数学建模代码手

解决的痛点

在数学建模与数据科学的实际交付中，草稿阶段的公式推导往往无法直接对应到生产级代码。math-modeling-coder 致力于填补“论文描述的模型”与“实际运行的代码”之间的鸿沟，确保代码实现与学术表达在逻辑上保持一致，避免代码仅仅沦为模型的附庸。

技能的工作流

该技能遵循一套严格的工程化交付标准，核心步骤包括：

• 材料检查：编码前会先解析用户上传的题面、数据文件和已有代码结构，明确字段含义与数据质量，杜绝凭空臆造字段。
• 方案映射：将数学模型中的变量、约束和目标函数，显式地映射为代码模块，规划清晰的数据流转路径。
• 稳健执行：默认采用 Python，根据问题类型（优化、预测、评价、统计、机理分析）实施针对性方案，并对边界条件和数值稳定性进行检查。

适用边界与注意点

• 拒绝虚构：必须基于真实的输入数据运行，不得为了“看起来完整”而伪造指标或日志。
• 最小改动：在修改已有代码时，优先采取最小充分改动以保留原有的业务逻辑，除非有确凿证据表明需要重构。
• 实事求是：若当前环境无法执行，需明确说明原因，严格区分“设计输出”与“真实运行结果”。