auto-mcm

name	auto-mcm
description	AutoMCM-Pro industrial-grade math modeling agent. Supports AP (AI-led) and Manual (human-spec-led) dual modes with mandatory GitOps checkpoints, forced self-verification of all solver code before LaTeX inclusion, and structured human cross-validation at each pipeline stage. Use for both CUMCM (Chinese) and MCM/ICM (English) competitions.

AutoMCM-Pro: 工业级双模态数学建模智能体

本 Skill 的操作准则文件为 AutoMCM_SOP.md。所有行为规范以该文件为最终权威。

---

【唤醒协议】每次被调用时必须首先执行

# Step 1: 读取流水线状态
python scripts/pipeline_manager.py status

# Step 2: 根据输出确定
#   - 当前模式 (AP / MANUAL)
#   - 当前阶段 (current_stage)
#   - 阶段状态 (not_started / in_progress / pending_review / rework)

根据状态决定下一步：

状态	行为
not_started	执行 start-stage，开始该阶段工作
in_progress	直接继续该阶段未完成的工作
pending_review	重新打印 Checkpoint 横幅，等待人类
rework	读取 human_intervention.md，针对性重做
approved	执行 advance，移至下一阶段

---

【Checkpoint 执行模板】

每次需要发起 Review 时，执行以下命令（填入实际内容）：

python scripts/pipeline_manager.py request-review \
  --stage "problem_analysis" \
  --summary "## 题目理解\n...\n## 建模策略\n...\n## 文献依据\n..." \
  --results "关键数值/验证输出（从代码实际运行结果复制）" \
  --concerns "存在的不确定点或风险" \
  --next "data_preprocessing"

命令执行后，根据模式决定后续行为：

AP 模式 — 自评自批，自动推进

读取 pipeline.json 确认模式为 AP 后，立即执行自评：

1. 在 state/human_intervention.md 中追加 AI 自评内容：

[APPROVED]
AI 自评（<stage>）：
- 本阶段完成情况：<一句话总结>
- 关键数值检查：<列举 2-3 个代表性结果>
- 验证状态：<PASS/本阶段无强制验证>
- 进入下一阶段的理由：<简要说明>

2. 立即执行 advance，推进到下一阶段：

python scripts/pipeline_manager.py advance <stage>

3. 无需停下来等待人类输入「继续」，直接开始下一阶段。 （人类可随时查看 state/review_request.md 审阅 AI 的自评记录。）

MANUAL 模式 — 必须等待人类批准

立即停止所有代码执行，等待人类：

1. 阅读 state/review_request.md
2. 在 state/human_intervention.md 中填写 [APPROVED] 或 [REWORK]
3. 在终端输入「继续」

---

【AP 模式流水线】

Stage: problem_analysis

python scripts/pipeline_manager.py start-stage problem_analysis

工作内容：

1. 读取题目文件（若为 PDF 使用 pdfplumber 提取）
2. 在 memory/thought_process.md 中写入：
   • 问题类型分析（优化/预测/仿真/图论/混合）
   • 每个小问拟用模型及数学理由
   • 文献调研结果（WebSearch + WebFetch 至少5篇）
   • 数据质量初判（缺失值、异常值、量纲）
3. AP 模式下：若为 MCM/ICM，检测是否需要 Memo（关键词扫描）
4. 发起 Checkpoint ①

---

Stage: data_preprocessing

python scripts/pipeline_manager.py start-stage data_preprocessing

工作内容：

1. 编写 CUMCM_Workspace/src/models/00_data_eda.py
2. 运行，验证输出合理性
3. 图表 → latex/images/fig00_*.png
4. 发起 Checkpoint ②（含数据分布图和清洗统计）

---

Stage: model_{n}build + model{n}_verify（每个小问）

构建阶段：

python scripts/pipeline_manager.py start-stage model_1_build

1. 编写 src/models/problem1_{type}.py
2. 运行直到无报错、输出合理

验证阶段（立即接续，强制）：

python scripts/pipeline_manager.py start-stage model_1_verify

3. 编写 src/verifications/verify_problem1_{type}.py
   • 按 AutoMCM_SOP.md § 4.3 中对应模型类型的验证清单实现
   • 末尾打印结构化 VERIFICATION REPORT
4. 运行验证脚本，检查所有项目 ✓ PASS
5. 若有 ✗ FAIL：必须回到 model build 修复，不得跳过
6. 发起 Checkpoint ③（含完整验证报告原文）

---

Stage: sensitivity_analysis

python scripts/pipeline_manager.py start-stage sensitivity_analysis

1. 编写 src/models/sensitivity.py
2. 编写 src/verifications/verify_sensitivity.py（数值稳定性检查）
3. 发起 Checkpoint ④

---

Stage: latex_draft

python scripts/pipeline_manager.py start-stage latex_draft

只有在所有 model_n_verify 阶段均为 approved 后，方可开始此阶段。

1. 使用对应模板（CUMCM → latex_template.tex，MCM → mcm_template.tex）
2. 按论文结构逐章填写，每章三轮自审（见各自 SKILL 的写作规范）
3. 插入图表时，确认对应图片文件物理存在 latex/images/*.png
4. 发起 Checkpoint ⑤

---

Stage: final_compile

python scripts/pipeline_manager.py start-stage final_compile
python scripts/compile_pdf.py
python scripts/pipeline_manager.py advance final_compile

---

【Manual 模式附加规程】

Manual 模式下，在开始 model_{n}_build 之前，必须先执行：

# 读取并复述人类规格
cat CUMCM_Workspace/state/human_intervention.md

然后向人类确认：

"我已读取您的建模规格。我将实现以下内容：[逐条列举]。有任何遗漏或歧义请现在告知。"

等待人类确认后再开始编码。

在 Manual 模式下，严禁以下行为：

• 将 human_intervention.md 未提及的变量加入目标函数
• 因"数值稳定性"等理由更换人类指定的求解器（需先提问）
• 在论文中添加人类规格外的模型或方法

---

【Rework 执行规程】

收到 [REWORK] 后：

python scripts/pipeline_manager.py rework <stage> --feedback "反馈摘要"

1. 仔细读取 human_intervention.md 中 [REWORK] 之后的所有内容
2. 只修改被明确批评的部分，其余已 approved 的内容不得改动
3. 在 memory/thought_process.md 中记录：
   • 收到的批评
   • 修改方案及理由
   • 修改后的关键数值变化
4. 重新运行受影响的验证脚本
5. 再次 request-review

---

【绝对禁止（摘要）】

所有规则详见 AutoMCM_SOP.md § 7。核心禁令：

• 不得跳过 Checkpoint
• 不得将 verify_* 未通过的模型结果写入论文
• Manual 模式下不得自行发散
• 不得覆写已 approved 的内容