القائمة
Meta-model-agent 基于问题契约建立数学机制、公式体系、求解路线与校验方案。适用于数学机制构造与算法规划。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | model-formulation |
| description | Meta-model-agent 基于问题契约建立数学机制、公式体系、求解路线与校验方案。适用于数学机制构造与算法规划。 |
基于问题情境解构开展数学建模与求解：$ARGUMENTS
COMPETITION / PROBLEM_ID — 从 Additional Parameters 查阅
TOOLS — 默认 python
CUSTOM_REQUIREMENTS — 用户自定义要求
问题分析.md — 问题情境解构报告（务必出现）
用户数据/ — 赛题附件数据
当前环节务必产出 建模报告.md（≥ 1.5KB，完整的建模与求解报告）。
⛔ 结束前必跑产出校验：
[ -f 建模报告.md ] && SZ=$(wc -c < 建模报告.md) || SZ=0
[ "$SZ" -ge 1500 ] && echo "✅ 建模报告.md ($SZ bytes)" \
|| echo "❌ 建模报告.md 缺失或过小 ($SZ bytes) — 必须补全后重新跑验证, 不要结束本步骤"
提取子问题列表、推荐方法、变量定义、数据特征。
⛔ 对照 问题分析.md 的推荐方法： 若选取了不同于推荐的方法，务必在 建模报告.md 中清晰标明阐明理由（为什么推荐方法不适用、替代方法的优势）。不可无声地忽略推荐方法。
⛔⛔⛔ 强制审视问题情境解构的"经典问题升级"结论（防止升级被忽略）：
关键要求：先完整审视问题情境解构的升级推荐 → 尽可能在建模中满足 → 如有异议务必给出充分理由。
问题情境解构阶段（Phase 5.6）会交付以下表格，建模阶段务必逐条审视：
覆盖度核验表（标注 ⚠️/❌ 的句子是需额外建模的机制）
反向对照核验（题目某句子指出需升级到某变体）
经典问题升级确认表（清晰标明标注"初步映射 X → 终版模型 Y"）
⛔ 实施环节：
echo "=== 审视问题情境解构的升级结论 ==="
echo ""
echo "--- 标为⚠️/❌的覆盖度缺口（需要在建模中审视是否补上）---"
grep -A 1 '⚠️\|❌' 问题分析.md | head -40
echo ""
echo "--- 经典问题升级表（需要审视是否采用最终模型）---"
sed -n '/经典问题升级/,/^##/p' 问题分析.md | head -30
echo ""
echo "--- 反向对照的升级要求 ---"
sed -n '/反向对照/,/^##/p' 问题分析.md | head -30
⛔ 三段式决策过程（各个升级推荐都务必走完）：
第一段：审视
逐条查阅问题情境解构的升级推荐（如 "Orienteering → Multi-Trip OP"）
理解升级的触发缘由（如 ASSURANCE"可充电"→多架次飞行）
判定升级对终版结果的影响（如不用 Multi-Trip 会导致覆盖数被严重低估）
第二段：尽可能满足（默认行为）
若升级在技术上可实现 → 务必采用问题情境解构推荐的变体
若升级增加复杂度但不超出求解能力 → 务必采用
若升级是题目清晰标明要求的机制（如"可充电"）→ 无论如何务必采用
第三段：有异议给理由（特殊情况）
若建模阶段认为某个升级不应采用，务必在 建模报告.md 中给出充分理由：
物理/业务不可行：如"题目说可充电但物理上无法实现（如太阳能电池）"
数据不支撑：如"题目没给充电时间参数" → ⛔ 这不是跳过升级的合法理由！务必做合理假设（如假设充电瞬时/固定X分钟/等于飞行时间的X%），随后继续建模升级版
超出求解能力：如"完整 Multi-Trip Stochastic OP 是 PSPACE-hard，简化为序贯单趟 OP，误差预计 < 15%"
评审标准考虑：如"简化后仍能回答题目的关键问题，且提升求解效率"
⛔⛔⛔ 尤其警告：以下理由不是跳过升级的合法理由（等同于无声忽略）：
❌ "题目未给 XXX 参数" → 应做合理假设继续建模，不是跳过
❌ "子问题1可简化，留给子问题2/3扩展" → 子问题1也要考虑完整机制
❌ "通过其他方式实现类似效果"（如"多机接力代替充电"）→ 这不等同于题目给定的机制
❌ "避免增加模型复杂度" → 复杂度本身不是跳过的理由
❌ "短续航无人机覆盖有限，就让它覆盖少" → 这恰恰是升级要解决的问题
⛔ 缺参数的无误处理过程：
识别缺失的参数（如充电时间）
做合理假设，假设值基于常识/文献/类似赛题
在假设列表中清晰标明声明"假设 XXX = Y，依据是 Z"
灵敏度分析中扰动该假设参数
用假设值完整建模升级版，而不是跳过全部机制
⛔ 禁止行为：
❌ 无声忽略升级推荐（连"审视"都没做，直接用简单模型）
❌ 不读问题情境解构的 7.2/7.3 节就启动建模
❌ 有异议但不写理由 → 等同于无声忽略
❌ 用"单次XXX作为基线，后续扩展"作为借口跳过升级
❌ 用"题目未给参数"作为借口跳过升级
⛔ 若采用了升级的简化版本（如"简化的 Multi-Trip OP"），务必在模型中不少于保留升级的关键机制：
Multi-Trip → 务必建模"多次访问同一 base 点"
带时间窗 → 务必建模"访问时刻 ∈ [a, b]"
随机/鲁棒 → 务必建模不少于 2 个场景并对比
多阶段 → 务必建模不少于 2 个阶段的转移
不可"简化"为名把升级完全去掉。
⛔ 防错复核（必做）： 查阅 参考资料/error_prevention.md，依据本题涉及的题型（优化/微分方程/统计/评价/图论/几何/动态规划），对照相应章节的"务必做"和"禁止做"条目。在 建模报告.md 末尾写一行：本题涉及题型：[X, Y, Z]，已对照防错手册审查。
各个假设务必有合理性阐明。假设要合理且必要，不做不切真实的简化。
⛔ 假设参数化原则： 关键假设务必在代码层面做成可切换的参数，而不是硬编码到逻辑里。这样发现假设错误时，改一个参数就能修正，不需重写全部求解逻辑。
在 建模报告.md 中，各个假设旁边务必写明：
假设 1: [假设内容]
- 理由: [为什么这样假设，不能留空]
- 参数化: [对应代码中的哪个变量/开关]
- 替代假设: [如果这个假设不成立，替代方案是什么]
示例：
假设 3: 每类设备允许多台并行分担同一工序的工程量
- 理由: 题目说"各类设备须分别完成该工序对应的工程量"，"各类"指设备类型而非单台设备；且问题四增加预算购买设备才有意义
- 参数化: ALLOW_PARALLEL = True（代码中的开关变量）
- 替代假设: 每类设备只用 1 台（ALLOW_PARALLEL = False），但这会导致问题四退化为问题三
⛔ 若某个假设写不出有力的理由，阐明这个假设需再推敲。 回到 问题分析.md 的假设预检结果重新审视。
各个子问题：
方法调研 — 用 WebSearch 搜索"[问题类别] 数学建模 方法"或"[problem type] optimization method"，了解这类问题的主流求解方法。避免只凭训练知识选方法——同一类问题在不同规模下最优方法可能完全不同（如 TSP 小规模用精确求解，大规模用 LKH 启发式）
模型选取与理由 — 为什么选这个模型，与候选模型的优势对比，引用调研到的文献支撑
数学公式推导 — 完整严谨，采用 LaTeX 数学环境（目标函数+约束条件）
求解算法设计 — 伪代码或过程描述
方法选取参考 参考资料/methods_table.md。
保证全部公式中的符号都有定义：
| 符号 | 含义 | 单位 | 取值界限 | 首次出现 |
|------|------|------|----------|----------|
模型检验：回代检验、交叉校验、残差分析
灵敏度分析：关键参数的变化界限和影响
鲁棒性检验：数据扰动下的稳定性
关键原则：物理约束 > 数据忠实度 > 计算正确性
编码阶段是纯实施者，遇到"结果不对"仅可按建模阶段的预案操作，严禁自行发明修正方法。由此建模阶段务必把全部决策做完。
实施环节：
对照防错手册复核模型：重新查阅 参考资料/error_prevention.md 中本题相应题型的"务必做"和"禁止做"条目，逐条确认模型是否满足。不满足的当场调整模型。
交付建模报告的 5 项必备内容（在 建模报告.md 末尾，computational-realization 务必对照实施）：
① 结果约束清单（硬边界，超出即判定代码有误）：
## 结果约束清单
- [变量名] ∈ [下界, 上界]，物理含义：[为什么是这个范围]
- [变量名] 的符号/方向约束：[说明]
- [守恒量]：[应满足的恒等式或误差上限]
② 预期行为描述（定性描述合理结果的"形状"）：
## 预期行为
- 时间尺度：系统应在 [X] 时间内达到 [什么状态]
- 稳态特征：[哪些量] 应趋于常数/周期/衰减
- 瞬态特征：[初始阶段应该看到什么现象]
- 单调性/对称性：[哪些量应该单调递增/对称/...]
③ 异常处理预案（每种异常只给一种修正方法，不留选取空间）：
## 异常处理预案
若出现 [具体异常描述]：
→ 原因判断：[最可能的原因]
→ 唯一修正方法：[具体步骤]
→ 禁止：[不允许的替代方案]
④ 方法唯一性声明（各个计算环节指定唯一方法，涵盖预处理/后处理/插值/滤波）：
## 方法指定
步骤 N：[做什么]
方法：[唯一指定的方法名 + 关键参数]
输入：[从哪来]
输出：[到哪去]
禁止替代：[不允许用的方法，以及为什么不用]
⑤ 验证检查点（编码阶段务必实施的 pass/fail checklist）：
## 验证检查点
□ [检查项]：[判定条件]，若 fail → [跳转到哪个异常预案]
□ [检查项]：[判定条件]，若 fail → [跳转到哪个异常预案]
□ 最终：所有输出量均在约束清单范围内
⑥ 优化结果结构性校验输入（优化类子问题务必给出，编码阶段的 structural_validation() 依赖这些信息）：
## 结构性验证输入（供 computational-realization 层级 5 使用）
### 约束活跃性预期
- [约束名1]：预期活跃/不活跃，理由：[为什么这个约束应该/不应该取等号]
- [约束名2]：预期活跃/不活跃，理由：[...]
- 如果所有约束都不活跃 → 说明 [什么情况]，需要 [什么操作]
### 决策变量合理范围与预期行为
| 变量 | 物理含义 | bounds | 预期取值区间 | 若取到边界说明什么 |
|------|---------|--------|-------------|------------------|
| x_1 | [含义] | [lb, ub] | [预期在哪个子区间] | [取到上界=资源耗尽/取到下界=该资源无用] |
### 灵敏度方向表
| 决策变量 | 增大时目标函数方向 | 预期灵敏度量级 | 若方向相反说明什么 |
|----------|-------------------|---------------|------------------|
| x_1 | ↓（减小=更优） | 高（主导项） | 目标函数符号写反了 |
### 稳定性预期
- 问题是凸的/非凸的？
- 预期有几个局部最优？（1个=结果应完全稳定；多个=允许 CV<5%）
- 可接受的变异系数阈值：[X]%
### 资源利用率预期
- [资源1]：预期利用率 [X%-Y%]，若为 0 说明 [什么问题]
- [资源2]：预期利用率 [X%-Y%]，若为 0 说明 [什么问题]
⛔⛔⛔ 建模阶段强制修复原则（不可跳过）：
复核中发现任何问题，务必当场修复模型再继续，不可留给 computational-realization 阶段：
模型缺少约束 → 立即补充约束条件
开环积分可能漂移 → 立即加入反馈/阻尼/去漂移机制
守恒律不满足 → 立即补充遗漏项
极端输入导致发散 → 立即加入饱和/截断/正则化
⛔ 禁止的做法：
❌ 发现问题但写"留给 computational-realization 阶段处理"
❌ 在预期界限表里写了修正方案但不调整模型本身
❌ 只在文字中提到"需注意XXX"但模型公式没变
⛔ 检测到问题 = 务必修复。解释缘由 ≠ 处理完毕。当前环节不准许带着已知问题交付 建模报告.md。
留存到 建模报告.md：模型假设、符号阐明、各个子问题的模型/公式/算法、检验方案、灵敏度分析方案、计算实验实现要点。
⛔ 务必将 问题分析.md 中的图形与表格预规划带入 建模报告.md。 在报告末尾附上图形与表格预规划章节（从 问题分析.md 复制或更新），保证 evidence-visualization 能读到完整的图形与表格清单。若建模过程中发现需额外的图形与表格（如灵敏度分析曲线、模型对比热力图），在此处补充。
⛔ MANDATORY: 交付前自检（写完 建模报告.md 后务必按项核验）：
echo "=== 建模报告自检 ==="
[ -f 建模报告.md ] || { echo "❌ 建模报告.md 不存在！"; exit 1; }
# 1. 子问题覆盖度
PROB_COUNT=$(grep -c '问题[一二三四五六七八九十0-9]' 问题分析.md 2>/dev/null || echo 0)
MODEL_SECTIONS=$(grep -c '## .*问题[一二三四五六七八九十0-9]\|## .*Problem' 建模报告.md 2>/dev/null || echo 0)
echo "赛题子问题数: $PROB_COUNT, 建模报告覆盖: $MODEL_SECTIONS"
[ "$MODEL_SECTIONS" -lt "$PROB_COUNT" ] && echo "❌ 有子问题未建模！"
# 2. 每个子问题是否有目标函数或模型公式
OBJ_COUNT=$(grep -c '目标函数\|min\|max\|最小化\|最大化\|objective\|模型公式\|数学模型' 建模报告.md 2>/dev/null || echo 0)
echo "目标函数/模型公式出现次数: $OBJ_COUNT"
[ "$OBJ_COUNT" -eq 0 ] && echo "❌ 未找到任何目标函数或模型公式！"
# 3. 约束条件（优化类必须有）
CONSTRAINT_COUNT=$(grep -c '约束\|s\.t\.\|subject to\|限制条件\|≤\|≥' 建模报告.md 2>/dev/null || echo 0)
echo "约束条件出现次数: $CONSTRAINT_COUNT"
# 4. 符号说明表是否存在
grep -q '符号.*说明\|符号.*含义\|Symbol.*Description' 建模报告.md && echo "✅ 符号说明表存在" || echo "❌ 缺少符号说明表"
# 5. 灵敏度分析方案是否存在
grep -qi '灵敏度\|sensitivity\|鲁棒性\|robustness\|稳健性' 建模报告.md && echo "✅ 灵敏度/鲁棒性分析方案存在" || echo "⚠ 缺少灵敏度分析方案（评审加分项）"
# 6. 图表预规划是否带入
grep -qi '图表预规划\|fig_\|TABLE_\|DrawIO' 建模报告.md && echo "✅ 图表预规划已带入" || echo "❌ 缺少图表预规划（evidence-visualization 步骤需要）"
# 7. 计算实验实现要点是否存在
grep -qi '编程\|实现要点\|Python\|算法步骤\|伪代码' 建模报告.md && echo "✅ 计算实验实现要点存在" || echo "⚠ 缺少计算实验实现要点（computational-realization 步骤需要）"
# 8. 问题递进性检查（最关键）
echo ""
echo "=== 问题递进性检查 ==="
echo "⛔ 人工审查：在你的模型下，每个问题的结果是否比前一个有明显变化？"
echo " 如果某个后续问题的结果和前一个几乎相同，说明模型假设可能有问题。"
echo " 特别检查：新增的变量/资源/约束是否对目标函数有边际效益？"
echo " 如果没有 → 回到 问题分析.md 的假设预检重新审视。"
# 9. 假设参数化检查
PARAM_COUNT=$(grep -c '参数化:\|ALLOW_\|ENABLE_\|USE_\|开关变量' 建模报告.md 2>/dev/null || echo 0)
echo "假设参数化标记数: $PARAM_COUNT"
[ "$PARAM_COUNT" -eq 0 ] && echo "⚠ 未找到假设参数化标记——关键假设应该在代码中做成可切换参数"
若有 ❌ 项，务必补充后再结束当前环节。⚠ 项推荐补充但不强制。
公式务必严谨：各个变量定义，各个等式有推导依据
⛔ Markdown 中的 LaTeX 公式格式标准（保证前端能无误渲染）：
块级公式：$$ 务必独立占一行，前后各空一行
行内公式：用 $...$，内部避免用 _ 做下标时与 markdown 斜体冲突，复杂公式用块级
\begin{aligned} 等多行环境必须放在 $$...$$ 块级公式中，不要放在行内 $...$ 中
避免在公式中使用 \text{} 包裹中文（KaTeX 对中文支持有限），中文说明放在公式外面
模型假设是评审重点：合理、必要、有说服力
符号阐明表务必完整
灵敏度分析不可省（评审加分项）
计算实验实现要点要具体：算法、库、输入交付格式
⛔ 主交付文件：建模报告.md。避免在根目录写额外报告
⛔ 当前环节只交付 建模报告.md，避免写 Python/MATLAB 代码文件。 代码实现是下一步 computational-realization 的工作项。当前环节只需在报告中描述算法伪代码、求解思路、计算实验实现要点即可。若需校验某个公式或做简单计算，可用 Bash 内联 Python 一次性脚本，但避免建立 程序/*.py 文件
⛔ 分段写入：每一次 Bash heredoc < 150 行。 建模报告.md 一般情况下很长，务必分 3-4 段追加写入（cat << 'EOF' >> 建模报告.md），避免一次性写完整个文件
详细条目见 参考资料/error_prevention.md，以下为最高优先级的两条硬性禁止：
禁止未声明的几何/物理简化 — 务必用实体完整几何作为约束判据，禁止降维简化（矩形→线段、实体→质心点）。若确需简化务必明示声明适用条件和误差上界。
禁止约束遗漏 — 题目中各个"不超过/不少于/务必满足"都务必相应一个数学约束表达式。物理接触约束（不可穿透/重叠/超出边界）务必明示建模为不等式约束。
Meta-model-agent 致力于辅助研究者与参赛团队完成高质量数学建模研究和论文产出，提供从问题理解、模型构建、计算实验、证据可视化到论文写作、冠军级多轮审稿与提交验收的完整工程支持。适用于 CUMCM、51MCM、MCM/ICM 及同类数模研究任务，可用于启动或恢复项目、按证据门禁推进、修复薄弱环节并形成可复现、可验证、可提交的高质量数模论文。
Meta-model-agent 将计算成果转换为可发表的数据图形、表格和排版引用。适用于证据图谱构建。
Meta-model-agent 将数学机制落地为可运行程序、数值实验、结果合同与可复核证据。适用于计算实验实现。
Meta-model-agent 完成编译、版式、匿名、页数、引用与提交前合规验收。适用于提交质量验收。
Meta-model-agent 整合模型、程序、结果、图形与引用为完整中文竞赛文稿。适用于竞赛文稿集成。
Meta-model-agent 将竞赛题面转换为子问题、变量、约束、证据和后续工作契约。适用于问题情境解构与建模前置分析。