| name | literature_evidence_modeling_skill |
| description | 中英文文献支持的数学建模思路生成 Skill。用于在用户给出数学建模题目、赛题背景、数据字段、问题列表或已有建模思路时，先复用原数学建模 skills 的题目拆解和多路线评分流程，再生成中英文文献检索策略、整理文献证据，并输出可写入论文“文献综述、模型依据、方法选择、创新点说明”的主路线、备选路线与融合路线证据报告。 |
中英文文献支持的数学建模思路生成 Skill
一、定位
本 Skill 是原数学建模 skills 的“文献证据增强层”，不替代 SKILL.md、core/00_model_router.md、core/01_task_decomposition.md 和 skills/00_strategy/model_route_scoring.md。
当用户输入数学建模题目、赛题背景、数据字段、问题列表或已有建模思路时，本 Skill 用于：
- 复用原有流程识别研究对象、建模目标、子问题和模型路线。
- 为每个子问题生成中文和英文文献检索策略。
- 在可联网检索或用户提供文献时整理真实文献证据。
- 无法确认真实存在的文献必须标记为
待核验。
- 将文献证据嵌入主路线、备选路线、融合路线和附录路线。
- 输出可直接写入论文“文献综述、模型依据、方法选择、创新点说明”的材料。
二、触发条件
用户提出以下需求时启用：
- 给这个建模题找中文和英文文献。
- 帮我用文献支撑建模思路。
- 给出带文献依据的主路线、备选路线和融合路线方案。
- 帮我写文献综述、模型依据或方法选择理由。
- 审查已有方案有没有文献支撑。
- 将题目、数据字段或问题列表转化为文献检索关键词。
三、总流程
- 先按原数学建模 skills 做题目理解：研究对象、目标、约束、数据、输出。
- 按问题一、问题二、问题三拆解：目标、数据需求、推荐模型、验证方式。
- 为每个子问题生成中文检索方向和英文检索方向。
- 若当前环境允许联网且用户请求查找或核验文献，使用可用搜索工具检索；若不能访问数据库，只输出检索式和待核验清单。
- 将文献分为背景类、指标构建类、模型方法类、创新拓展类。
- 输出主路线、备选路线、融合路线和附录路线的文献依据，并说明文献如何支撑路线评分。
- 输出“文献—模型—赛题作用”映射表。
- 给出论文写作句式和最终推荐。
四、中文文献检索
优先来源：
- 中国知网 CNKI。
- 万方。
- 维普。
- 国家哲学社会科学文献中心。
- 百度学术。
- 高校学报。
- 国家统计局、行业白皮书、政府报告。
- 中文核心、CSSCI、北大核心相关论文。
中文关键词应包含：
- 题目核心对象。
- 研究问题关键词。
- 模型方法关键词。
- 应用场景关键词。
- 评价指标关键词。
- 政策或现实背景关键词。
中文检索方案输出表：
| 检索方向 | 中文关键词 | 推荐数据库 | 目标文献类型 | 预期用途 |
|---|
| 背景意义 | | CNKI、万方、政府报告、白皮书 | 政策报告、行业报告、综述论文 | 支撑引言和现实意义 |
| 指标构建 | | CNKI、万方、维普 | 中文建模论文、应用统计论文 | 支撑指标体系和变量构造 |
| 预测模型 | | CNKI、百度学术、高校学报 | 应用研究论文 | 支撑预测模型选择 |
| 优化决策 | | CNKI、万方 | 运筹优化论文 | 支撑目标函数和约束设计 |
| 分类识别 | | CNKI、万方 | 医学、工程、风险识别论文 | 支撑分类模型和阈值规则 |
| 稳健性检验 | | CNKI、统计类期刊 | 统计方法论文、应用论文 | 支撑敏感性和鲁棒性分析 |
五、英文文献检索
优先来源：
- Google Scholar。
- Semantic Scholar。
- Crossref。
- OpenAlex。
- arXiv。
- SSRN。
- PubMed，若涉及医学健康。
- IEEE Xplore，若涉及工程技术。
- ScienceDirect、Springer、Wiley、Taylor & Francis，若可访问。
- World Bank、OECD、WHO、UN、IPCC、FAO 等国际组织报告，若与题目相关。
英文关键词应自动组合：
- problem domain。
- mathematical modeling。
- statistical modeling。
- machine learning。
- causal inference。
- optimization。
- evaluation metrics。
- policy intervention。
- decision support。
- risk assessment、forecasting、classification、clustering，按题目类型选择。
英文检索方案输出表：
| Search Direction | English Keywords | Recommended Sources | Target Literature | Expected Use |
|---|
| Background | | Google Scholar, official reports | Review papers, policy reports | Support introduction |
| Index construction | composite index, entropy weight, TOPSIS, multi-criteria decision making | Google Scholar, Crossref, OpenAlex | Decision science papers | Support indicator system |
| Prediction | random forest, XGBoost, time-series forecasting, ensemble learning | Semantic Scholar, arXiv, IEEE Xplore | ML / forecasting papers | Support predictive model |
| Causal explanation | causal inference, treatment effect, difference-in-differences, propensity score | Google Scholar, SSRN | Econometrics / policy papers | Support mechanism or effect identification |
| Optimization | multi-objective optimization, robust optimization, NSGA-II | Google Scholar, ScienceDirect | Operations research papers | Support decision model |
| Classification | risk assessment, classification, explainable machine learning, SHAP | PubMed, IEEE Xplore, Semantic Scholar | Medical / ML papers | Support risk screening |
六、文献筛选与核验
优先选择：
- 近五年文献。
- 高被引经典文献。
- 与题目场景高度相关的应用论文。
- 可解释模型与竞赛常用方法论文。
- 与创新模型相关的前沿论文。
- 权威机构报告。
- 中文核心、CSSCI、北大核心、高质量硕博论文。
- 英文期刊、会议或预印本中与模型方法直接相关的论文。
排除或谨慎使用：
- 来源不明的博客。
- 无作者、无年份、无出处材料。
- 低质量营销号文章。
- 与题目只有关键词相似但问题不相同的论文。
- 只讲算法、不适合赛题场景的论文。
- 无法支持建模选择的泛泛文献。
核验规则：
- 不得伪造文献。
- 只有在题名、作者、年份、来源可确认时，才标记为
已核验。
- 只知道可能存在或由模型推测出的文献，必须标记为
待核验。
- 文献只支持背景时，不能强行说它支持模型。
- 文献支持相近问题时，要说明迁移使用的合理性和限制。
七、文献分类整理
1. 背景类文献
字段：
| 作者 | 年份 | 题名 | 来源 | 研究对象 | 主要结论 | 对本题的作用 | 核验状态 |
|---|
2. 指标构建类文献
字段：
| 作者 | 年份 | 指标方法 | 是否适合本题 | 可借鉴变量 | 可借鉴权重方法 | 局限 | 核验状态 |
|---|
3. 模型方法类文献
字段：
| 作者 | 年份 | 方法 | 适用问题 | 对应子问题 | 为什么适合 | 局限 | 可替代模型 | 核验状态 |
|---|
4. 创新拓展类文献
可包括因果推断、异质性分析、CATE、uplift modeling、图神经网络、贝叶斯模型、集成学习、可解释机器学习、多目标优化、鲁棒优化、空间计量、复杂网络、系统动力学、Agent-based modeling、多源数据融合、反事实模拟、政策仿真、数字孪生、大语言模型辅助知识抽取。
字段：
| 作者 | 年份 | 创新方向 | 方法或视角 | 对主路线的增强 | 数据要求 | 风险 | 降级方案 | 核验状态 |
|---|
八、建模方案整合
1. 推荐主路线建模思路
特点：
- 方法成熟。
- 易解释。
- 论文好写。
- 实现难度适中。
- 适合多数数学建模竞赛。
- 不追求过度复杂。
输出结构：
- 题目理解。
- 子问题拆解。
- 文献依据。
- 指标体系。
- 模型选择。
- 模型公式或算法流程。
- 结果解释方式。
- 稳健性检验。
- 论文写作亮点。
- 可能风险。
2. 创新、备选与融合路线建模思路
特点：
- 在推荐主路线基础上增加创新。
- 创新必须有文献依据。
- 创新必须可落地。
- 不为了创新而堆模型。
- 必须说明实现难度、竞赛呈现方式、可能加分点、翻车点和降级方案。
优先创新方向：
- 指标创新：综合风险指数、韧性指数、脆弱性指数、压力指数、协调指数。
- 模型创新：传统模型加机器学习、因果推断、优化模型融合。
- 机制创新：不仅预测结果，还解释机制。
- 异质性创新：分群体、分地区、分阶段、分情景估计。
- 决策创新：政策模拟、资源配置、干预优先级。
- 可解释性创新：SHAP、PDP、ICE、特征贡献分解、敏感性分析。
- 稳健性创新：多模型对照、替代指标、Bootstrap、不确定性区间。
- 可视化创新：决策地图、风险热力图、路径图、因果图、模型流程图。
- 论文叙事创新：识别、解释、预测、优化、治理转化闭环。
九、文献引用写法
中文论文写作句式
已有研究多从……角度刻画……，常用方法包括……。
其中，……文献采用……方法构建指标体系，……文献进一步引入……模型进行预测或分类。
结合本题数据结构与研究目标，本文在上述研究基础上，将……作为核心指标，并采用……模型完成……任务。
英文文献支持句式
International studies on this topic commonly employ composite index construction,
machine learning prediction, and multi-criteria decision-making methods.
Following this literature, this study combines interpretable statistical modeling
with data-driven prediction and scenario-based optimization,
thereby linking empirical evidence with practical decision support.
十、标准输出模板
每次处理用户题目时，按以下结构输出：
# 题目文献增强建模报告
### 1. 题目核心理解
### 2. 可建模子问题拆解
| 子问题 | 目标 | 数据需求 | 推荐模型 | 文献支撑方向 |
|---|---|---|---|---|
### 3. 中文文献检索方案
| 检索方向 | 中文关键词 | 推荐数据库 | 预期用途 |
|---|---|---|---|
### 4. 英文文献检索方案
| Search Direction | English Keywords | Recommended Sources | Expected Use |
|---|---|---|---|
### 5. 已找到 / 待核验文献清单
| 文献 | 语言 | 类型 | 主要内容 | 对本题作用 | 核验状态 |
|---|---|---|---|---|---|
### 6. 推荐主路线建模思路
### 6.1 总体路线
### 6.2 子问题模型选择
### 6.3 文献依据
### 6.4 论文写法
### 6.5 风险点
### 7. 备选、融合与创新路线建模思路
### 7.1 总体路线
### 7.2 创新点
### 7.3 文献依据
### 7.4 为什么可能更容易冲奖
### 7.5 实现难度与降级方案
### 8. 文献—模型—赛题作用映射表
| 文献 | 类型 | 支持的建模环节 | 可借鉴内容 | 放在论文哪里 |
|---|---|---|---|---|
### 9. 最终推荐
1. 这个题目最推荐用哪套方案。
2. 哪些模型必须做。
3. 哪些模型可以作为加分项。
4. 哪些创新点不要乱用。
5. 论文中如何自然嵌入文献。
十一、质量控制
必须遵守：
- 不得编造文献。
- 无法确认的文献必须标记
待核验。
- 不得只给一堆文献，必须说明每篇文献如何支撑建模。
- 不得只讲模型，必须说明文献依据。
- 不得只追求复杂模型，必须保留可解释、可复现的主路线。
- 创新、备选或融合路线必须有降级方案。
- 如果题目数据不足以支撑某个高级模型，必须指出。
- 如果文献只支持背景，不能强行说它支持模型。
- 如果文献支持相近问题，必须说明迁移使用的合理性和限制。
- 最终方案必须服务竞赛论文，而不是单纯做学术综述。
十二、安全边界
- 本 Skill 不保存 API key。
- 本 Skill 不添加自动联网、自动下载或自动执行 shell 的逻辑。
- 检索动作只由当前可用工具和用户请求触发。
- 访问不到 CNKI、万方、Google Scholar 等数据库时，输出检索式和
待核验 文献清单，不编造结果。
- 引用文献时避免大段复制原文，只做摘要、转述和建模映射。
十三、证据强度与模型反馈
文献检索完成后，必须判断文献对模型的支撑强度，并用文献结果反向修正建模方案。
13.1 证据强度
| 证据等级 | 标准 | 可用于 |
|---|
| 强 | 同领域、同问题、同数据结构、同类方法 | 支撑推荐主路线 |
| 中 | 同领域或同问题，但数据或方法略有差异 | 支撑模型迁移和备选模型 |
| 弱 | 不同领域但方法相同 | 支撑方法可行性，不能支撑场景结论 |
| 背景 | 只提供现实意义或政策背景 | 引言和问题背景 |
| 待核验 | 无法确认真实存在 | 只能作为检索线索，不能正式引用 |
13.2 文献反哺规则
| 文献发现 | 建模处理 |
|---|
| 文献普遍采用成熟评价或预测模型 | 推荐主路线优先采用同类成熟模型 |
| 文献出现前沿方法但样本量要求高 | 创新或备选路线列为增强模块，并给降级方案 |
| 文献强调异质性或空间差异 | 加入分组、分区域或空间分析 |
| 文献强调政策干预 | 先检查是否满足因果识别条件，不满足则只做政策情景模拟 |
| 文献只支持背景 | 不得写成模型依据 |
| 文献与本题只是相近领域 | 必须说明迁移合理性和限制 |
十四、与总控 Skill 的衔接
本 Skill 输出后，必须回到总控建模方案中完成三件事：
- 修改主路线：把强证据和中证据支持的成熟模型放入主线。
- 修改备选、融合或创新路线：把有文献依据且数据可支撑的创新点放入增强模块。
- 删除伪创新：如果文献弱、数据不支撑或无法验证，则降级为讨论或不使用。
十五、核验状态标注
每篇文献必须标注：
| 状态 | 含义 |
|---|
| 已核验 | 能确认作者、年份、题名、来源，且内容与用途匹配 |
| 部分核验 | 能确认文献存在，但暂未确认全文细节 |
| 待核验 | 当前无法确认真实存在或来源不完整 |
| 不采用 | 真实存在但与本题或模型关系弱 |
十六、输出升级要求
如果用户给出的是完整赛题，文献增强输出不应只给检索词，而应至少包含：
- 每一问对应的文献支撑方向。
- 推荐主路线需要的核心文献类型。
- 创新、备选与融合路线需要的核心文献类型。
- 文献—模型—赛题作用映射表。
- 哪些文献只能写背景，哪些可以写模型依据。
- 哪些文献必须由人工去 CNKI、万方、Google Scholar 或 DOI 页面核验。
十七、来源核验与反幻觉协议
本节采用来源核验协议，用于防止文献幻觉和“引用装饰”。
1. 文献核验层级
| 层级 | 状态 | 判定标准 | 使用限制 |
|---|
| Tier 0 | 数据库核验 | DOI、Crossref、Semantic Scholar、OpenAlex、期刊官网或数据库页面可核验 | 可进入正式参考文献 |
| Tier 1 | 人工可追溯核验 | 作者、年份、题名、来源均可检索，但 DOI 暂缺 | 可谨慎引用 |
| Tier 2 | 相近证据 | 文献真实，但只支持相近场景或相近方法 | 只能写“借鉴” |
| Tier 3 | 待核验 | 无法确认作者、题名、年份或来源 | 只能列为检索线索，不能正式引用 |
2. 声明—证据绑定
所有文献都必须绑定到具体建模环节：背景意义、指标构造、模型选择、参数设定、验证方法、创新增强、政策或策略解释。
3. 禁止事项
- 不得凭记忆补全 DOI、卷期、页码。
- 不得把题名相似文献当成同领域强证据。
- 不得把综述性背景文献写成模型有效性证明。
- 不得把待核验文献放入正式参考文献。
