paper-workflow-orchestrator

name	paper-workflow-orchestrator
description	串联赛题解析、数据计算与微单元脚本，一键从赛题文件夹到完整论文。Invoke when用户已放好赛题与附件，希望自动跑完全流程。

论文生成全流程编排器

目标

• 串联现有技能与脚本，用尽量少的人工操作从赛题文件夹直接得到可提交的完整论文草稿。

自动化运行约定（Trae 内一键）

• 零交互原则 (Zero Interaction):
  • 当用户给出赛题（或说“跑一下”、“生成论文”）时，不要询问“是否要生成？”、“是否需要清洗数据？”。
  • 立即、沉默地启动 run_all.py 脚本。
  • 告诉用户：“正在全速生成中，预计耗时 20 分钟，请稍候...”，然后直接开始跑。
• 用户不需要手动运行任何脚本。
• 当用户在对话中要求“一键完成/自动跑完全流程”时，本技能应直接执行：
  • python ~/.codex/skills/paper-workflow-orchestrator/scripts/run_mathmodel.py 该脚本会按顺序执行：数据清洗与可视化 → QA 任务清单 → 微单元离线生成 → 合并。

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，或想一键重跑核心流程时。

增强参考（按需读取）

• references/workflow_upgrade.md：增强版数学建模流水线、产物目录和质量门禁。用户要求“更强/更完整/按开源 Agent 思路增强”或要完整论文时读取。
• ../modeling-paper-rubric-and-model-selector/references/model_library.md：模型方法库。模型路线不明确或需要基线/改进/验证时读取。
• ../modeling-paper-rubric-and-model-selector/references/agent_roles.md：多 Agent 角色拆分。需要并行推进或职责拆分时读取。
• ../quality-assurance-auditor/references/qa_checklist.md：最终门禁清单。合并前与交付前读取。

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“权威一键入口”。用户只要提出“生成完整论文/一键跑完”，优先执行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。
• 若用户分开调用了其他技能，最终仍应回到本技能或按本技能的顺序完成：清洗与出图 → QA 任务清单 → 微单元生成 → 合并。

完整性交付标准（以此判断是否“论文生产完整”）

• 必须存在：paper_output/final_paper.docx (最终交付物，Word 格式)
• 必须存在：paper_output/final_paper.md (中间 Markdown 稿)
• 必须存在：paper_output/tasks.json
• 必须存在：paper_output/ref_check.md
• 必须存在：paper_output/micro_units/（可允许少量单元缺失，但合并稿需能正常阅读）
• 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/run_mathmodel.py：增强版入口。
  • 何时用：Codex 全局 skills 安装后，用户要求初始化、一键跑全流程或只做最终审计。
  • 做什么：以当前项目目录为根目录，初始化 problem_files/、crawled_data/、paper_output/，检查依赖，调用 run_all.py，最后调用 quality-assurance-auditor/scripts/audit_paper.py 做最终 QA。
• scripts/run_all.py：离线一键全流程入口。
  • 何时用：用户要求“一键完成/自动跑完全流程”。
  • 做什么：赛题解析 → 外部数据检查 → 模型推荐 → 实验模板生成 → 数据清洗与可视化 → QA 任务清单 → 微单元生成 → 合并成 paper_output/final_paper.md/docx。
• scripts/skill_paths.py：路径适配工具。
  • 做什么：只从全局 ~/.codex/skills 定位技能脚本，项目目录只用于读取赛题和写入 paper_output/。

前置约定

• 目录结构建议为：
  • 根目录：c:\Users\xiaoy\Desktop\trae\数学建模
  • 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）
  • 技能目录：全局 ~/.codex/skills/...
• Python 可用即可。
• Codex 全局安装时推荐命令：
  • 初始化：python ~/.codex/skills/paper-workflow-orchestrator/scripts/run_mathmodel.py --init-only
  • 一键运行：python ~/.codex/skills/paper-workflow-orchestrator/scripts/run_mathmodel.py
  • 只做审计：python ~/.codex/skills/paper-workflow-orchestrator/scripts/run_mathmodel.py --audit-only

输入

• 必填：
  • 将赛题 PDF/Word 与附件数据放入 problem_files/。
• 可选：
  • 将补充数据放入 crawled_data/。

输出

• 中间文件：
  • 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：合并后的论文草稿。
  • 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）

当前实现：离线一键流程（已落地）

若用户强调“增强版/更强/高质量/完整可提交”，先读取 references/workflow_upgrade.md，并在原有脚本流程前后补齐赛题解析、模型复核、阶段 QA 与最终 QA。

1. [New] 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。
2. 调用 data-cleaning-and-visualization/scripts/run_pipeline.py：扫描 problem_files/ 与 crawled_data/，产出清洗数据与图表到 paper_output/。
3. 调用 quality-assurance-auditor/scripts/pipeline.py：检查 problem_files/，生成 paper_output/tasks.json。
4. 调用 paper-micro-unit-generator/scripts/generate_all_offline.py：生成 paper_output/micro_units/*.txt 与 paper_output/generate_log.json。
5. 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。
6. [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）

0. 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。

1. 仅做数据清洗与可视化：

python ~/.codex/skills/data-cleaning-and-visualization/scripts/run_pipeline.py

2. 仅生成任务清单（会检查 problem_files/ 不为空）：

python ~/.codex/skills/quality-assurance-auditor/scripts/pipeline.py

3. 仅生成微单元：

python ~/.codex/skills/paper-micro-unit-generator/scripts/generate_all_offline.py

4. 仅合并生成论文：

python ~/.codex/skills/paper-micro-unit-generator/scripts/merge.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。
• 想要看论文产出：最终文件是 paper_output/final_paper.md。
• 想要看数据与图表：清洗数据在 paper_output/data_cleaned/，图表在 paper_output/figures/。