| name | auto-mcm |
| description | AutoMCM-Pro industrial-grade math modeling agent. Supports AP (AI-led) and Manual (human-spec-led) dual modes with mandatory GitOps checkpoints, forced self-verification of all solver code before LaTeX inclusion, and structured human cross-validation at each pipeline stage. Use for both CUMCM (Chinese) and MCM/ICM (English) competitions.
|
AutoMCM-Pro: 工业级双模态数学建模智能体
本 Skill 的操作准则文件为 AutoMCM_SOP.md。所有行为规范以该文件为最终权威。
【唤醒协议】每次被调用时必须首先执行
python scripts/pipeline_manager.py status
根据状态决定下一步：
| 状态 | 行为 |
|---|
not_started | 执行 start-stage，开始该阶段工作 |
in_progress | 直接继续该阶段未完成的工作 |
pending_review | 重新打印 Checkpoint 横幅，等待人类 |
rework | 读取 human_intervention.md，针对性重做 |
approved | 执行 advance，移至下一阶段 |
【Checkpoint 执行模板】
每次需要发起 Review 时，执行以下命令（填入实际内容）：
python scripts/pipeline_manager.py request-review \
--stage "problem_analysis" \
--summary "## 题目理解\n...\n## 建模策略\n...\n## 文献依据\n..." \
--results "关键数值/验证输出（从代码实际运行结果复制）" \
--concerns "存在的不确定点或风险" \
--next "data_preprocessing"
命令执行后，根据模式决定后续行为：
AP 模式 — 自评自批，自动推进
读取 pipeline.json 确认模式为 AP 后，立即执行自评：
- 在
state/human_intervention.md 中追加 AI 自评内容：
[APPROVED]
AI 自评（<stage>）：
- 本阶段完成情况：<一句话总结>
- 关键数值检查：<列举 2-3 个代表性结果>
- 验证状态：<PASS/本阶段无强制验证>
- 进入下一阶段的理由：<简要说明>
- 立即执行 advance，推进到下一阶段：
python scripts/pipeline_manager.py advance <stage>
- 无需停下来等待人类输入「继续」，直接开始下一阶段。
（人类可随时查看
state/review_request.md 审阅 AI 的自评记录。）
MANUAL 模式 — 必须等待人类批准
立即停止所有代码执行，等待人类：
- 阅读
state/review_request.md
- 在
state/human_intervention.md 中填写 [APPROVED] 或 [REWORK]
- 在终端输入「继续」
【AP 模式流水线】
Stage: problem_analysis
python scripts/pipeline_manager.py start-stage problem_analysis
工作内容：
- 读取题目文件（若为 PDF 使用
pdfplumber 提取）
- 在
memory/thought_process.md 中写入：
- 问题类型分析（优化/预测/仿真/图论/混合）
- 每个小问拟用模型及数学理由
- 文献调研结果（
WebSearch + WebFetch 至少5篇）
- 数据质量初判（缺失值、异常值、量纲）
- AP 模式下：若为 MCM/ICM，检测是否需要 Memo（关键词扫描）
- 发起 Checkpoint ①
Stage: data_preprocessing
python scripts/pipeline_manager.py start-stage data_preprocessing
工作内容：
- 编写
CUMCM_Workspace/src/models/00_data_eda.py
- 运行，验证输出合理性
- 图表 →
latex/images/fig00_*.png
- 发起 Checkpoint ②（含数据分布图和清洗统计）
Stage: model_{n}build + model{n}_verify（每个小问）
构建阶段：
python scripts/pipeline_manager.py start-stage model_1_build
- 编写
src/models/problem1_{type}.py
- 运行直到无报错、输出合理
验证阶段（立即接续，强制）：
python scripts/pipeline_manager.py start-stage model_1_verify
- 编写
src/verifications/verify_problem1_{type}.py
- 按
AutoMCM_SOP.md § 4.3 中对应模型类型的验证清单实现
- 末尾打印结构化 VERIFICATION REPORT
- 运行验证脚本，检查所有项目
✓ PASS
- 若有
✗ FAIL：必须回到 model build 修复，不得跳过
- 发起 Checkpoint ③（含完整验证报告原文）
Stage: sensitivity_analysis
python scripts/pipeline_manager.py start-stage sensitivity_analysis
- 编写
src/models/sensitivity.py
- 编写
src/verifications/verify_sensitivity.py（数值稳定性检查）
- 发起 Checkpoint ④
Stage: latex_draft
python scripts/pipeline_manager.py start-stage latex_draft
只有在所有 model_n_verify 阶段均为 approved 后，方可开始此阶段。
- 使用对应模板（CUMCM →
latex_template.tex，MCM → mcm_template.tex）
- 按论文结构逐章填写，每章三轮自审（见各自 SKILL 的写作规范）
- 插入图表时，确认对应图片文件物理存在
latex/images/*.png
- 发起 Checkpoint ⑤
Stage: final_compile
python scripts/pipeline_manager.py start-stage final_compile
python scripts/compile_pdf.py
python scripts/pipeline_manager.py advance final_compile
【Manual 模式附加规程】
Manual 模式下，在开始 model_{n}_build 之前，必须先执行：
cat CUMCM_Workspace/state/human_intervention.md
然后向人类确认：
"我已读取您的建模规格。我将实现以下内容：[逐条列举]。有任何遗漏或歧义请现在告知。"
等待人类确认后再开始编码。
在 Manual 模式下，严禁以下行为：
- 将
human_intervention.md 未提及的变量加入目标函数
- 因"数值稳定性"等理由更换人类指定的求解器（需先提问）
- 在论文中添加人类规格外的模型或方法
【Rework 执行规程】
收到 [REWORK] 后：
python scripts/pipeline_manager.py rework <stage> --feedback "反馈摘要"
- 仔细读取
human_intervention.md 中 [REWORK] 之后的所有内容
- 只修改被明确批评的部分，其余已
approved 的内容不得改动
- 在
memory/thought_process.md 中记录：
- 重新运行受影响的验证脚本
- 再次
request-review
【绝对禁止（摘要）】
所有规则详见 AutoMCM_SOP.md § 7。核心禁令：
- 不得跳过 Checkpoint
- 不得将
verify_* 未通过的模型结果写入论文
- Manual 模式下不得自行发散
- 不得覆写已
approved 的内容
