技能介绍

数学建模竞赛或实际工程问题中，从赛题到可落地模型之间存在一条容易断裂的链条：题目读不准，模型选得随意，假设与变量定义含糊，数据文件结构不清，模型与代码脱节，最终论文结论空泛。math-modeling-modeler 针对的就是这条链条上的常见断裂点。

先识别，再建模。 技能不会一上来就堆模型名称，而是逐问拆解核心任务、输出目标、约束来源，将问题归入优化、预测、评价、数理统计或机理分析五类之一，并给出判定依据。

结构化数据检查。 处理 Excel、CSV 时，会先列明文件名、工作表结构、字段含义与单位，区分可直接使用的字段和需清洗、转换、标准化的字段，并说明数据缺口对结论的影响。

逐问闭环建模。 每一问都按

的顺序推进，后续问题必须与前文的变量和结论衔接。

多方案设计与推荐。 每问给出 2–4 种可行方案，分别说明适用前提、优缺点与匹配程度，并明确推荐主方案及理由。信息不足时减少方案数量并解释原因，不为凑数列出不适用方案。

实现与检验衔接。 默认用 Python 实现，确保代码与模型一一对应，交代输入格式、核心模块、输出文件和常见调试方法。检验方法与模型类型匹配：优化类看约束满足性，预测类看交叉验证，评价类看权重敏感性。

截图预览

将课程资料转为可授课、可提交、可修订的教学全案，支持大纲、教案、评价、AI赋能与创新报告生成。

面向语文、数学等九个学科，结合教材与课型信息分步确认，生成可复核的常态课教学方案。

面向中文职场演讲与答辩，提供结构、开场、Q&A、领导发问与控场救场方案，不替代 PPT 设计或代写全文。

面向大学课程期末冲刺，围绕考试信息、课程资料、20天计划、每日任务、小测和进度调整，提供讲解、例题、错因分析与局部计划更新。