math-model-selector — скилл для Claude Code: выбор матмодели
Скилл math-model-selector помогает выбрать математическую область для задачи, когда пока неясно, как её формализовать. Полезен перед расчётами или построением модели.
MIT ★ 3 951 обновлён 2026-01-26
npx skills add parcadei/Continuous-Claude-v3 --skill math-model-selector -a claude-codeЧто делает math-model-selector
Скилл задаёт вопросы о том, что нужно изучить, как меняется величина, есть ли случайность и требуется ли оптимизация. По ответам он направляет к подходящим методам: например, к ОДУ для непрерывных изменений, байесовским методам при неопределённости или целочисленному программированию для дискретного выбора.
Затем он уточняет нужную точность и предлагает формат дальнейшей работы: основные уравнения, первый шаг, инструмент для вычислений и связанный с задачей скилл. Для приблизительной оценки рассматривается анализ размерностей, для качественного поведения — фазовые портреты, для численного ответа — симуляция. Это выбор направления, а не готовое решение задачи.
Какие задачи решает
- определить математическую область для задачи
- различить дискретное и непрерывное изменение
- выбрать метод с учётом случайности
- подобрать подход к оптимизации
- решить, нужна ли симуляция или аналитический ответ
Примеры запросов агенту
- Подскажи, какую математическую модель выбрать для распространения слуха среди людей.
- Помоги формализовать задачу: величина меняется непрерывно, но в ней есть случайность.
- Я хочу найти минимум функции с дискретными вариантами выбора. Какой математический подход использовать?
Как установить math-model-selector
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill math-model-selector -a claude-code2Вручную: положить файлы
~/.claude/skills/math-model-selector/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/math-model-selector/
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill math-model-selector -a codex2Вручную: положить файлы
.agents/skills/math-model-selector/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill math-model-selector -a cursor2Вручную: положить файлы
.cursor/skills/math-model-selector/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install parcadei/Continuous-Claude-v3 .claude/skills/math/math-model-selector2Вручную: положить файлы
.github/skills/math-model-selector/SKILL.md1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill math-model-selector -a gemini-cli2Командой платформы
gemini skills install https://github.com/parcadei/Continuous-Claude-v3 --path .claude/skills/math/math-model-selectorВручную: положить файлы
.devin/skills/math-model-selector/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о math-model-selector
Как установить math-model-selector в Claude Code?
Выполните npx skills add parcadei/Continuous-Claude-v3 --skill math-model-selector -a claude-code. Файл скилла находится по пути ~/.claude/skills/math-model-selector/SKILL.md.
Что делает math-model-selector?
Он задаёт вопросы о величинах, изменениях, случайности, оптимизации и требуемой точности, а затем предлагает подходящую математическую основу и первый шаг.
Чем отличаются рекомендации для непрерывных и дискретных изменений?
Для непрерывных изменений скилл рассматривает ОДУ, а для изменений по отдельным шагам — разностные уравнения и рекуррентные соотношения.
Исходный текст
SKILL.md · MIT
--- name: math-model-selector description: Routes problems to appropriate mathematical frameworks using expert heuristics --- # Math Model Selector ## When to Use Trigger on phrases like: - "what math should I use" - "which mathematical framework" - "how do I model this" - "what kind of problem is this" - "formalize this problem" Use when user has a problem but doesn't know which mathematical domain applies. ## Process Guide user through decision tree using Polya-style questions: ### 1. Identify the quantity **Ask:** "What quantity or phenomenon are you trying to understand?" - Physics problem -> conservation laws, differential equations - Economics -> equilibrium, optimization - Data patterns -> statistics, regression ### 2. Characterize change **Ask:** "What changes, and how does it change?" - Discrete steps -> difference equations, recurrences - Continuous rate -> ODEs - Rate of rate matters -> 2nd order ODEs - Spatial variation -> PDEs ### 3. Check for uncertainty **Ask:** "Is there randomness or uncertainty involved?" - Deterministic -> standard analysis - Epistemic uncertainty -> Bayesian methods - Random process -> probability theory, stochastic processes ### 4. Optimization check **Ask:** "Are you optimizing something?" - Convex objective -> linear/quadratic programming - Non-convex -> gradient descent, evolutionary methods - Discrete choices -> combinatorics, integer programming ### 5. Answer precision **Ask:** "What level of answer do you need?" - Rough estimate -> dimensional analysis - Qualitative behavior -> phase portraits, stability - Numerical answer -> simulation - Exact closed form -> analytical methods ## Key Questions to Ask 1. What changes? (discrete vs continuous) 2. What causes the change? (rate dependencies) 3. What's random? (uncertainty type) 4. What's being optimized? (objective function) 5. How precise? (qualitative vs quantitative) ## Output Format ``` Framework Recommendation: - Primary: [framework name] - Why: [one-sentence justification] Starting Point: - Key equations: [relevant formulas] - Initial approach: [first step] Tools to Use: - [specific script or computation tool] Related Skills: - [domain skill to activate next] ``` ## Example Interaction ``` User: I want to model how a rumor spreads through a population Claude: Let me help you find the right framework. Q1: What quantity are we tracking? > Number of people who heard the rumor over time. Q2: What causes it to change? > Spread rate depends on who knows and who doesn't. Q3: Is there randomness? > Assume deterministic (average behavior) for now. Q4: Optimizing anything? > No, just understanding dynamics. Q5: What precision? > Qualitative behavior, maybe predict peak rate. Framework Recommendation: - Primary: First-order ODE (logistic growth) - Why: Rate depends on current state nonlinearly Starting Point: - dN/dt = r * N * (1 - N/K) - N = heard count, K = population, r = spread rate Tools: - sympy_compute.py solve (equilibrium) - Phase line for qualitative behavior Related Skills: - math/math-intuition-builder (understand the model) - odes-pdes/first-order-odes (solve it) ``` ## Co-activates After framework selection, suggest: - **math-intuition-builder** - to understand the framework - **Relevant domain skill** - for actual computation - **math-mode** - for symbolic verification
© parcadei · MIT · parcadei/Continuous-Claude-v3