MathProve（分步验证 + 路由 + 子代理 + 严格复核）

适用人群

适合：要清洗表格、补齐字段或整理结构化数据的人、要把 CSV、数据库结果或报表先处理成可分析版本的人、要批量做数据整理、统计或结果汇总的运营和分析人员。

技能介绍

组合式数学推导与证明技能。适用于需要分步拆解、难度评估、在 SymPy 与 Lean4+Mathlib 间灵活切换、逐步验证并生成可审计草稿与正式稿的数学问题；可选启用 subagent 路由进行并行化解释/引理检索/证明骨架构建。

把数学问题拆成最小可验证步骤（step），对每一步进行难度评估并选择 SymPy 或 Lean4 路线；每一步通过后写入 draft.md；最终对所有步骤做一致性复核（可选启用 Lean4 reverse gate）并生成 Solution.md。

业务背景和落地案例

当团队需要组合式数学推导与证明技能时，可以先用MathProve（分步验证 + 路由 + 子代理 + 严格复核）完成第一轮处理。常见做法是把相关文件、网址、素材或配置交给它，先产出初版结果，再由人工确认和继续推进。

能做什么

• 环境检查（推荐验证 Mathlib）：。
• 生成步骤清单（JSON）：。
• 结构见 assets/stepschema.json。
• step id 强烈推荐使用 S1/S2/…（与 Lean theorem/lemma 名称对齐）。
• 问题级路由（含 subagent 建议）：。
• 步骤级路由（难度与路线建议）：。

安装方法

方式 1：对 OpenClaw 说（不用写代码）

适合：OpenClaw、Codex、Kimiclaw、Windsurf、Trae、华为 CodeArts。

直接对 OpenClaw 说：

帮我安装一个叫 MathProve（分步验证 + 路由 + 子代理 + 严格复核） 的 Skill。
如果安装时需要精确名字，就用 mathprove-skill。
装好以后，先用它帮我处理一遍当前任务。

如果需要手动安装，可以用这条命令：

clawhub install mathprove-skill

方式 2：导入 MD 安装

适合：腾讯Workbuddy、百度Duclaw、字节Arkclaw、智谱Autoclaw、科大讯飞Astronclaw。

1. 找到这条 Skill 自带的 Markdown 文件，通常就是它的 SKILL.md 或同名 .md 文件。
2. 把这个 Markdown 文件导入到你的产品里。
3. 导入完成后，直接对 AI 说：

用刚刚导入的MathProve（分步验证 + 路由 + 子代理 + 严格复核），先帮我处理当前任务。

备注：这一种本质上是导入一个 Markdown 文件，给知道安装包里有 .md 文件的人即可。

方式 3：代码安装

适合：Claude Code、Cursor、通义灵码、文心快码。

这条 Skill 没有整理出稳定的命令行安装写法，建议优先用方式 1 或方式 2。

使用步骤

1. 先选上面 3 种方式里，自己最容易完成的一种。
2. 安装完成后，直接对 OpenClaw 说：“用MathProve（分步验证 + 路由 + 子代理 + 严格复核）帮我处理当前任务。” 先让它自己跑一遍就可以。
3. 如果你已经有明确文件、网址、目录或数据，再把它补给 OpenClaw，让它只处理这一部分。
4. 先看第一轮结果，再决定要不要追加条件、缩小范围或继续执行下一步。
5. 如果这条 Skill 确实好用，就把它保留在常用列表，后面重复任务直接复用。

你需要准备什么

• 与你当前任务相关的文件、网址、目录或数据。
• 要处理的表格、CSV、数据库结果或数据文件。
• 你想完成的统计、清洗或整理目标。
• 如果有字段规则，也可以提前说明。
• 如果这条 Skill 依赖外部服务，还要准备对应账号权限或可用凭证。

你会看到什么结果

• 整理后的表格或数据结果。
• 更适合继续分析的结构化内容。
• 可继续复用的数据处理结果。

风险提示

• 涉及 API Key、Token 或其他凭证时，先确认保存方式和权限边界。

来源信息

• 公开页面地址: https://agentskillsrepo.com/skill/DerstedtCasper/mathprove-skill
• SKILL.md 下载地址: https://agentskillsrepo.com/skill/DerstedtCasper/mathprove-skill/download