Menu
AMIS 项目自动化构建。按照 AMIS_DEVELOPMENT_PLAN.md 自动执行所有 Task，逐个改造 ARIS skill 为数模版本。当用户说'开始构建'、'自动执行所有task'、'build AMIS'时使用。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
数据清洗、EDA、缺失值处理、异常值检测、相关性分析。触发词: 数据预处理、数据清洗、EDA、缺失值、异常值、data preprocessing、数据探索。
模型验证：交叉验证、留出法、残差分析、与已知解对比、假设检验。触发词: 模型验证、交叉验证、残差分析、model validation、留出法、误差分析、假设检验。
多子问题拆解与依赖分析。触发词: 子问题拆解、拆题、problem decomposition、依赖关系、求解顺序、时间分配、并行安排。
灵敏度分析：参数扰动、单因素/多因素分析、Monte Carlo 模拟、龙卷风图/蛛网图。触发词: 灵敏度分析、参数敏感性、sensitivity analysis、Monte Carlo、鲁棒性测试、参数扰动。
自动多轮评审优化循环。通过 Codex MCP 反复评审→修改→重新评审，直到达标或达到最大轮数。当用户说'自动优化循环'、'auto optimize'、'评审到通过'时使用。
Autonomously improve a generated paper via GPT-5.4 xhigh review → implement fixes → recompile, for 2 rounds. Use when user says "改论文", "improve paper", "论文润色循环", "auto improve", or wants to iteratively polish a generated paper.
| name | amis-build |
| description | AMIS 项目自动化构建。按照 AMIS_DEVELOPMENT_PLAN.md 自动执行所有 Task，逐个改造 ARIS skill 为数模版本。当用户说'开始构建'、'自动执行所有task'、'build AMIS'时使用。 |
| argument-hint | ["start-from-task (可选，默认从头开始)"] |
| allowed-tools | Bash(*), Read, Write, Edit, Grep, Glob, WebSearch, WebFetch, Agent, Skill, mcp__codex__codex, mcp__codex__codex-reply |
从 Task $ARGUMENTS 开始执行 AMIS 项目构建（默认从 Task 1.1 开始）。
本 skill 是 AMIS 项目的总编排器。它按照 AMIS_DEVELOPMENT_PLAN.md 中定义的 Task 顺序，逐个调用 /adapt-skill 来改造每个 ARIS skill，每完成一个 Task 就验证、commit、然后自动进入下一个。
false 则每完成一个 Task 暂停等待用户确认。false 则跳过失败的 Task 并记录。以下是所有 Task 的执行顺序和参数。编排器按此顺序逐个执行。
不调用 /adapt-skill，直接执行 bash 命令。
# 确认 ARIS 源码已 clone
if [ ! -d "../Auto-claude-code-research-in-sleep/skills" ]; then
echo "❌ 请先 clone ARIS 仓库到项目同级目录"
echo " git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git ../Auto-claude-code-research-in-sleep"
exit 1
fi
ARIS_DIR="../Auto-claude-code-research-in-sleep"
# 创建目录结构
mkdir -p skills templates docs assets
# 复制需要改造的原始 skill 文件
for skill in \
idea-discovery idea-creator research-lit novelty-check \
research-review research-refine research-refine-pipeline \
experiment-plan experiment-bridge run-experiment \
monitor-experiment auto-review-loop analyze-results \
research-pipeline paper-plan paper-figure paper-write \
paper-compile paper-writing auto-paper-improvement-loop; do
if [ -f "$ARIS_DIR/skills/$skill/SKILL.md" ]; then
mkdir -p "skills/$skill"
cp "$ARIS_DIR/skills/$skill/SKILL.md" "skills/$skill/SKILL.md.original"
echo "✅ 复制: $skill"
else
echo "⚠️ 未找到: $ARIS_DIR/skills/$skill/SKILL.md"
fi
done
# 复制模板
if [ -d "$ARIS_DIR/templates" ]; then
mkdir -p templates/aris-original
cp -r "$ARIS_DIR/templates/"* templates/aris-original/
fi
echo ""
echo "=== 初始化完成 ==="
ls -la skills/*/SKILL.md.original | wc -l
echo "个 skill 原始文件已就位"
初始化完成后 commit：
git add -A
git commit -m "Task 1.1: project skeleton + ARIS original skills copied"
🚦 Checkpoint: 报告复制了多少个 skill，然后继续。
对每个 Task，调用 /adapt-skill 并传入原 skill 名和新 skill 名。
/adapt-skill "research-lit → problem-analysis"
改造要点（传递给 /adapt-skill 的上下文）：
完成条件: skills/problem-analysis/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "idea-creator → model-creator"
改造要点：
完成条件: skills/model-creator/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "novelty-check → feasibility-check"
改造要点：
完成条件: skills/feasibility-check/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "research-review → model-review"
改造要点：
完成条件: skills/model-review/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "research-refine → model-refine"
改造要点：
完成条件: skills/model-refine/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "experiment-plan → solve-plan"
改造要点：
完成条件: skills/solve-plan/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "run-experiment → run-solver"
改造要点：
完成条件: skills/run-solver/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "monitor-experiment → monitor-solver"
改造要点：
完成条件: skills/monitor-solver/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "analyze-results → analyze-results"
改造要点（保留skill名，只改内容）：
完成条件: skills/analyze-results/SKILL.md 存在（不带.original后缀），行数验证通过，已 commit。
/adapt-skill "paper-plan → paper-plan"
改造要点（保留skill名，改论文结构）：
完成条件: skills/paper-plan/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "paper-figure → paper-figure"
改造要点：
完成条件: skills/paper-figure/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "paper-write → paper-write"
改造要点：
完成条件: skills/paper-write/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "paper-compile → paper-compile"
改造要点（最小改动）：
完成条件: skills/paper-compile/SKILL.md 存在，行数验证通过，已 commit。
/adapt-skill "idea-discovery → modeling-discovery"
改造要点（编排器，主要是换调用链）：
/adapt-skill "research-refine-pipeline → model-refine-pipeline"
/adapt-skill "experiment-bridge → solve-bridge"
/adapt-skill "auto-review-loop → auto-optimize-loop"
改造要点（除了调用链，审稿 prompt 也要改）：
/adapt-skill "paper-writing → paper-writing"
/adapt-skill "auto-paper-improvement-loop → auto-paper-improvement-loop"
/adapt-skill "research-pipeline → mathmodel-pipeline"
改造要点（总入口编排器）：
不调用 /adapt-skill（没有原始文件），直接创建。
参考 skills/analyze-results/SKILL.md 的格式，创建 skills/data-preprocessing/SKILL.md。
功能：读取赛题数据 → 基本统计 → 缺失值处理 → 异常值检测 → EDA可视化 → 输出 DATA_REPORT.md + cleaned data。
用 cat << 'HEREDOC' 分段写入，确保 150+ 行。
参考 skills/analyze-results/SKILL.md 格式。
功能：对模型参数做扰动 → 计算灵敏度指标 → 生成灵敏度图表 → 输出 SENSITIVITY_REPORT.md。
功能：交叉验证 → 残差分析 → 误差分析 → 稳定性测试 → 输出 VALIDATION_REPORT.md。
功能：读取赛题 → 识别子问题 → 分析子问题间的依赖关系 → 建议求解顺序 → 输出 PROBLEM_DECOMPOSITION.md。
# 伪代码：编排器的执行逻辑
tasks = [1.1, 2.1, 2.2, ..., 5.3] # 上面列出的所有 Task
for task in tasks:
# 检查是否已完成
if SKIP_COMPLETED and task_already_done(task):
print(f"⏭️ Task {task} 已完成，跳过")
continue
# 执行 Task
print(f"🔧 开始 Task {task}")
if task == 1.1:
run_bash_init()
elif task.startswith("4."):
create_new_skill(task)
else:
run_adapt_skill(task)
# 验证
if not verify_task(task):
if STOP_ON_FAILURE:
print(f"❌ Task {task} 验证失败，停止")
break
else:
print(f"⚠️ Task {task} 验证失败，跳过")
continue
# Checkpoint
if not AUTO_CONTINUE:
user_input = wait_for_user()
if user_input == "stop":
break
print(f"✅ Task {task} 完成，进入下一个")
cat << 'EOF' > file) 分段写入。不要询问用户——直接执行。本 skill 是开发阶段使用的，不是最终产品的一部分。构建完成后：
skills/ 目录下应该有 20+ 个改造完成的 SKILL.md
templates/ 目录下应该有数模论文模板
docs/ 目录下应该有使用文档
用户可以：
cp -r skills/* ~/.claude/skills/
然后在 Claude Code 中使用：
/mathmodel-pipeline "赛题描述" — data: data.csv