Menu
按常见评分点生成建模论文结构与写作清单，并根据题目类型与数据条件给出模型选择与对照实验路线。Invoke when需要“论文格式/评分对齐/模型选型/路线不确定”。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
自动定位并获取权威公开数据（优先API/官方批量下载），输出可复现抓取与清洗方案。Invoke when用户需要权威数据、官方统计、API下载或数据源爬取。
Manages persistent memory. Invoke to read active context or archive old tasks. Structure: Long-term Principles (Rules) + Short-term Workbench (Tasks).
自动清洗赛题或爬取的数据（处理缺失/异常/格式），并生成可视化图表。Invoke when 用户需要处理原始数据、清洗数据或生成数据分析图表。
基于微单元模板与脚本批量生成并合并论文内容。Invoke when需要按微单元拆分逐单元写作并用 scripts/generate_all_offline.py 与 scripts/merge.py 自动生成论文。
串联赛题解析、数据计算与微单元脚本，一键从赛题文件夹到完整论文。Invoke when用户已放好赛题与附件，希望自动跑完全流程。
解析赛题PDF/Word，抽取任务与数据条件并给出模型选型与验证路线。Invoke when用户提供赛题文档或题目文本，需要确定采用何模型/方法。
| name | modeling-paper-rubric-and-model-selector |
| description | 按常见评分点生成建模论文结构与写作清单，并根据题目类型与数据条件给出模型选择与对照实验路线。Invoke when需要“论文格式/评分对齐/模型选型/路线不确定”。 |
把“能拿分”的写作结构与“贴题可落地”的模型选型融合成一套可复用流程，输出：
支持把你预先准备的论文结构提示词文件（或文本）附加到本技能中，用于生成与评估。
references/model_library.md：数学建模方法库。遇到模型选型、基线/改进路线、验证指标设计时必须优先读取。references/model_rules.json：结构化模型规则。需要脚本化推荐或自动路由时读取。references/experiment_templates.json：实验模板目录。需要生成可运行代码模板时读取。references/agent_roles.md：多 Agent 协作角色。遇到完整论文生产、需要拆分职责或组织并行任务时读取。references/paper_prompt_default.md：默认论文结构提示词。生成论文大纲或评分点对齐时读取。scripts/recommend_models.py：根据题面关键词生成 paper_output/plan/model_recommendations.md/json，适合在题意解析后快速产出模型候选。scripts/generate_experiment_templates.py：根据模型推荐生成预测、TOPSIS、优化、聚类、敏感性、蒙特卡洛等实验模板到 paper_output/experiments/。scripts/recommend_models.py，再运行 scripts/generate_experiment_templates.py。paper_output/experiments/。SKILL.md：技能定义与用法说明references/：可复用的参考材料与提示词资源（默认模板、评分点清单等）paper_prompt_pathpaper_prompt_textpaper_prompt_path；若两者都没有，则使用默认提示词文件。paper_prompt_path: c:\Users\xiaoy\Desktop\trae\数学建模\paper_output\plan\paper_prompt.mdpaper_prompt_text: <把你的论文结构提示词全文粘贴在这里>在生成 A/B/C/D 任一产出前，建议读取 references/paper_prompt_default.md 作为“结构参考”：
然后把 PAPER_PROMPT 作为强约束与写作风格来源，融入到：
不提供 paper_prompt_path / paper_prompt_text 时，本技能维持原有默认行为正常输出。
memoryskill.md 中的 External Resources / Literature，若存在相关文献，必须将其融入“参考文献”章节及“模型建立”部分的背景综述中。memoryskill.md。必须包含并按题目调整比重：
输出一张表：评分点 → 你提供的证据 → 论文位置（章节/图表/表格/实验）。 常见评分点映射（按比赛可增删）：
对每一问输出：
若路线不明显或题目同时包含多类任务，先读取 references/model_library.md，再按本节给出简版输出。
适用：给定历史，预测未来或估计参数。
适用：判定类别、风险等级、是否发生。
适用：多指标打分、排序、择优。
适用：资源分配、成本最小/收益最大、满足约束。
适用：无标签分组、模式发现。
适用：强调机制解释、情景推演。
当未提供 paper_prompt_path / paper_prompt_text 时，默认从以下文件读取论文结构提示词：
references/paper_prompt_default.mdproblem_files/，补充数据放在 crawled_data/。paper_output/plan/，供后续生成正文时引用。paper_prompts/... 仅为历史路径示例；当前项目推荐把自定义提示词文件也归档到 paper_output/plan/，或直接使用本技能自带的 references/paper_prompt_default.md。problem-doc-model-selector（更细的逐问解析）或 paper-workflow-orchestrator（一键跑到论文草稿）。context-memory-keeper，将“论文大纲结构”、“核心评分点”更新到 memoryskill.md。data-cleaning-and-visualization 产出 paper_output/figures/，否则该评分点缺证据。problem-doc-model-selector 做逐问解析，或直接进入 paper-workflow-orchestrator 一键生成。