К основному содержанию
скилл CX Codex

convex-optimization — скилл для Claude Code

Скилл convex-optimization для работы с задачами выпуклой оптимизации. Включает проверку выпуклости, классификацию задач и применение методов на основе KKT-условий.

MIT ★ 3 951 обновлён 2026-01-26

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add parcadei/Continuous-Claude-v3 --skill convex-optimization -a claude-code
Открыть на GitHub

Что делает convex-optimization

Скилл предоставляет пошаговую стратегию для решения задач выпуклой оптимизации. Первый шаг — проверить выпуклость: положительна ли полуопределённость гессиана целевой функции, является ли множество ограничений пересечением выпуклых множеств. Затем идёт классификация по типам: линейное программирование решается через scipy.optimize.linprog, квадратичное — через scipy.optimize.minimize(method='SLSQP'), семидефинитные задачи требуют CVXPY с SDP-солвером.

Для каждого типа скилл выполняет приведение к стандартной форме и проверяет KKT-условия (условие стационарности, допустимость по прямой и двойственной задачам, дополняющую нежёсткость). После решения проверяется удовлетворение ограничений и гарантия глобального минимума за счёт выпуклости. Скилл использует инструменты Bash и Read, поддерживает команды вроде z3_solve.py prove для формального доказательства условий.

Какие задачи решает

  • Проверить выпуклость функции и ограничений перед решением
  • Выбрать подходящий алгоритм оптимизации по типу задачи
  • Привести задачу к стандартной форме минимизации
  • Проверить KKT-условия для оптимальности решения
  • Верифицировать соответствие решения всем ограничениям

Примеры запросов агенту

  • Проверь выпуклость функции и найди минимум scipy.optimize.minimize для квадратичной задачи
  • Реши задачу линейного программирования с ограничениями и докажи KKT-условия
  • Переформулируй задачу максимизации в минимизацию и примени Interior Point Method

Как установить convex-optimization

1Через Skills CLI (Vercel)

npx skills add parcadei/Continuous-Claude-v3 --skill convex-optimization -a claude-code

2Вручную: положить файлы

~/.claude/skills/convex-optimization/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/convex-optimization/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о convex-optimization

Как установить convex-optimization в Claude Code?

Выполни npx skills add parcadei/Continuous-Claude-v3 --skill convex-optimization -a claude-code, затем прочитай документацию в ~/.claude/skills/convex-optimization/SKILL.md.

Что делает скилл convex-optimization?

Предлагает структурированный подход к решению задач выпуклой оптимизации: проверка выпуклости, выбор метода по типу (линейное, квадратичное, семидефинитное программирование), приведение к стандартной форме и верификацию KKT-условий.

Какие инструменты нужны для работы скилла?

Скилл использует Bash и средства чтения файлов. Для конкретных задач требуется Python с библиотеками scipy и CVXPY, а также доступ к z3_solve.py для формального доказательства условий оптимальности.

Исходный текст

SKILL.md · MIT
---
name: convex-optimization
description: "Problem-solving strategies for convex optimization in optimization"
allowed-tools: [Bash, Read]
---

# Convex Optimization

## When to Use

Use this skill when working on convex-optimization problems in optimization.

## Decision Tree


1. **Verify Convexity**
   - Objective function: Hessian positive semidefinite?
   - Constraint set: intersection of convex sets?
   - `z3_solve.py prove "hessian_psd"`

2. **Problem Classification**
   | Type | Solver |
   |------|--------|
   | Linear Programming | `scipy.optimize.linprog` |
   | Quadratic Programming | `scipy.optimize.minimize(method='SLSQP')` |
   | General Convex | Interior point methods |
   | Semidefinite | CVXPY with SDP solver |

3. **Standard Form**
   - minimize f(x) subject to g_i(x) <= 0, h_j(x) = 0
   - Convert max to min by negating
   - Convert >= to <= by negating

4. **KKT Conditions (Necessary & Sufficient)**
   - Stationarity: grad L = 0
   - Primal feasibility: g_i(x) <= 0, h_j(x) = 0
   - Dual feasibility: lambda_i >= 0
   - Complementary slackness: lambda_i * g_i(x) = 0
   - `z3_solve.py prove "kkt_conditions"`

5. **Solve and Verify**
   - `scipy.optimize.minimize(f, x0, constraints=cons)`
   - Check constraint satisfaction
   - Verify solution is global minimum (convex guarantees this)


## Tool Commands

### Scipy_Linprog
```bash
uv run python -c "from scipy.optimize import linprog; res = linprog([-1, -2], A_ub=[[1, 1], [2, 1]], b_ub=[4, 5]); print('Optimal:', -res.fun, 'at x=', res.x)"
```

### Scipy_Minimize
```bash
uv run python -c "from scipy.optimize import minimize; res = minimize(lambda x: (x[0]-1)**2 + (x[1]-2)**2, [0, 0]); print('Minimum at', res.x)"
```

### Z3_Kkt
```bash
uv run python -m runtime.harness scripts/z3_solve.py prove "kkt_conditions"
```

## Key Techniques

*From indexed textbooks:*

- [Additional Exercises for Convex Optimization (with] Finally, there are lots of methods that will do better than this, usually by taking this as a starting point and ‘polishing’ the result after that. Several of these have been shown to give fairly reliable, if modest, improvements. You were not required to implement any of these methods.
- [Additional Exercises for Convex Optimization (with] K { X = x Ax yi } where e is the p-dimensional vector of ones. This is a polyhedron and thus a convex set. Rm has the form − The residual Aˆx − Describe a heuristic method for approximately solving this problem, using convex optimization.
- [Additional Exercises for Convex Optimization (with] We then pick a small positive number , and a vector c cT x minimize subject to fi(x) 0, hi(x) = 0, f0(x) ≤ p + . There are dierent strategies for choosing c in these experiments. The simplest is to choose the c’s randomly; another method is to choose c to have the form ei, for i = 1, .
- [Additional Exercises for Convex Optimization (with] We formulate the solution as the following bi-criterion optimization problem: (J ch, T ther) cmax, cmin, 0, minimize subject to c(t) c(t) a(k) ≤ ≥ t = 1, . T The key to this problem is to recognize that the objective T ther is quasiconvex. The problem as stated is convex for xed values of T ther.
- [nonlinear programming_tif] Optimization Over a Convex Set** - Focuses on optimization problems constrained within a convex set. Optimality Conditions:** Similar to unconstrained optimization, but within the context of convex sets. Feasible Directions and Conditional Gradient** - Explores methods that ensure feasibility within constraints.

## Cognitive Tools Reference

See `.claude/skills/math-mode/SKILL.md` for full tool documentation.

© parcadei · MIT · parcadei/Continuous-Claude-v3

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
scipy-best-practices Mindrally Скилл scipy-best-practices для Claude Code задаёт агенту правила научных вычислений на SciPy: оптимизация, линейная алгебра, статистика, сигналы. Покрывает Python-код, который считает числа. CX Codex +1 1 100установок site-logistics-optimization datadrivenconstruction Скилл site-logistics-optimization оптимизирует логистику строительной площадки: расписание доставок материалов, позиционирование кранов, распределение складских зон и движение техники. CX Codex +1 118установок convex-design convex Скилл convex-design для Claude Code проектирует бэкенды на Convex: схему, функции, авторизацию, файлы и LLM-сценарии. Преобразует описание продукта в план бэкенда. CX Codex +1 44 000установок convex-agent convex Ставит в приложение на Convex бэкенд для ИИ-агента: долгие треды, история сообщений, вызовы инструментов и поиск по векторам. CX Codex +1 43 900установок scipy-curve-fit benchflow-ai Скилл scipy-curve-fit обучает агента подбирать параметры нелинейных моделей по экспериментальным данным через scipy.optimize.curve_fit. CX Codex +1 2установок convex-agents waynesutton Скилл convex-agents для Claude Code учит ИИ строить агентов на компоненте @convex-dev/agent. Агенты работают с историей чатов, RAG и вызывают мутации Convex как инструменты. CX Codex +1 1 500установок

Из того же набора161

Весь набор →
root-finding Скилл root-finding для Claude Code выбирает численный метод поиска корней уравнения или решения системы — с учётом наличия производных и известного интервала. CX Codex +1 ★ 3 951звёзд репо banach-spaces Скилл banach-spaces для Claude Code помогает решать задачи функционального анализа, связанные с банаховыми пространствами. CX Codex +1 ★ 3 951звёзд репо contour-integrals Скилл contour-integrals для Claude Code помогает решать задачи контурного интегрирования в комплексном анализе. Применяется для вычисления определённых интегралов через теорему о вычетах и выбора подходящих контуров обхода. CX Codex +1 ★ 3 951звёзд репо arbiter Субагент arbiter запускает модульные и интеграционные тесты, разбирает сбои и сверяет реализацию с критериями приёмки. По итогам сохраняет отчёт в проекте. CX Codex ★ 3 951звёзд репо connectedness Скилл connectedness для Claude Code с методами решения задач о связности топологических пространств. CX Codex +1 ★ 3 951звёзд репо analytic-functions Скилл analytic-functions для Claude Code решает задачи комплексного анализа: проверяет аналитичность функций, верифицирует уравнения Коши—Римана, находит степенные ряды и аналитические продолжения. CX Codex +1 ★ 3 951звёзд репо math-intuition-builder Скилл math-intuition-builder для Claude Code разбирает математические концепции через примеры, визуализацию и аналогии. Строит интуицию до вычислений. CX Codex +1 ★ 3 951звёзд репо constrained-optimization Скилл constrained-optimization помогает Claude Code решать задачи условной оптимизации: классифицировать ограничения, строить функции Лагранжа и проверять условия ККТ. Пригодится при аналитических и численных расчётах. CX Codex +1 ★ 3 951звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой