Skip to main content Skills Marketplace Discover and explore AI skills built by the community.
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.
Show prompt details A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/yushui2022/MathModel-Skill --skill paper-workflow-orchestratorThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
Download Zip Downloading... More from this repository
Related occupations SOC
Based on SOC occupation classification
name paper-workflow-orchestrator description MathModel Skill 总入口。触发词：数学建模、生成论文、分析赛题、CUMCM、MathorCup、华数杯、美赛、ICM、MathModel。任何数学建模任务先读本 skill 再路由子 skill。
论文生成全流程编排器
全局流程协作约束（长对话防漂移）
本 skill 不得作为孤立入口。用户要求完整论文、生成 Word、继续流程或不确定阶段时，先回到 paper-workflow-orchestrator 判断当前 S0-S8 阶段。
启动或继续本 skill 的正式任务前，必须运行：
python .trae/skills/paper-workflow-orchestrator/scripts/workflow_guard.py --skill paper-workflow-orchestrator
如果输出 [WORKFLOW FAIL] 或报告 status != "PASS"，停止本 skill，按 paper_output/qa/workflow_guard_report.json 的失败项回补前置阶段，不得凭记忆继续。
本 skill 只写入自己契约范围内的 paper_output/ 产物；完成后必须回到 paper-workflow-orchestrator 判断下一步，并用 context-memory-keeper 记录已完成产物、阻塞项和下一步。
长对话中如果上下文变长、阶段不确定或用户分开调用 skill，先运行：
python .trae/skills/paper-workflow-orchestrator/scripts/workflow_guard.py --status
paper_output/qa/workflow_guard_report.json、paper_output/preflight_report.json、paper_output/input_manifest.json、paper_output/results/run_manifest.json 和本 skill 的上游 JSON 契约，按报告里的 recommended_skill 与 next_action 继续。
继续流程前，必须把 paper_output/context/workflow_memory.json 视为长期断点记录；若其中的 current_step、next_step、recommended_skill 与 workflow_guard.py --status 不一致，以 guard 报告为准。
每次完成本 skill 的产物后，先回到 paper-workflow-orchestrator 或运行 workflow_guard.py --status，再更新 workflow memory：
python .trae/skills/context-memory-keeper/scripts/update_workflow_memory.py
paper_output/context/workflow_memory.json
.md
启动门（必须第一步执行） 进入任何后续步骤之前，必须 用 Bash 运行预检脚本：
python .trae/skills/paper-workflow-orchestrator/scripts/preflight_check.py
读取退出码、paper_output/preflight_report.json 和 paper_output/input_manifest.json：
退出码非 0 或 status != "PASS" → 立刻停止生成任何内容 。把报告中的 errors 原文反问用户，等用户修复 problem_files/ 后重新运行预检；
不允许跳过预检；不允许"先凑合写一稿"；不允许凭印象判断附件状态；
预检通过后，input_manifest.json 会固定记录每个附件的角色、字节数和 SHA-256；后续 skill 必须读取该 manifest，不得重新凭文件名猜附件用途，也不得在附件变化后继续使用旧的清洗、建模或门禁报告。
预检通过后，按下方阶段路由表逐步推进。
状态门（每阶段开始前执行） 正式流程进入 S1-S8 任一阶段前，必须用 workflow_guard.py 检查截至当前阶段的产物状态。例如进入数据阶段前检查到 S2：
python .trae/skills/paper-workflow-orchestrator/scripts/workflow_guard.py --step S2
脚本会写入 paper_output/qa/workflow_guard_report.json。若退出码非 0 或 status != "PASS"，必须按报告失败项补齐上一阶段产物，不得跳步。
Quickstart 用途说明 scripts/quickstart_run.py 仅用于安装验证。它产出的占位草稿写入 paper_output/quickstart/，并写入名为 quickstart_draft.docx 的草稿文件，不会 通过证据门禁，不得对外宣称为最终稿。
正式赛题任务禁止调用 quickstart。若用户说"先快速看个样子"，先反问："你需要正式稿还是只验证安装？" 不要默认走 quickstart。
scripts/run_all.py 是已废弃命令的兼容提示，仅用于保护旧文档/旧脚本调用者，正式流程不再调用。
执行契约
上游输入：problem_files/ 中的赛题与附件数据；可选读取 crawled_data/ 中的补充权威数据。
必须输出：paper_output/OUTPUT_LAYOUT.md、paper_output/input_manifest.json、problem_analysis.json、model_route.json、rubric_alignment.json、scoring_strategy.md、数据/图表计划、load_report.json、结果证据、run_manifest.json、证据门禁报告、paper_outline.json、final_paper_source.md、final_paper.docx 与机器可读格式检查报告。
下游交接：本技能是总入口，负责判断当前阶段并路由到其他 skill；用户不知道从哪个 skill 开始时优先调用它。
失败回退：problem_files/ 为空时阻塞；正式流程中模型路线、数据读取、代码运行、证据门禁或格式门禁失败时必须回补对应阶段，不得把 warning 当作放行。只有 quickstart 安装验证可以在明确标记草稿的前提下继续。
目标
本技能是正式入口，不是“一键脚本说明书”。正式赛题应由 Agent 先读题、拆题、判断附件性质，再生成或修改当前赛题专用代码，运行真实结果，最后基于完整证据链全局写作。
保持本项目的核心思路：以 skill 为主线，把“赛题解析 → 模型选择 → 数据处理 → 结果证据 → QA 门禁 → Agent 全局写作 → 最终 QA”串成一套可执行工作流。
scripts/quickstart_run.py 只用于 quickstart、安装验证和 smoke test；它生成的是验证草稿，不代表正式比赛论文质量。scripts/run_all.py 已废弃，只保留迁移提示，不再作为正式论文或 quickstart 的执行入口。
入口路由规则
当用户说“开始生成数学建模论文”“帮我做这个数学建模题”“分析赛题”“使用 MathModel Skill”或不知道该调用哪个 skill 时，先读取本技能。
先判断用户目标：正式论文走 Agent-native 全流程；只要题意、模型、数据、QA 或正文时，路由到对应子 skill。
不要让用户理解或选择多个 skill 的顺序；由本技能负责说明下一阶段，并在阶段完成后回到本技能判断下一步。
如用户只是验证安装或跑 quickstart，可调用：
python .trae/skills/paper-workflow-orchestrator/scripts/quickstart_run.py
正式赛题不要先跑 quickstart 脚本；应先读取题面和附件，再按当前赛题生成专用数据处理、建模和绘图代码。
阶段路由表 当前目标 优先调用 刚开始、只给了赛题或不知道用哪个 skill problem-doc-model-selector已有 problem_analysis.json，需要模型路线和评分闭环 modeling-paper-rubric-and-model-selector需要外部权威数据 authoritative-data-harvester需要处理附件数据、生成数据/图表计划或图表样板 data-cleaning-and-visualization需要生成模型结果、评价指标、结论和表格证据 model-code-and-result-generator进入正文生成前，需要任务清单和门禁检查 quality-assurance-auditor证据门禁通过，需要正式成稿、规范格式、Word 排版 paper-formal-writer需要微单元提示词资产、局部扩写或低能力模型兜底草稿 paper-micro-unit-generator已有 final_paper_source.md 或 final_paper.docx，需要最终把关 quality-assurance-auditor + paper-formal-writer
适用时机
用户已经在项目根目录下按约定放好了赛题 PDF/Word 和附件数据，需要“从零到万字论文”的一条龙自动流程时。
已经完成部分计算或占位符填充，但希望检查整体步骤是否完整、顺序是否合理，或想重跑核心流程时。
约束（必须遵守）
Memory Interaction (必做) :
全流程中 ：作为总控，应当在每个关键步骤（清洗完、QA完、生成完）结束后，主动调用 context-memory-keeper 更新进度，确保如果流程中断，Memory 中留有断点记录。
本技能是全项目唯一“入口路由 skill”。用户只要提出“生成完整论文/跑完整流程”，优先读取本技能而不是让多个技能分散运行。
若 problem_files/ 为空，必须先补齐赛题与附件数据，再运行流程。
当前赛题专用代码必须写入 paper_output/code/：数据处理放 data_processing/，绘图放 visualization/，建模放 modeling/，检查放 qa/。不要把 q1_model.py、绘图脚本或清洗脚本写回 skills/*/scripts/。
必须先判断附件性质：原始数据、结果模板、说明文档、参考材料要分开处理。像官方要求填写的 result*.xlsx 结果模板，不能被当作原始输入数据机械清洗，也不能据此伪造真实建模结果。
当任一子问题的 evidence_status 为 missing、needs_real_modeling 或 scaffold_result_needs_review 时，不得把 Word 称为最终稿；必须先补齐赛题专用代码、真实图表、表格、指标和结论。
若用户分开调用了其他技能，最终仍应回到本技能并按正式顺序完成：预检与附件哈希 → 模型路线 → 数据/图表 → 统一入口运行建模代码 → evidence gate → 全局写作 → 原生 Word 公式 → required render 格式门禁。微单元仅作为提示词资产或草稿兜底，不是 Standard 正式成稿主线。
正式交付门禁标准（以此判断是否“论文生产完整”）
必须通过：quality-assurance-auditor/scripts/evidence_gate.py 的 official 模式 必须通过：paper-formal-writer/scripts/check_paper_format.py --render required 的正式格式门禁 必须存在：paper_output/final_paper.docx，但只有证据门禁和格式门禁都通过后才能称为正式稿。
必须存在：paper_output/OUTPUT_LAYOUT.md（当前项目输出位置说明）
必须存在：paper_output/input_manifest.json（附件角色分类，防止把结果模板/说明文档误当原始数据）
必须存在：paper_output/data_cleaned/load_report.json，且其中 input_manifest_sha256 必须匹配当前 manifest。
必须存在：paper_output/plan/paper_outline.json（正式论文大纲契约）
必须存在：paper_output/final_paper_source.md（Agent 全局写作的正式 Markdown 源稿）
必须存在：paper_output/step1/problem_analysis.json（结构化题意分析）
必须存在：paper_output/plan/model_route.json（模型路线契约）
必须存在：paper_output/plan/rubric_alignment.json（评分点映射契约）
必须存在：paper_output/plan/data_plan.json 与 visualization_plan.json（数据与图表证据链契约）
必须存在：paper_output/figure_index.json（图表计划索引）
必须存在：paper_output/results/run_manifest.json（建模代码运行账本，记录脚本、输入和输出哈希，证明结果来自实际运行且未被事后修改）
必须存在：paper_output/results/model_results.json、metrics.json、conclusions.json（结果、有限指标和结论证据契约）
必须存在：paper_output/qa/evidence_gate_report.json，状态为 PASS，且 input_hashes 与当前证据文件一致。
必须存在：paper_output/format_check_report.json，状态为 PASS，输入哈希仍新鲜，且 render_qa.status=PASS。
必须存在：paper_output/tables/table_index.json 与 paper_output/figure_index.json；每问至少有可用图或表，缺失、空文件、失败和 placeholder 均不得放行。
推荐存在：paper_output/code/README.md 与 paper_output/code/*/README.md（当前赛题代码工作区说明）
推荐存在：paper_output/tasks.json
推荐存在：paper_output/ref_check.md
推荐存在：paper_output/micro_units/（作为提示词资产和验证草稿，不作为正式主流程）
建议存在：paper_output/figures/ 与 paper_output/data_cleaned/（用于数据预处理与结果分析配图）
脚本清单（本技能实际会用到的）
scripts/prepare_output_layout.py：输出位置准备器。
何时用：完整流程开始前、quickstart、安装验证或用户问“代码/图表/微单元放哪里”时。
做什么：创建 paper_output/OUTPUT_LAYOUT.md、paper_output/code/、data_cleaned/、figures/、tables/、results/、micro_units/ 等目录，并写入代码工作区 README。
scripts/quickstart_run.py：quickstart / smoke test 执行器。
何时用：quickstart、安装验证、调试，或用户明确要求只验证 workflow 链路。
做什么：先准备输出目录规划 → 再跑 problem-doc-model-selector/scripts/analyze_problem.py 生成 problem_analysis.json → 再跑 modeling-paper-rubric-and-model-selector/scripts/build_model_route.py 生成模型路线与评分点契约 → 再生成数据/图表证据链契约并做清洗与可视化 → 再生成模型结果、指标、结论和表格证据契约 → 再跑 QA 生成动态 paper_output/tasks.json → 再离线生成微单元 → 再合并成 paper_output/final_paper.md 和 paper_output/final_paper.docx。
注意：输出是验证草稿，不代表正式比赛论文。
scripts/run_all.py：废弃迁移提示。
何时用：旧命令误触时提示用户改用 quickstart_run.py 或正式 Agent-native workflow。
做什么：只打印迁移提示，不执行生成流程。
scripts/workflow_guard.py：S0-S8 状态门检查器。
何时用：正式流程每个阶段开始前或用户要求检查当前进度时。
做什么：检查预检、审题、模型路线、数据读取报告、建模代码、结果证据、证据门禁、正式稿和格式门禁是否按顺序具备；失败时写入 paper_output/qa/workflow_guard_report.json 并返回非 0。
前置约定
目录结构建议为：
根目录：<项目根目录>
赛题与附件：problem_files/（把赛题 PDF/Word 与附件数据直接放这里；QA 会检查该目录不为空）
补充数据：crawled_data/（可选，爬虫或外部公开数据放这里）
输出目录：paper_output/（脚本自动生成任务清单、微单元与合并稿）
当前赛题专用代码：paper_output/code/（只放当前题目的数据处理、绘图、建模和检查代码）
技能目录：skills/...
Python 可用即可。
输入
必填：
将赛题 PDF/Word 与附件数据放入 problem_files/。
可选：
输出
中间文件：
paper_output/OUTPUT_LAYOUT.md：当前项目输出位置说明。paper_output/code/README.md：当前赛题专用代码工作区说明。paper_output/code/data_processing/：当前赛题数据处理代码。paper_output/code/visualization/：当前赛题绘图和格式化图表代码。paper_output/code/modeling/：当前赛题 q1/q2/q3 建模代码。paper_output/code/qa/：可选的当前赛题检查代码。paper_output/step1/problem_analysis.json：结构化赛题分析，连接后续 QA 与正文生成。paper_output/step1/A_题意对齐.md、B_论文大纲.md、C_评分点对齐表.md、D_模型路线.json。paper_output/plan/model_route.json：每一问的模型路线、验证计划和建议图表。paper_output/plan/rubric_alignment.json：评分点与证据映射。paper_output/plan/scoring_strategy.md：评分闭环说明。paper_output/plan/data_plan.json：数据文件、字段画像、清洗任务与子问题链接。paper_output/plan/visualization_plan.json：建议图表、图题、用途、候选字段与输出路径。paper_output/figure_index.json：图表计划索引，供 QA 和正文引用核对。paper_output/results/model_results.json：每问模型输出、参数、方案或预测结果的证据契约。paper_output/results/metrics.json：每问评价指标、误差、得分或约束满足情况。paper_output/results/conclusions.json：每问可回扣原题的结构化结论。paper_output/tables/table_index.json：论文表格索引、表题、用途和路径。paper_output/tasks.json：微单元任务清单。paper_output/micro_units/*.txt：每个微单元一个文件。paper_output/generate_log.json：生成日志。
最终交付：
paper_output/final_paper.md：合并后的 Markdown 论文草稿。paper_output/final_paper.docx：Word 草稿，作为主要交付物。paper_output/ref_check.md：交叉引用与编号断链报告。
工作流程（对应 workflow_full 分步）
正式实现：Agent-native 工作流（推荐）
读取赛题与附件，判断附件是原始数据、结果模板、说明文档还是参考材料。
生成题意分析、模型路线、评分闭环、数据计划和图表计划。
在 paper_output/code/ 中生成或修改当前赛题专用数据处理、建模和绘图代码。
通过 paper_output/code/modeling/run_modeling.py 统一运行专用代码，产出真实图表、表格、指标和结论，并让 run_manifest.json 记录脚本、输入与输出哈希。
运行 quality-assurance-auditor/scripts/evidence_gate.py；门禁会重新计算哈希并拒绝空指标、占位产物或过期运行记录，未通过时继续补证据，不进入正式成稿。
证据门禁通过后，运行 paper-formal-writer/scripts/build_paper_outline.py 生成 paper_output/plan/paper_outline.json。
Agent 读取 paper_outline.json、完整证据链和提示词资产，全局撰写 paper_output/final_paper_source.md。
运行 paper-formal-writer/scripts/format_formal_docx.py 生成含可编辑 OMML 公式的正式 Word，再运行 paper-formal-writer/scripts/check_paper_format.py --render required。
证据门禁与格式门禁均通过后，再次调用 quality-assurance-auditor 做最终一致性检查。
Quickstart 验证流程（不是正式论文生产流程）
输出目录规划 :
调用 paper-workflow-orchestrator/scripts/prepare_output_layout.py，生成 paper_output/OUTPUT_LAYOUT.md 和 paper_output/code/ 工作区说明。
这一步只建立落点规范，不执行黑盒建模。
赛题结构化分析 :
调用 problem-doc-model-selector/scripts/analyze_problem.py，生成 paper_output/step1/problem_analysis.json。
将每一问的任务类型、推荐模型、验证计划和建议图表固化为后续 skill 可读取的数据契约。
模型路线与评分闭环 :
调用 modeling-paper-rubric-and-model-selector/scripts/build_model_route.py，生成 paper_output/plan/model_route.json、rubric_alignment.json 和 scoring_strategy.md。
若该步骤失败，流程继续，QA 回退到 problem_analysis.json。
外部资源获取 (Optional) :
调用 authoritative-data-harvester 或 g-sci (若存在) 填充 crawled_data/。
Memory Update : 将获取的文献/数据源更新至 memoryskill.md。
调用 data-cleaning-and-visualization/scripts/run_pipeline.py：先读取 input_manifest.json，再生成 data_plan.json、visualization_plan.json 与 figure_index.json；只把 manifest 中标为 raw_data 且可用的文件当作建模数据，产出清洗数据与图表到 paper_output/。
调用 model-code-and-result-generator/scripts/build_result_contracts.py：根据模型路线、清洗数据和图表计划生成 model_results.json、metrics.json、conclusions.json 与 table_index.json。真实赛题中应继续让 Agent 在 paper_output/code/modeling/ 二次生成或修改专用建模代码，并补齐真实结果。
调用 quality-assurance-auditor/scripts/pipeline.py：检查 problem_files/，优先根据模型路线、评分点、数据图表和结果证据生成动态 paper_output/tasks.json。
调用 paper-micro-unit-generator/scripts/generate_all_offline.py：生成 paper_output/micro_units/*.txt 与 paper_output/generate_log.json。
调用 paper-micro-unit-generator/scripts/merge.py：生成 paper_output/final_paper.md 与 paper_output/ref_check.md，并直接生成 paper_output/final_paper.docx 。
[Mandatory] Word 交付验证 :
检查 paper_output/final_paper.docx 是否存在。
优先使用 scripts/merge.py 直接生成的 Word 版本（原生 python-docx 生成，不依赖 Pandoc）。
仅在直接生成失败时，才尝试调用 Pandoc 作为兜底方案。
确保公式、图表、目录在 Word 中显示正常。
分步运行（需要时才用）
外部资源获取 :
若需要补充文献或数据，先运行 authoritative-data-harvester 或其他搜索技能。
python .trae/skills/paper-workflow-orchestrator/scripts/prepare_output_layout.py
python .trae/skills/data-cleaning-and-visualization/scripts/run_pipeline.py
python .trae/skills/model-code-and-result-generator/scripts/build_result_contracts.py
python .trae/skills/problem-doc-model-selector/scripts/analyze_problem.py
python .trae/skills/modeling-paper-rubric-and-model-selector/scripts/build_model_route.py
仅生成任务清单（会检查 problem_files/ 不为空，并优先读取 model_route.json）：
python .trae/skills/quality-assurance-auditor/scripts/pipeline.py
python .trae/skills/paper-micro-unit-generator/scripts/generate_all_offline.py
python .trae/skills/paper-micro-unit-generator/scripts/merge.py
python .trae/skills/paper-formal-writer/scripts/build_paper_outline.py
python .trae/skills/paper-formal-writer/scripts/format_formal_docx.py
python .trae/skills/paper-formal-writer/scripts/check_paper_format.py
常见问题
报错“problem_files 为空”：把赛题 PDF/Word 与附件数据放进 problem_files/ 后重跑。
想要看题意拆解：查看 paper_output/step1/problem_analysis.json 和 paper_output/step1/A_题意对齐.md。
想要看模型路线：查看 paper_output/plan/model_route.json 和 paper_output/plan/scoring_strategy.md。
想要看论文产出：最终文件是 paper_output/final_paper.docx，中间稿是 paper_output/final_paper.md。
想要看输出位置规划：查看 paper_output/OUTPUT_LAYOUT.md。
想要看赛题专用代码：查看 paper_output/code/，不要到 skill 包目录里找当前赛题代码。
想要看数据与图表：清洗数据在 paper_output/data_cleaned/，图表在 paper_output/figures/。
想要看结果证据：查看 paper_output/results/ 与 paper_output/tables/table_index.json；其中草稿状态的结果需要结合真实建模代码补齐。
