math-modeling

name	math-modeling
description	数学建模全流程：人机协作完成问题分析→算法求解→论文生成。含AI协作心法、分步工作流、标准算法库、论文生成框架。
model	opus
when	用户需要完成数学建模竞赛题目的建模、求解和论文撰写

🏆 数学建模全流程 Skill

这是什么

一个完整的人机协作方法论 + 工具链，覆盖数学建模竞赛全流程：

问题理解 → 头脑风暴 → 制定计划 → 资源调查
→ 实现求解 → 简化优化 → 验证确认 → 论文生成 → 自评验收

不是上来就写代码。先想清楚、再计划、再执行、再验证。

---

工作流程

Phase 0: 问题理解

理解题目类型、规模、约束。确保人有数、AI 没跑偏。

Phase 1: 头脑风暴 (Brainstorming)

AI 给出 2-3 种技术路线。不写代码，只聊天。 参考：methodology/分步工作流.md Phase 1

Phase 2: 制定计划 (Plan)

选方向 → 出详细计划 → 你来审核。 计划包含：做什么、涉及文件、实现步骤、验证方法。 参考：methodology/算法选型指南.md

Phase 3: 资源调查

检查已有 skill / 已有代码，不造轮子。

Phase 4: 实现求解

按 examples/ 模板写代码，分步跑通，结果存 results/。 参考：examples/main.py

Phase 5: 简化优化 (Simplify)

从复用、简化、效率、深度 4 个维度审查代码。 参考：methodology/AI协作心法.md — 最小更改检查

Phase 6: 验证确认 (Verify)

跑真场景，看实际输出，不只看代码。 参考：methodology/AI协作心法.md — 验证闭环

Phase 7: 论文生成

配置 PaperConfig → 注入 results.json → 生成 .docx。 参考：src/math_modeling/paper_generator.py

Phase 8: 自评验收

对照 methodology/写作心法.md 逐项检查。安全扫描。

---

方法论文档

文档	内容
methodology/AI协作心法.md	人与AI配合的哲学：沟通规则、安全边界、自检机制、Karpathy原则
methodology/分步工作流.md	8阶段详细流程：每步谁做什么、输入输出、关键点
methodology/写作心法.md	论文写作规范：标题规则、摘要总分总、模型格式、13节结构
methodology/算法选型指南.md	算法选择决策树、参数设定参考

代码工具

模块	作用
examples/	示例代码（纯随机数据，与任何竞赛无关）
src/math_modeling/	论文生成框架（pip install 后可导入）
pyproject.toml	pip 安装配置

快速使用

# 1. 安装
pip install -r requirements.txt

# 2. 跑示例（纯随机数据，仅演示框架）
cd examples && python main.py

# 3. 生成示例论文（自动填入结果）
python ../src/math_modeling/paper_generator.py

核心原则（来自 AI 协作心法）

1. 先计划再动手 — 不盲目编码
2. 验证才算完 — 跑通才是证据
3. 最小更改 — 只改需要改的
4. 安全红线 — 敏感信息不泄露
5. 双向反驳 — AI 和人都可以说"不对"
6. 自评闭环 — 每个阶段自我检查

详情见 methodology/AI协作心法.md。