literature-evidence-modeling-skill

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：

1. 复用原有流程识别研究对象、建模目标、子问题和模型路线。
2. 为每个子问题生成中文和英文文献检索策略。
3. 在可联网检索或用户提供文献时整理真实文献证据。
4. 无法确认真实存在的文献必须标记为 待核验。
5. 将文献证据嵌入主路线、备选路线、融合路线和附录路线。
6. 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：

1. 给这个建模题找中文和英文文献。
2. 帮我用文献支撑建模思路。
3. 给出带文献依据的主路线、备选路线和融合路线方案。
4. 帮我写文献综述、模型依据或方法选择理由。
5. 审查已有方案有没有文献支撑。
6. 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

1. 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。
2. 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。
3. 为每个子问题生成中文检索方向和英文检索方向。
4. 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。
5. 将文献分为背景类、指标构建类、模型方法类、创新拓展类。
6. 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。
7. 输出“文献—模型—赛题作用”映射表。
8. 给出论文写作句式和最终推荐。

四、中文文献检索

优先来源：

1. 中国知网 CNKI。
2. 万方。
3. 维普。
4. 国家哲学社会科学文献中心。
5. 百度学术。
6. 高校学报。
7. 国家统计局、行业白皮书、政府报告。
8. 中文核心、CSSCI、北大核心相关论文。

中文关键词应包含：

1. 题目核心对象。
2. 研究问题关键词。
3. 模型方法关键词。
4. 应用场景关键词。
5. 评价指标关键词。
6. 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：

1. Google Scholar。
2. Semantic Scholar。
3. Crossref。
4. OpenAlex。
5. arXiv。
6. SSRN。
7. PubMed，若涉及医学健康。
8. IEEE Xplore，若涉及工程技术。
9. ScienceDirect、Springer、Wiley、Taylor & Francis，若可访问。
10. 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：

1. problem domain。
2. mathematical modeling。
3. statistical modeling。
4. machine learning。
5. causal inference。
6. optimization。
7. evaluation metrics。
8. policy intervention。
9. decision support。
10. 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：

1. 近五年文献。
2. 高被引经典文献。
3. 与题目场景高度相关的应用论文。
4. 可解释模型与竞赛常用方法论文。
5. 与创新模型相关的前沿论文。
6. 权威机构报告。
7. 中文核心、CSSCI、北大核心、高质量硕博论文。
8. 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：

1. 来源不明的博客。
2. 无作者、无年份、无出处材料。
3. 低质量营销号文章。
4. 与题目只有关键词相似但问题不相同的论文。
5. 只讲算法、不适合赛题场景的论文。
6. 无法支持建模选择的泛泛文献。

核验规则：

1. 不得伪造文献。
2. 只有在题名、作者、年份、来源可确认时，才标记为 已核验。
3. 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。
4. 文献只支持背景时，不能强行说它支持模型。
5. 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：

1. 方法成熟。
2. 易解释。
3. 论文好写。
4. 实现难度适中。
5. 适合多数数学建模竞赛。
6. 不追求过度复杂。

输出结构：

1. 题目理解。
2. 子问题拆解。
3. 文献依据。
4. 指标体系。
5. 模型选择。
6. 模型公式或算法流程。
7. 结果解释方式。
8. 稳健性检验。
9. 论文写作亮点。
10. 可能风险。

2. 创新、备选与融合路线建模思路

特点：

1. 在推荐主路线基础上增加创新。
2. 创新必须有文献依据。
3. 创新必须可落地。
4. 不为了创新而堆模型。
5. 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：

1. 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。
2. 模型创新：传统模型加机器学习、因果推断、优化模型融合。
3. 机制创新：不仅预测结果，还解释机制。
4. 异质性创新：分群体、分地区、分阶段、分情景估计。
5. 决策创新：政策模拟、资源配置、干预优先级。
6. 可解释性创新：SHAP、PDP、ICE、特征贡献分解、敏感性分析。
7. 稳健性创新：多模型对照、替代指标、Bootstrap、不确定性区间。
8. 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。
9. 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：

1. 不得编造文献。
2. 无法确认的文献必须标记 待核验。
3. 不得只给一堆文献，必须说明每篇文献如何支撑建模。
4. 不得只讲模型，必须说明文献依据。
5. 不得只追求复杂模型，必须保留可解释、可复现的主路线。
6. 创新、备选或融合路线必须有降级方案。
7. 如果题目数据不足以支撑某个高级模型，必须指出。
8. 如果文献只支持背景，不能强行说它支持模型。
9. 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。
10. 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

1. 本 Skill 不保存 API key。
2. 本 Skill 不添加自动联网、自动下载或自动执行 shell 的逻辑。
3. 检索动作只由当前可用工具和用户请求触发。
4. 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。
5. 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：

1. 修改主路线：把强证据和中证据支持的成熟模型放入主线。
2. 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。
3. 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：

1. 每一问对应的文献支撑方向。
2. 推荐主路线需要的核心文献类型。
3. 创新、备选与融合路线需要的核心文献类型。
4. 文献—模型—赛题作用映射表。
5. 哪些文献只能写背景，哪些可以写模型依据。
6. 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

1. 不得凭记忆补全 DOI、卷期、页码。
2. 不得把题名相似文献当成同领域强证据。
3. 不得把综述性背景文献写成模型有效性证明。
4. 不得把待核验文献放入正式参考文献。