Agent Skills
返回列表
🎓

数学建模全流程专家

教育学习 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_0210c829/math-modeling-expert。

技能介绍

解决什么问题

数学建模论文常卡在几个工程化环节：赛题子问题拆得不稳，优化/预测/评价类模型容易漏约束或数据泄露，Python 结果与论文数值不一致，最后 PDF 还有占位符、坏路径或章节缺失。这个技能把从题面到可提交论文拆成一条可审计的工作流，让每一步都有报告、代码产物和验收结论。

工作流如何跑

  • 总控：先确认 Typst 或 LaTeX、竞赛类型、论文语言和子问题数量，并写入 plan.md。
  • 分析与建模：识别题面中明确编号的问题，做假设敏感性预检，产出 ANALYSIS_MODELING_REPORT.md。
  • 编码与图表：运行 Python 实验，保留 code/、results/、figures/，并形成 RESULTS_REPORT.md。
  • 论文撰写：从内置中文/英文模板中选择版本，插入真实图表，检查图片相对路径和章节结构。
  • 验收门禁：检查 main.typ / main.tex、章节文件、一级标题、占位符、内部路径、图片路径和关键数值一致性。

适用边界

它适合数学建模竞赛论文的工程化交付，尤其是需要防错速查和可复现记录的流程。若需要 DrawIO 流程图、Typst 语法教学或 Docker 部署，资料表明这些不属于该技能默认能力。

使用场景

  • 准备全国大学生数学建模竞赛时，把题面拆成子问题并形成假设与模型报告。
  • 运行 Python 求解与实验后，整理 code/results/figures 并写入结果报告。
  • 用 Typst 或 LaTeX 模板排版中文建模论文，并检查图片路径与章节结构。
  • 提交前执行入口文件、占位符、图片路径和数值一致性等硬错误检查。

适合人员

  • 参加国赛/美赛的建模选手：希望从题面到论文有固定流程，避免漏约束、漏章节和数值不一致。
  • 负责数学建模课程项目提交的研究生：需要把 Python 实验、图表和 Typst/LaTeX 论文整理成可复现材料。
  • 需要验收竞赛论文的团队助教：希望检查入口文件、占位符、图片路径和关键数值一致性后再交付。
  • 准备 MCM/ICM 英文论文的学生：想使用英文模板并控制摘要、图表解释和 25 页限制。