yan315598-design/mathmodel-studio

최근 기록된 소스 활동: 2026년 9월 22일 04:45

SkillsMP 카탈로그 업데이트: 2026년 11월 12일 12:52

수집된 skills: 3

GitHub 스타: 47
GitHub 포크: 0

AI 어시스턴트로 설치

이 프롬프트를 복사해 사용 중인 AI 어시스턴트에 입력하세요.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/yan315598-design/mathmodel-studio.

저장소 README

README 원본 파일: README.md

README 원본 보기

README 전체 펼치기

# mathmodel-studio · 数模工坊 [![Version](https://img.shields.io/badge/version-v3.4.1-blueviolet)](CHANGELOG.md) [![CI](https://github.com/yan315598-design/mathmodel-studio/actions/workflows/ci.yml/badge.svg)](https://github.com/yan315598-design/mathmodel-studio/actions/workflows/ci.yml) **用于数学建模竞赛的 AI Skill，协助完成审题、建模、求解、验证和论文整理。** 数模工坊为 AI 编程助手提供建模流程、方法参考和配套脚本。你可以带着一道完整赛题从头开始，也可以拿已有代码、计算结果或论文草稿，只处理当前需要帮助的部分。支持 Codex、Claude Code、ZCode 等能够加载 Skill、读取文件并执行工具的助手。实际可用功能取决于所用平台的能力、工具权限和本地环境。 v3.4.1 重点改进模型与算法的选择：从题目、数据和误差中寻找值得验证的方向，结合文献和历史案例提出候选，再用实验比较适合本题的单一方法、模块化方法或组合结构。助手会主动说明推荐理由、比较依据和证据缺口，发现新问题时可以返回研究和验证。已有绘图、附件处理和论文整理能力继续保留。项目结构见 [ARCHITECTURE.md](ARCHITECTURE.md)。处理附件不需要一次装齐所有依赖：WAV 和 CSV 用 Python 标准库就能查；看图需要 Pillow；视频和压缩音频需要 FFmpeg；地理和科学数据按具体格式再装 rasterio、fiona、laspy、h5py 或 xarray。做普通表格任务这些都不用装。每种格式能查什么、哪些还没实现，见 [多类型附件](references/multimodal_assets.md)。实验比较工具只汇总已经跑过的候选结果，不是自动训练平台。 ## Skill 是什么？ Skill 是一套供 AI 助手读取的专业工作指南，也可以包含脚本、模板和参考资料。使用普通对话处理建模题时，你可能需要反复提醒助手：先分析题目、不要急着选模型、检查计算结果、保留数字来源、最后再写论文。数模工坊把这些要求整理进了流程，并提供相应的工具和记录方式。使用时不需要记住内部阶段名称，也不必每次写很长的提示词。说明你正在做什么、有哪些材料、希望完成哪一步即可。 ## 能帮你做什么？ | 你目前的情况 | 可以协助完成的工作 | |---|---| | 刚拿到题目，不知道从哪里开始 | 拆解各问，整理目标、约束、数据和待确认的问题 | | 不知道该选什么模型，或现有方法效果不好 | 从数据、文献和误差提出候选，比较方法与组合，说明推荐依据和待验证问题 | | 已经写了代码，但结果不太可信 | 核对公式与实现，检查单位、约束和边界条件 | | 已经算出结果，还没有整理清楚 | 汇总实验，绘制图表，检查结论是否得到数据支持 | | 有论文草稿，需要修改或导出 | 整理结构、公式、引用和排版，准备 Word 或 LaTeX 版本 | | 做到一半换了会话，需要继续 | 读取工作记录，确认当前进度并接着处理 | 对刚接触数学建模的人，它可以帮助理解每一步需要做什么、为什么做。对已有经验的队伍，它可以承担代码实现、结果核对、图表整理和文档处理等工作。 ## 安装先安装 Skill，再配置运行环境。依赖通常只需安装一次，后续换题目不需要重复配置。 ### 1. 安装 Skill 电脑已安装 Git 时，根据使用的助手，选择一条命令执行。 **Codex** ```bash git clone https://github.com/yan315598-design/mathmodel-studio.git ~/.agents/skills/mathmodel-studio ``` **Claude Code** ```bash git clone https://github.com/yan315598-design/mathmodel-studio.git ~/.claude/skills/mathmodel-studio ``` **ZCode** ```bash git clone https://github.com/yan315598-design/mathmodel-studio.git ~/.zcode/skills/mathmodel-studio ``` 以上命令用于首次安装，目标目录应当尚不存在。`~` 表示当前用户的主目录；Windows 用户可以在 Git Bash 中执行。不使用 Git，也可以手动安装： 1. 在仓库页面点击 **Code → Download ZIP**。 2. 解压后，将文件夹命名为 `mathmodel-studio`。 3. 放入所用助手对应的 Skill 目录。 4. 确认 `SKILL.md` 直接位于该文件夹内，避免多套一层同名目录。安装后，重新打开会话或按助手提供的方式刷新 Skill 列表。 ### 2. 一次安装 Python 依赖完整脚本链需要 **Python 3.10 或以上版本**。本轮回归测试使用 Python 3.13.9，其他版本尚未逐一验证。在准备使用的 Python 环境中，根据安装位置执行对应命令： **Codex** ```bash python -m pip install -r "$HOME/.agents/skills/mathmodel-studio/templates/shared/requirements.txt" ``` **Claude Code** ```bash python -m pip install -r "$HOME/.claude/skills/mathmodel-studio/templates/shared/requirements.txt" ``` **ZCode** ```bash python -m pip install -r "$HOME/.zcode/skills/mathmodel-studio/templates/shared/requirements.txt" ``` 这些命令适用于 Bash／Git Bash。使用其他终端时，可以直接填写依赖文件的完整路径： ```bash python -m pip install -r "<Skill安装目录>/templates/shared/requirements.txt" ``` 依赖文件包含常用的数据处理、科学计算、优化、机器学习、绘图和文档处理库；Windows 专用的 `pywin32` 会按平台条件安装。 Windows PowerShell 运行脚本前，建议为当前会话设置 UTF-8，避免中文或特殊符号输出失败： ```powershell $env:PYTHONUTF8 = "1" $env:PYTHONIOENCODING = "utf-8" ``` 这些设置仅影响当前会话及其子进程，不修改系统全局编码。部分专用模型、商业求解器或可选图形功能可能仍需额外依赖。安装报错时，应先处理报错，不能把部分安装成功当作完整环境已经就绪。 ### 3. 配置论文导出工具 Python 依赖之外，论文导出还会用到以下工具： | 工具 | 用途 | |---|---| | [Pandoc](https://pandoc.org/installing.html) | 将论文内容转换为 Word、LaTeX 等格式 | | Microsoft Word 或 [LibreOffice](https://www.libreoffice.org/download/download-libreoffice/) | 将 Word 文档转换为 PDF，配置其中一种可用路径 | | [TeX Live](https://www.tug.org/texlive/) 或 [MiKTeX](https://miktex.org/download) | 编译 LaTeX 论文，选择一种安装 | | 模板需要的中文与数学字体 | 正确显示正文、公式和图表 | 这些是系统工具，不包含在 `pip install` 命令中。Word 和 LaTeX 是两条成稿路径，可以按实际需要配置；希望两条路径都能使用时，再准备完整环境。 ### 4. 检查是否安装成功在助手中发出请求： ```text 请使用 mathmodel-studio 数模工坊。确认 Skill 已加载，并检查 Python 建模环境、绘图依赖、 Pandoc、Word 或 LibreOffice、LaTeX 和中文字体是否可用。列出可用项、缺失项和未执行的检查，先不要安装软件或修改系统配置。 ``` 只做审题和方法讨论时，可以先开始使用。需要运行代码或导出文档时，再依据检查结果解决相应的环境问题。 ## 第一次使用：从审题开始打开题目所在的工作目录，将题目和附件提供给助手： ```text 使用数模工坊，阅读当前目录里的题目和附件。先帮我整理： 1. 每一问需要回答什么。 2. 哪些数据可以直接使用，哪些需要处理。 3. 主要约束和可能存在的歧义。 4. 开始建模前需要确认哪些问题。先完成审题，不急着选模型和写论文。 ``` 拿到分析后，先核对助手是否正确理解了题意，尤其是单位、约束条件，以及各问之间是否需要共用结果。确认题意后，再比较方法： ```text 针对问题一，结合题目、数据和已有结果研究模型与算法。参考相关文献和历史案例，提出适合本题的候选方法或组合，说明各自要解决什么问题、依据是什么、哪些部分还没有验证。可以先运行必要的小实验，并主动向我解释比较结果和推荐理由。正式确定主模型前，与我讨论关键取舍。 ``` 选择路线后，进入实现： ```text 按确认的路线处理问题一，编写并运行求解代码。保留关键中间结果，检查约束是否满足。如果数据不足、运行失败或结果异常，先说明问题。 ``` 不必一次性把整道题的工作全部交出去。逐问确认和推进，更容易发现题意理解、模型假设和计算结果中的问题。 ## 一道题通常怎么推进？实际工作中可以返回前面的步骤，也可以从已有成果接着做。 | 环节 | 助手主要做什么 | 你重点检查什么 | |---|---|---| | 审题 | 拆解问题，整理数据、约束和交付要求 | 是否理解题意，有没有漏掉条件 | | 选型 | 从数据与文献提出候选，开展必要实验，比较模型和算法组合 | 推荐是否有证据，比较是否公平，还有哪些风险未解决 | | 求解 | 处理数据，编写代码，运行模型 | 实现是否符合确认的思路，结果是否异常 | | 验证 | 检查约束，开展适合当前模型的误差、敏感性或对照分析 | 证据是否足以支持结论，模型有哪些适用边界 | | 写作 | 组织正文、公式、图表和参考文献 | 表述是否准确，有没有缺少依据的结论 | | 导出与终检 | 生成文档，检查内容一致性和页面呈现 | 最终文件是否完整、可读，符合比赛要求 | 关键模型选择、图表方案和逐问结果需要使用者确认。工作记录用于保存已经确定的决策、完成情况和待解决的问题，便于后续继续。 ## 模型和算法怎么选？先看题目需要回答什么、数据能支持什么，以及当前方法在哪里失效。候选可以来自机理推导、数据分析、文献和历史案例；既可以是单一方法，也可以组合数据处理、特征表示、模型与求解算法。每个新增模块都应说明要解决的问题。对影响选择的路线，助手会把文献里的机制、适用条件和实现线索转成可验证的方案，再根据时间和算力安排实验。比较时考虑数据划分、调参机会、训练是否充分和评价指标，避免因为一次实现不佳就排除整个方法方向。推荐会说明实测优势、替代方案、成本和未解决的风险。正式单题研究按关键缺口继续检索，不设固定总篇数；没有新增信息时停止泛搜。方法更复杂并不自动代表更好，最终选择取决于本题证据。 ## 只处理一个环节也可以如果已经完成了一部分工作，说明已有材料和本次任务范围即可。 ### 比较建模方法 ```text 问题二考虑使用回归模型或机理模型。请结合题目和数据比较这两种方案：各自依赖什么假设、如何验证，以及数据不足时怎样处理。 ``` ### 检查公式与代码 ```text 这是论文中的模型公式和对应代码。请核对变量、单位、目标函数和约束是否一致，重点检查边界条件以及可能导致结果失真的实现。先报告问题，不修改文件。 ``` ### 绘制论文图表 ```text 根据已有计算结果绘制一张对比图。保留原始数值，标明坐标单位和图例，说明这张图可以支持什么结论，还有哪些信息不足。 ``` ### 整理已有论文 ```text 根据已有代码、结果和草稿，整理问题一的论文内容。保留能够核实的数字和结论。缺少的实验、引用或解释请明确标出，不要自行补造。 ``` ### 从上次进度继续 ```text 读取这个项目已有的工作记录。先概括已经确认的模型、已完成的结果和未解决的问题，然后继续处理问题二。 ``` 恢复进度依赖项目中保存的文件和记录。换会话或换设备时，需要保留这些材料；安装 Skill 本身不会带回之前的项目内容。 ## 支持的竞赛目前提供以下六类竞赛的流程与资料配置，各竞赛的案例积累深度不同。 | 竞赛 | 当前支持情况 | |---|---| | **全国大学生数学建模竞赛（国赛／CUMCM）** | 已整理题面案例、论文复核材料，以及常见题型的方法与写作参考 | | **中国研究生数学建模竞赛（华为杯）** | 案例与论文资料积累较多，提供分领域方法参考和验证建议 | | **华数杯** | 覆盖多个年度题目，包含部分年度优秀论文与写作参考 | | **亚太地区大学生数学建模竞赛（APMCM，中文赛）** | 已整理部分近年题目与优秀论文，覆盖范围相对有限 | | **MCM/ICM 美赛** | 提供英文竞赛流程、写作和评审要求参考，案例积累仍较少 | | **电工杯** | 提供基础流程与要求参考，案例积累仍较少 | 开始时告诉助手比赛名称和题号即可： ```text 使用数模工坊，处理全国大学生数学建模竞赛 A 题。题目和附件都在当前目录，先完成审题分析。 ``` 华为杯和华数杯是不同竞赛。使用历史案例时，需要核对赛事、题目条件和数据背景；历史论文中的数值不能直接作为当前题目的结果。 ## 结果、图表和论文如何对应？模型和数据经常会在过程中调整。重新计算后，正文可能仍保留旧数字，图表和结论也可能没有同步更新。数模工坊提供数字来源登记与一致性检查，帮助核对论文中的关键数值和计算结果。修改结果后，相关图表和文字也需要重新检查；工具不会自动证明新结论成立。论文以 Markdown 保存内容源，再按所选路径生成 Word 或 LaTeX 文档。涉及数字、公式含义、论证或图注的修改，应同步回内容源，避免只改最终文档而留下多个不一致版本。正式图交给助手画：先渲染，再跑自动检查（遮挡、单位、图例这类问题），有明显毛病就修一轮；机制示意图保留可编辑的源文件，方便手工微调。常规的布局和配色不用逐张来问你，但改动科学含义、明显增加计算量或要改已定风格时，仍会先确认。自动检查代替不了人眼，定稿前请把最终页面完整看一遍。拼图方法和六套示例见 [任务范例](references/task_figure_examples.md)，什么情况按哪层标准验收见 [分层验收](references/figure_quality_layers.md)。 ## 使用边界模型假设是否合理、数据是否可信、结论是否回答了题目，仍需要使用者判断。 - 数据不足时，应补充材料、调整假设或缩小结论范围。 - 程序运行成功不代表模型正确，需要检查约束、数量级和现实含义。 - 文献检索依赖网络和服务可用性，引用前应核对来源与实际内容。 - 自动检查无法覆盖所有错误，关键结果应复现，最终论文应人工通读。 - 工具缺失、计算失败或检查未执行时，应明确记录，不能写成已经通过。 - 参赛前请核对赛事关于 AI 使用、引用和提交材料的规定。数模工坊不承诺获奖，也不能替代队伍对论文内容的理解和负责。 ## 更新已有安装使用 Git 安装的用户，可以先检查本地修改： ```bash git -C "<Skill安装目录>" status ``` 确认没有需要保留的本地改动后，再更新： ```bash git -C "<Skill安装目录>" pull --ff-only ``` 如果新版调整了依赖，再执行一次对应的 `pip install -r ...`。使用 ZIP 安装的用户，应先保留自己的修改，再替换为新版文件。 ## 3.4.1 更新 - 强化模型与算法研究：从题目、数据、文献和误差提出候选，支持有依据的组合，并主动解释推荐理由。 - 按研究缺口分配检索和实验预算，完善公平比较、关键实现核验和证据范围记录。 - 合并重复流程，修复阶段检查和证据追溯问题，兼容已有工作区。验证范围见 [v3.4 审查记录](docs/release_3_4_review.md)。 ## 3.3.0 更新 - 新增原生 Matplotlib axes 组合、毫米画布、共享图例/色条与独立修订导出；旧 CLI、模板 ID、返回值与 save_fig 行为不变。 - A-F 六类合成范例支持选择运行和面板拆装，不是图型白名单，也不替代领域求解。 - 实验比较 v2 支持任务分型、实例内重复、多目标与未知成本；图库 v2 区分诊断、候选、审阅、采用和排除。 - 修复缺测连线、预览替代原图质检、混合坐标误判；补强原 mask、TIFF、NPZ、NetCDF 检查。 - 科学约束、交付检查和设计建议分层；已有授权不重复询问，必交内容不受图库预算限制。 - 已知限制：示例仍待最终尺寸视觉目检；GIS/点云/3D/视频等可选后端未全部实测，不宣称已支持完整分析。详见 [docs/upgrade_acceptance.md](docs/upgrade_acceptance.md)。 ## 3.2.0 更新 - 默认入口减重，启动、专项能力与竞赛细则按需读取。 - 先探索、跑基线和比较，再确定正式模型与图型。 - 新增附件检查、实测比较和备选图库工具，保留证据与运行预算。验证范围与本地后端限制见 [docs/upgrade_acceptance.md](docs/upgrade_acceptance.md)；历史验证记录保留在 CHANGELOG。详细变更见 [CHANGELOG.md](CHANGELOG.md)。 ## 许可证项目许可证见 [LICENSE](LICENSE)。随仓库分发的第三方资源遵循各自的许可证，使用和再分发时请同时查看对应说明。

저장소 README를 불러오는 중…

이 저장소의 skills

그래픽 디자이너 데이터 과학자

직업 카테고리 2개 · 67% 분류됨

skill

직업 분류

설명

업데이트

mathmodel-studio

미분류

数学建模竞赛助手：审题、附件检查、模型选型与实验、求解验证、科研绘图、论文整理和提交检查。支持研究生赛、国赛、华数杯、MCM/ICM、电工杯和亚太杯；也可只处理已有题目、结果或论文的局部任务。

원문 언어: 중국어

2026-09-22

mathmodel-studio

데이터 과학자

Plugin shim for mathmodel-studio. Use when Codex invokes the math modeling plugin for CUMCM 国赛, 中国研究生数学建模竞赛（华为杯）, 华数杯, MCM/ICM, Diangong Cup, APMCM, 建模, 相似题或子问检索, Stage 知识包, 论文证据链, model selection, robustness analysis, paper writing, or final review.

원문 언어: 영어

2026-09-04

diagram-design

그래픽 디자이너

Create branded architecture, IT current-state, flowchart, sequence, state machine, ER/data model, timeline, swimlane, quadrant, radar/spider, polar chart (polar/radial lollipop), loop/flywheel, nested, tree, org chart, layer stack, Venn, pyramid/funnel,…

원문 언어: 영어

2026-09-04

수집된 skill 3개 중 3개를 표시합니다.