amis-build

# AMIS 自动化构建编排器 从 Task **$ARGUMENTS** 开始执行 AMIS 项目构建（默认从 Task 1.1 开始）。 ## Overview 本 skill 是 AMIS 项目的**总编排器**。它按照 `AMIS_DEVELOPMENT_PLAN.md` 中定义的 Task 顺序，逐个调用 `/adapt-skill` 来改造每个 ARIS skill，每完成一个 Task 就验证、commit、然后自动进入下一个。 ## Constants - **AUTO_CONTINUE = true** — 一个 Task 完成且验证通过后，自动进入下一个 Task。设为 `false` 则每完成一个 Task 暂停等待用户确认。 - **STOP_ON_FAILURE = true** — 任何 Task 验证失败时停止整个流程。设为 `false` 则跳过失败的 Task 并记录。 - **SKIP_COMPLETED = true** — 如果目标 skill 文件已存在且有 git commit 记录，跳过该 Task。 ## Task 执行清单 以下是所有 Task 的执行顺序和参数。编排器按此顺序逐个执行。 ### 阶段一：项目初始化 #### Task 1.1: 创建项目骨架 **不调用 /adapt-skill，直接执行 bash 命令。** ```bash # 确认 ARIS 源码已 clone if [ ! -d "../Auto-claude-code-research-in-sleep/skills" ]; then echo "❌ 请先 clone ARIS 仓库到项目同级目录" echo " git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git ../Auto-claude-code-research-in-sleep" exit 1 fi ARIS_DIR="../Auto-claude-code-research-in-sleep" # 创建目录结构 mkdir -p skills templates docs assets # 复制需要改造的原始 skill 文件 for skill in \ idea-discovery idea-creator research-lit novelty-check \ research-review research-refine research-refine-pipeline \ experiment-plan experiment-bridge run-experiment \ monitor-experiment auto-review-loop analyze-results \ research-pipeline paper-plan paper-figure paper-write \ paper-compile paper-writing auto-paper-improvement-loop; do if [ -f "$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： ```bash 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。 ### 阶段二：叶子节点改造（按依赖关系排序） 对每个 Task，调用 `/adapt-skill` 并传入原 skill 名和新 skill 名。 #### Task 2.1: research-lit → problem-analysis ``` /adapt-skill "research-lit → problem-analysis" ``` 改造要点（传递给 /adapt-skill 的上下文）： - 文献综述 → 赛题分析+经典方法检索 - 搜索源：arXiv/Scholar → 数模优秀论文/CNKI/经典教材 - 删除 Zotero、Obsidian、arXiv download 相关段落 - 输出：LIT_SURVEY.md → PROBLEM_ANALYSIS.md - Constants: PAPER_LIBRARY → METHOD_LIBRARY, 删除 ARXIV_DOWNLOAD - Phase 1 "Search recent literature" → "解读赛题 + 检索经典方法" - Phase 2 "Build landscape map" → "构建方法地图（统计/优化/ML/微分方程/图论）" - Phase 3 "Identify structural gaps" → "识别建模难点" **完成条件**: skills/problem-analysis/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.2: idea-creator → model-creator ``` /adapt-skill "idea-creator → model-creator" ``` 改造要点： - 生成 research idea → 生成建模方案 - 8-12 ideas → 5-8 种建模方案 - MCP prompt 角色：senior ML researcher → 数模竞赛指导教师 - Pilot experiments (GPU) → 快速验证计算 (本地Python) - 时间单位：hours → minutes - 评估维度：novelty/compute → 数学含量/实现时间/创新性 - 输出：IDEA_REPORT.md → MODEL_REPORT.md **完成条件**: skills/model-creator/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.3: novelty-check → feasibility-check ``` /adapt-skill "novelty-check → feasibility-check" ``` 改造要点： - 新颖性验证 → 可行性验证 - "idea已发表?" → "方案在给定数据和时间约束下可行?" - 搜索目标：近期论文 → 类似赛题成功案例 - 评分维度：novelty score → feasibility score (数据匹配度+计算复杂度+实现时间) - MCP prompt: "Is this novel?" → "这个建模方案可行吗?" **完成条件**: skills/feasibility-check/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.4: research-review → model-review ``` /adapt-skill "research-review → model-review" ``` 改造要点： - 审稿人身份：NeurIPS reviewer → 数模竞赛评委 - 评分维度：novelty/significance/clarity → 数学严谨性/创新性/结果可靠性/论文规范性 - 评分标准：学术 1-10 → 国赛一等奖/美赛O奖标准 - 改进建议：ablation study → 灵敏度分析/模型验证 **完成条件**: skills/model-review/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.5: research-refine → model-refine ``` /adapt-skill "research-refine → model-refine" ``` 改造要点： - 精炼研究方法 → 精炼建模方案 - Problem Anchor → 赛题锚定（防止建模思路漂移） - 迭代对象：method → 数学模型+求解算法 - 输出目录：refine-logs/ 保留 **完成条件**: skills/model-refine/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.6: experiment-plan → solve-plan ``` /adapt-skill "experiment-plan → solve-plan" ``` 改造要点： - 实验计划 → 求解计划 - claim-driven experiments → 子问题驱动的求解步骤 - ablation study → 灵敏度分析 - GPU budget → 计算时间预算 - 输出：EXPERIMENT_PLAN.md → SOLVE_PLAN.md **完成条件**: skills/solve-plan/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.7: run-experiment → run-solver ``` /adapt-skill "run-experiment → run-solver" ``` 改造要点： - SSH到远程GPU → 本地Python/MATLAB执行 - conda activate → python/matlab 环境 - screen -dmS → subprocess / nohup - rsync → 不需要（本地执行） - nvidia-smi → 求解进度/迭代次数/目标函数值 - 超时单位：hours → minutes **完成条件**: skills/run-solver/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.8: monitor-experiment → monitor-solver ``` /adapt-skill "monitor-experiment → monitor-solver" ``` 改造要点： - 监控GPU利用率 → 监控求解进度 - W&B集成 → 简单日志文件监控 - training curves → 收敛曲线/目标函数变化 **完成条件**: skills/monitor-solver/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.9: analyze-results → analyze-results ``` /adapt-skill "analyze-results → analyze-results" ``` 改造要点（保留skill名，只改内容）： - ML指标(accuracy, loss) → 数模指标(R², RMSE, 目标函数值) - 图表：training curves → 拟合曲线/灵敏度图/误差分布/残差图 - 统计方法：significance test → 误差分析/模型检验 **完成条件**: skills/analyze-results/SKILL.md 存在（不带.original后缀），行数验证通过，已 commit。 #### Task 2.10: paper-plan → paper-plan ``` /adapt-skill "paper-plan → paper-plan" ``` 改造要点（保留skill名，改论文结构）： - 学术论文结构 → 数模论文结构（摘要→问题重述→问题分析→模型假设→模型建立→模型求解→结果分析→模型检验→评价与改进→参考文献→附录） - 页数：9页 → 20-25页 - claims-evidence matrix → 问题-方法-结果对应表 - 图表数量：4-6 → 10-20 **完成条件**: skills/paper-plan/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.11: paper-figure → paper-figure ``` /adapt-skill "paper-figure → paper-figure" ``` 改造要点： - 图表类型：training curves/confusion matrix → 拟合曲线/灵敏度图/流程图/结果对比表/数据分布图 - matplotlib style → 数模论文风格 - 删除 Gemini illustration 相关内容 **完成条件**: skills/paper-figure/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.12: paper-write → paper-write ``` /adapt-skill "paper-write → paper-write" ``` 改造要点： - LaTeX模板：ICLR/NeurIPS → 数模论文格式（国赛ctexart/美赛mcmthesis） - Section结构：学术论文 → 数模论文 - 引用格式：BibTeX/DBLP → 简单参考文献 - 删除 de-AI polish（数模论文不需要去AI痕迹） - 匿名设置：blind review → 不适用 **完成条件**: skills/paper-write/SKILL.md 存在，行数验证通过，已 commit。 #### Task 2.13: paper-compile → paper-compile ``` /adapt-skill "paper-compile → paper-compile" ``` 改造要点（最小改动）： - 模板路径替换 - 页数检查：9→25 - 基本保持原样 **完成条件**: skills/paper-compile/SKILL.md 存在，行数验证通过，已 commit。 ### 阶段三：编排器改造 #### Task 3.1: idea-discovery → modeling-discovery ``` /adapt-skill "idea-discovery → modeling-discovery" ``` 改造要点（编排器，主要是换调用链）： - 所有子 skill 调用名按映射表替换 - 所有输出文件名替换 - Phase 0: RESEARCH_BRIEF.md → PROBLEM_BRIEF.md - Constants 时间单位替换 - Checkpoint 提示语替换 #### Task 3.2: research-refine-pipeline → model-refine-pipeline ``` /adapt-skill "research-refine-pipeline → model-refine-pipeline" ``` #### Task 3.3: experiment-bridge → solve-bridge ``` /adapt-skill "experiment-bridge → solve-bridge" ``` #### Task 3.4: auto-review-loop → auto-optimize-loop ``` /adapt-skill "auto-review-loop → auto-optimize-loop" ``` 改造要点（除了调用链，审稿 prompt 也要改）： - 审稿人 → 数模评委 - review→fix→re-review → 评审→改模型→重新求解→再评审 - 评分标准替换 #### Task 3.5: paper-writing → paper-writing ``` /adapt-skill "paper-writing → paper-writing" ``` #### Task 3.6: auto-paper-improvement-loop → auto-paper-improvement-loop ``` /adapt-skill "auto-paper-improvement-loop → auto-paper-improvement-loop" ``` #### Task 3.7: research-pipeline → mathmodel-pipeline ``` /adapt-skill "research-pipeline → mathmodel-pipeline" ``` 改造要点（总入口编排器）： - 整条链路的所有 skill 名替换 - Workflow 1→1.5→2→3 的描述替换 - 删除 Workflow 4 (rebuttal) 相关内容 ### 阶段四：新增 Skill #### Task 4.1: 新建 data-preprocessing **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。 #### Task 4.2: 新建 sensitivity-analysis 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。 #### Task 4.3: 新建 model-validation 功能：交叉验证 → 残差分析 → 误差分析 → 稳定性测试 → 输出 VALIDATION_REPORT.md。 #### Task 4.4: 新建 problem-decomposer 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。 ### 阶段五：模板和文档 #### Task 5.1: 创建 PROBLEM_BRIEF_TEMPLATE.md #### Task 5.2: 创建数模论文 LaTeX 模板 #### Task 5.3: 创建 README.md ## Pipeline 执行逻辑 ```python # 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") ``` ## Key Rules - **大文件处理**：如果 Write 工具因文件过大失败，立即用 Bash (`cat << 'EOF' > file`) 分段写入。不要询问用户——直接执行。 - **一次一个 Task。** 不要并行执行多个 Task。 - **每个 Task 必须验证通过才能进入下一个。** 验证失败则停止（STOP_ON_FAILURE=true）或跳过。 - **调用 /adapt-skill 时，必须传递完整的改造要点。** 不要只说"改造 X 为 Y"——要告诉 /adapt-skill 具体改什么。 - **新建 skill（阶段四）不走 /adapt-skill**，直接用 bash 分段写入。 - **每完成一个 Task 就 commit。** 这样出问题可以 git revert 回退到上一个正确状态。 - **如果某个 skill 改造后行数严重不足（<70%），不要试图修补——回退到 .bak 重新来过。** ## Composing 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 ```