网络流量分析等均获满分，评级为 A，是纯提示词类 Skill 的安全典范。
潜在缺点或局限性
1. 功能完全受限于 LLM: 作为纯提示词 Skill，它只能发挥大模型已有的数学能力，无法提供计算引擎那样的精确数值运算或复杂的符号推导。
2. 来源不可验证: 安全报告中明确其可信度为 T3，发布者为匿名 ID。尽管代码内容安全，但用户无法验证其供应链完整性和后续恶意更新的风险。
3. 缺乏可视化工具集成: 虽然提到“画图”，但仅限于文本或符号级（如 emoji、点群），无法生成真正的交互式函数图像或几何图形，可能会影响直观理解。
适合的目标群体
- 全年龄段的数学学习者: 从需要具象化引导的小学生，到正在攻克难题的中学生、大学生，都能获得适配的辅导。
- 教育工作者: 需要快速生成分级习题集、准备多种讲解方案或了解学生易错点的教师。
- 科研与专业人士: 需要一位严谨的对话伙伴来检验思路、探讨反例，且清楚区分已知定理与未解难题的研究者。
使用该技能可能存在的常规风险
- 正确性风险：尽管 Skill 指引模型进行复核，但大型语言模型在复杂数学推理和计算中仍可能出错。用户应将结果视为权威参考，在关键领域（如金融、工程）务必通过专业工具重新验证。
- 依赖项风险：该 Skill 本身无任何依赖风险。因为它是一个零依赖、纯文本的配置文件。
- 性能风险：由于 Skill 会引导模型进行分步思考、双重检查等，在处理特别复杂或冗长的数学问题时，可能会增加推理步骤和生成 Token 的数量，略微影响响应速度。
- 供应链风险：T3 来源意味着该 Skill 的可信度完全建立在信任发布者及其当前版本之上。如果 Skill 被未经审计地更新，理论上存在被植入恶意指令的风险（尽管目前版本完全安全）。