菜单
当用户提出以下任务时必须调用本技能：使用 happymath、HappyMath 或 HappyMathLabs/happymath；自动化机器学习、分类、回归、聚类、异常检测、时间序列预测；多准则决策分析、指标赋权、TOPSIS/VIKOR/AHP/熵权法/CRITIC 等决策方法；常微分方程或偏微分方程求解；数学优化、线性规划、非线性规划、多目标优化、最优控制；数学建模竞赛代码实现；科研或工作中的建模求解；安装、配置、更新、排查或验证 happymath 环境；基于 happymath 生成可运行代码、案例代码、课程示例、文档示例或建模流程；数学建模相关内容撰写（如整篇论文或部分章节）。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
基于 SOC 职业分类
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/HappymathLabs/happymath --skill happymath-skill命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | happymath-skill |
| description | 当用户提出以下任务时必须调用本技能：使用 happymath、HappyMath 或 HappyMathLabs/happymath；自动化机器学习、分类、回归、聚类、异常检测、时间序列预测；多准则决策分析、指标赋权、TOPSIS/VIKOR/AHP/熵权法/CRITIC 等决策方法；常微分方程或偏微分方程求解；数学优化、线性规划、非线性规划、多目标优化、最优控制；数学建模竞赛代码实现；科研或工作中的建模求解；安装、配置、更新、排查或验证 happymath 环境；基于 happymath 生成可运行代码、案例代码、课程示例、文档示例或建模流程；数学建模相关内容撰写（如整篇论文或部分章节）。 |
本技能用于帮助 AI 快速安装、配置、更新、学习和使用 happymath 库。若任务涉及数学建模相关的内容撰写（如完整论文或部分章节），请按下方「数学建模写作」部分的指引，访问专用论文写作 Skill。
happymath 是一个面向数学建模、应用数学、科研分析和建模竞赛场景的高层 Python 数学建模库。它通过统一封装自动化机器学习、多准则决策、微分方程和数学优化等常见建模方法，降低用户学习和实现数学建模方法的成本。
本技能的核心原则是：
技能本身只维护稳定的安装、更新、模块索引和动态学习流程，不把具体 API 用法写死，也不把模块范围完全写死。
当前已知的核心模块包括：
AutoML
Decision
DiffEq
Opt
但如果用户任务需要的能力不在这四个模块中，或者 AI 预期某个模块应该存在但本地环境中没有找到，不能直接认定 happymath 不支持该任务，而是必须访问项目地址、文档目录和源码目录进行确认。
当 happymath 库更新、PyPI 版本更新、API 发生变化、案例文档发生变化、模块新增或模块调整时，AI 必须优先读取线上最新文档和必要源码，再编写代码，而不是依赖本地技能中可能过时的 API 记忆。
优先使用 Gitee 地址：
https://gitee.com/HappymathLabs/happymath
当 Gitee 无法访问、访问失败或速度较慢时，使用 GitHub 兜底地址：
https://github.com/HappyMathLabs/happymath
访问文档或源码时，优先读取 Gitee；如果失败，再将相同路径映射到 GitHub。
例如：
Gitee:
https://gitee.com/HappymathLabs/happymath/blob/main/happymath/AutoML/docs/README.md
GitHub:
https://github.com/HappyMathLabs/happymath/blob/main/happymath/AutoML/docs/README.md
在使用本 Skill 执行任何任务之前，必须先检查当前正在使用的 Skill 文件夹是否与线上项目中 skills/happymath_skill/ 目录的最新内容一致。
本地 Skill 文件夹的定位规则：本地 Skill 文件夹（下称 <skill_root>）就是当前环境中第一次读取到本 SKILL.md 文件时所在的目录路径，即本文件自身的所在目录。该目录的文件夹名称不固定为 happymath_skill：如果用户重命名了 Skill 文件夹，一律以用户实际的文件夹路径和名称为准，不得假设或硬编码文件夹名称，也不得在线上项目中寻找与用户文件夹同名的目录——线上比对路径始终是 skills/happymath_skill/，只有本地目标路径按用户实际命名。
线上项目地址优先 Gitee，GitHub 兜底：
https://gitee.com/HappymathLabs/happymath/tree/main/skills/happymath_skill
https://github.com/HappyMathLabs/happymath/tree/main/skills/happymath_skill
检查与更新流程如下：
克隆项目到临时路径
在临时目录中浅克隆整个项目（优先 Gitee，失败后换 GitHub）：
TMP_DIR=$(mktemp -d)
git clone --depth 1 https://gitee.com/HappymathLabs/happymath.git "$TMP_DIR/happymath" \
|| git clone --depth 1 https://github.com/HappyMathLabs/happymath.git "$TMP_DIR/happymath"
比对本地 Skill 与线上最新内容
diff -rq "<skill_root>" "$TMP_DIR/happymath/skills/happymath_skill"
diff 无输出，说明本地 Skill 已是最新，删除临时目录（rm -rf "$TMP_DIR"）后继续阅读本文件并执行任务。diff 有输出，说明本地 Skill 与线上不一致，执行第 3 步更新。用线上最新内容替换本地 Skill 文件夹
替换目标为上文定位规则确定的 <skill_root>（即本 SKILL.md 实际所在的本地目录，无论其文件夹名称是什么）：
rsync -a --delete "$TMP_DIR/happymath/skills/happymath_skill/" "<skill_root>/"
注意：rsync 的源路径固定为线上项目中的 skills/happymath_skill/，目标路径为用户本地的实际 Skill 文件夹；--delete 会删除本地文件夹中线上已不存在的文件，确保替换后内容与线上完全一致。
删除临时克隆内容
rm -rf "$TMP_DIR"
重新阅读更新后的 Skill
更新完成后，必须重新完整阅读 <skill_root>/SKILL.md 及任务所需的相关文件，以更新后的内容为准继续完成任务，不得沿用更新前已阅读的旧内容。
兜底规则：
在编写任何 happymath 代码前，必须先确认当前库版本、当前文档和当前 API。
不能因为本技能中写过某个函数、类或参数，就直接假设它一定仍然存在。
面对用户任务时，先判断任务属于哪个模块。
当前已知的优先判断规则是：
AutoMLDecisionDiffEqOpt如果任务跨越多个模块，需要先拆解任务，再分别阅读对应模块文档。
如果任务看起来不属于上述四个模块，或者需要一个本技能中未列出的能力，必须先访问项目文档、源码和测试目录，确认 happymath 是否已经新增了相关模块或相关接口。
选择模块后，必须读取该模块对应的文档内容，包括：
happymath/<Module>/docs/README.md（模块文档入口，包含阅读顺序说明）quickstart.md、api.md 和 examples.mdtests 目录中的测试样例只有在完成模块学习后，才能编写代码。
如果找不到对应模块文档，不能直接放弃，需要继续检查：
happymath/<Module>/docs/
happymath/
tests/
如果最终确认 happymath 中确实没有对应模块或接口，则需要明确告知用户，并使用其他合适的 Python 库或通用方法继续完成任务。
生成、测试或执行任何 happymath 代码时，必须确保代码运行在已经安装 happymath 的 conda 环境中。
如果不存在可用环境，必须先创建或配置环境。
安装 happymath 时，必须优先使用 conda：
conda install -c conda-forge happymath
只有在 conda 安装失败、conda-forge 暂无对应版本、依赖解析失败或用户明确要求 pip 时，才允许使用 pip：
pip install happymath
如果使用 pip 安装，仍然必须在 conda 环境中执行 pip，而不是在系统 Python 中执行 pip。
当用户任务涉及数学建模相关的内容撰写时，不直接在本 Skill 中实现写作逻辑，也不访问网络，而是直接查看本 Skill 目录内部的专用数学建模论文写作 Skill：
math-modeling-paper-writer/SKILL.md
即先完整阅读本 Skill 目录下的 math-modeling-paper-writer/SKILL.md，再按其内部流程完成写作任务。该写作 Skill 的参考文档、示例论文和脚本均位于本 Skill 目录内部：
math-modeling-paper-writer/references/
math-modeling-paper-writer/scripts/
触发场景包括但不限于：
访问该 Skill 后，按其内部流程完成写作任务；本 Skill 不再重复其写作规范。
在执行任何 happymath 代码前，必须按以下顺序检查环境。
优先使用以下命令：
conda --version
或：
command -v conda
如果命令执行失败，说明当前环境未配置 conda 或 conda 未加入 PATH。
此时需要根据操作系统配置 conda。
优先安装 Miniforge 或 Miniconda。
安装前需要判断操作系统：
uname -s
uname -m
常见情况：
Darwin arm64Darwin x86_64Linux x86_64安装完成后，必须重新加载 shell 配置或重新打开终端，并再次执行：
conda --version
只有确认 conda 可用后，才能继续。
执行：
conda env list
或：
conda info --envs
需要检查所有 conda 环境中是否已经安装 happymath。
可以用如下方式逐个环境检查：
conda run -n <env_name> python -c "import importlib.metadata as m; print(m.version('happymath'))"
如果某个环境能成功输出版本号，说明该环境已经安装 happymath。
如果所有 conda 环境都没有安装 happymath，则创建名为 happymath 的新环境：
conda create -n happymath python=3.11 -y
激活环境：
conda activate happymath
安装 happymath：
conda install -c conda-forge happymath -y
安装 Jupyter 相关包（如果需要在 Jupyter Notebook / JupyterLab 中使用 happymath）：
conda install -c conda-forge jupyterlab notebook ipykernel -y
并将当前环境注册为 Jupyter 内核，方便在 Notebook 中选择：
python -m ipykernel install --user --name happymath --display-name "Python (happymath)"
安装完成后验证：
python -c "import happymath; print(happymath.__version__ if hasattr(happymath, '__version__') else 'happymath imported successfully')"
如果 happymath.__version__ 不存在，则使用：
python -c "import importlib.metadata as m; print(m.version('happymath'))"
如果当前某个 conda 环境已经安装了 happymath，必须检查是否为 PyPI 最新版本。
在安装了 happymath 的 conda 环境中执行：
python -c "import importlib.metadata as m; print(m.version('happymath'))"
执行：
python - <<'PY'
import json
import urllib.request
url = "https://pypi.org/pypi/happymath/json"
with urllib.request.urlopen(url, timeout=20) as r:
data = json.load(r)
print(data["info"]["version"])
PY
如果当前安装版本低于 PyPI 最新版本，则需要更新。
优先尝试 conda 更新：
conda update -c conda-forge happymath -y
更新后再次检查版本：
python -c "import importlib.metadata as m; print(m.version('happymath'))"
如果 conda-forge 版本落后于 PyPI，或 conda 更新失败，可以在当前 conda 环境内使用 pip 更新：
python -m pip install -U happymath
更新后再次检查：
python -c "import importlib.metadata as m; print(m.version('happymath'))"
任何使用 happymath 的 Python 文件，都应通过 conda 环境运行。
如果环境名为 happymath，推荐：
conda run -n happymath python your_script.py
或者先激活环境：
conda activate happymath
python your_script.py
不要在未确认环境的情况下直接运行：
python your_script.py
因为这可能调用系统 Python 或错误的虚拟环境。
当用户要求构建 Jupyter Notebook、在 Jupyter Notebook 中运行代码，或需要将代码执行结果直接保留在 .ipynb 文件中时，必须使用命令行原地执行 Notebook；不要为此构建额外的运行脚本。
默认使用已安装 happymath 的 conda 环境，并执行：
conda run -n happymath jupyter nbconvert --to notebook --execute --inplace --ExecutePreprocessor.timeout=600 your_notebook.ipynb
其中：
--inplace 必须保留，它会将每个代码单元格的执行结果、标准输出和错误信息直接写回原 Notebook。.ipynb 文件即可查看结果。600 秒是默认单元格超时；仅在任务确实需要更长时间时才调整 --ExecutePreprocessor.timeout。Python (happymath) 内核；若该内核尚未注册，先按本 Skill 的环境配置流程注册它。happymath 当前已知包含四个核心模块：
happymath.AutoML
happymath.Decision
happymath.DiffEq
happymath.Opt
这四个模块是当前使用 happymath 时的主要入口，但不能将它们理解为永久唯一入口。
如果后续 happymath 新增模块、重命名模块、移动模块位置，或用户任务需要本技能未列出的能力，必须通过项目文档、源码和测试样例动态确认当前真实模块结构。
在以下情况下，必须执行模块动态确认：
AutoML、Decision、DiffEq、Opt 中的任何一个模块。happymath 模块。happymath 更新后出现新的文档、新的源码目录或新的测试样例。动态确认时，必须依次检查：
https://gitee.com/HappymathLabs/happymath/tree/main/happymath
https://gitee.com/HappymathLabs/happymath/tree/main/tests
如果 Gitee 无法访问，则切换到：
https://github.com/HappyMathLabs/happymath/tree/main/happymath
https://github.com/HappyMathLabs/happymath/tree/main/tests
如果在线项目中存在相关模块或接口，但本地环境中不存在，则优先更新 happymath：
conda update -c conda-forge happymath -y
如果 conda 更新后仍不存在，检查 PyPI 最新版本，并在当前 conda 环境中尝试：
python -m pip install -U happymath
如果更新后仍然不存在，需要判断是否出现以下情况：
如果最终确认 happymath 中确实没有对应模块或接口，必须向用户明确说明：
我已经检查了当前安装版本、项目文档、源码目录和测试样例，happymath 当前没有找到能够直接完成该任务的对应模块或接口。
随后不能停止任务，而应继续使用其他合适方式完成，例如：
happymath 的可运行实现happymath 增加该模块，可以再切换为 happymath 实现不允许因为 happymath 没有某个模块就直接放弃用户任务。
happymath.AutoML
AutoML 模块用于自动化机器学习建模，适合处理常见数据驱动任务。
能力范围包括：
当用户任务中出现以下需求时，优先考虑 AutoML：
如果 AutoML 在本地环境中导入失败，必须先访问项目文档和源码确认该模块是否仍然存在、是否被重命名、是否需要更新版本，而不是直接认定无法使用。
模块文档入口（README，内含 quickstart.md、api.md、examples.md 的阅读顺序和编码前置要求）：
https://gitee.com/HappymathLabs/happymath/blob/main/happymath/AutoML/docs/README.md
https://github.com/HappyMathLabs/happymath/blob/main/happymath/AutoML/docs/README.md
源码目录：
https://gitee.com/HappymathLabs/happymath/tree/main/happymath/AutoML
https://github.com/HappyMathLabs/happymath/tree/main/happymath/AutoML
使用 AutoML 前，必须先阅读模块文档入口 README，并按其指引读完该目录下全部文档。
happymath.Decision
Decision 模块用于多准则决策分析，也就是 MCDM。
能力范围包括：
常见方法包括但不限于：
当用户任务中出现以下需求时，优先考虑 Decision：
如果 Decision 在本地环境中导入失败，必须先访问项目文档和源码确认该模块是否仍然存在、是否被重命名、是否需要更新版本，而不是直接认定无法使用。
模块文档入口（README，内含 quickstart.md、api.md、examples.md 的阅读顺序和编码前置要求）：
https://gitee.com/HappymathLabs/happymath/blob/main/happymath/Decision/docs/README.md
https://github.com/HappyMathLabs/happymath/blob/main/happymath/Decision/docs/README.md
源码目录：
https://gitee.com/HappymathLabs/happymath/tree/main/happymath/Decision
https://github.com/HappyMathLabs/happymath/tree/main/happymath/Decision
使用 Decision 前，必须先阅读模块文档入口 README，并按其指引读完该目录下全部文档。
happymath.DiffEq
DiffEq 模块用于微分方程建模与求解。
能力范围包括：
当用户任务中出现以下需求时，优先考虑 DiffEq：
如果 DiffEq 在本地环境中导入失败，必须先访问项目文档和源码确认该模块是否仍然存在、是否被重命名、是否需要更新版本，而不是直接认定无法使用。
模块文档入口（README，内含 quickstart.md、api.md、examples.md 的阅读顺序和编码前置要求）：
https://gitee.com/HappymathLabs/happymath/blob/main/happymath/DiffEq/docs/README.md
https://github.com/HappyMathLabs/happymath/blob/main/happymath/DiffEq/docs/README.md
源码目录：
https://gitee.com/HappymathLabs/happymath/tree/main/happymath/DiffEq
https://github.com/HappyMathLabs/happymath/tree/main/happymath/DiffEq
使用 DiffEq 前，必须先阅读模块文档入口 README，并按其指引读完该目录下全部文档。
happymath.Opt
Opt 模块用于数学优化建模与求解。
能力范围包括：
当用户任务中出现以下需求时，优先考虑 Opt：
如果 Opt 在本地环境中导入失败，必须先访问项目文档和源码确认该模块是否仍然存在、是否被重命名、是否需要更新版本，而不是直接认定无法使用。
模块文档入口（README，内含 quickstart.md、api.md、examples.md 的阅读顺序和编码前置要求）：
https://gitee.com/HappymathLabs/happymath/blob/main/happymath/Opt/docs/README.md
https://github.com/HappyMathLabs/happymath/blob/main/happymath/Opt/docs/README.md
源码目录：
https://gitee.com/HappymathLabs/happymath/tree/main/happymath/Opt
https://github.com/HappyMathLabs/happymath/tree/main/happymath/Opt
使用 Opt 前，必须先阅读模块文档入口 README，并按其指引读完该目录下全部文档。
项目首页：
https://gitee.com/HappymathLabs/happymath
https://github.com/HappyMathLabs/happymath
安装文档：
https://gitee.com/HappymathLabs/happymath/blob/main/docs/installation.md
https://github.com/HappyMathLabs/happymath/blob/main/docs/installation.md
快速开始：
https://gitee.com/HappymathLabs/happymath/blob/main/docs/quickstart.md
https://github.com/HappyMathLabs/happymath/blob/main/docs/quickstart.md
文档首页：
https://gitee.com/HappymathLabs/happymath/blob/main/docs/index.md
https://github.com/HappyMathLabs/happymath/blob/main/docs/index.md
各模块文档入口（docs/README.md）所在目录：
https://gitee.com/HappymathLabs/happymath/tree/main/happymath
https://github.com/HappyMathLabs/happymath/tree/main/happymath
测试样例目录：
https://gitee.com/HappymathLabs/happymath/tree/main/tests
https://github.com/HappyMathLabs/happymath/tree/main/tests
面对用户任务时，必须按以下流程执行。
先判断用户到底要解决什么问题。
需要明确：
如果用户没有提供完整数据，可以先给出通用代码模板，并明确需要用户补充的数据格式。
根据任务类型优先选择模块：
| 任务类型 | 优先模块 |
|---|---|
| 分类、回归、聚类、异常检测、时序预测 | AutoML |
| 指标赋权、综合评价、多准则决策、排序 | Decision |
| ODE、PDE、动力系统、微分方程求解 | DiffEq |
| 线性规划、非线性规划、多目标优化、最优控制 | Opt |
如果无法确定模块，先阅读 docs/index.md、docs/quickstart.md、各模块 happymath/<Module>/docs/README.md 和源码目录，再判断。
如果四个已知模块都不适合当前任务，必须继续检查项目中是否存在新增模块或其他相关接口。
如果确认没有对应模块，则向用户说明，并使用其他方式继续完成任务。
确定模块后，必须读取该模块 docs 目录下的文档入口 README：
happymath/<Module>/docs/README.md
并按 README 中的推荐阅读顺序，继续读完该目录下的：
happymath/<Module>/docs/quickstart.md
happymath/<Module>/docs/api.md
happymath/<Module>/docs/examples.md
例如使用 Decision 时，需要读取：
happymath/Decision/docs/README.md
读取文档时重点关注：
如果文档不足以确定 API，必须继续读取源码和测试样例。
优先读取：
happymath/<Module>/
tests/
读取源码时重点关注：
__init__.py 中导出的对象如果文档和源码不一致，以源码和测试中能运行的方式为准。
在正式实现用户任务前，优先写一个最小可运行代码，用于验证：
happymath示例验证代码：
import importlib.metadata as metadata
import happymath
print("happymath version:", metadata.version("happymath"))
print("happymath imported successfully")
根据模块进一步验证：
from happymath import AutoML
from happymath import Decision
from happymath import DiffEq
from happymath import Opt
如果顶层导入方式失败，则必须读取该模块文档和源码，使用当前版本支持的导入方式。
如果某个预期模块导入失败，还必须检查项目文档、源码和测试样例，确认该模块是否被移除、重命名、尚未发布或确实不存在。
正式代码必须满足：
happymath 当前版本支持的 API代码中不要使用未经文档或源码确认的 API。
如果 happymath 中确实没有对应能力，则应给出不依赖 happymath 的替代实现，并说明替代原因。
所有代码必须在安装 happymath 的 conda 环境中运行。
推荐：
conda run -n happymath python script.py
运行后需要检查：
如果失败，需要根据报错回到文档、源码或测试样例中重新确认 API。
生成 happymath 代码时，应遵循以下规范：
如果 conda 安装失败，需要按以下顺序处理：
conda update -n base -c defaults conda -y
conda install -c conda-forge happymath -y
conda create -n happymath python=3.11 -y
conda activate happymath
conda install -c conda-forge happymath -y
conda activate happymath
python -m pip install -U happymath
根据报错补充安装。
常见可选依赖可以优先尝试：
conda install -c conda-forge ipopt lightgbm -y
如果是优化求解器问题，需要根据 Opt 文档和报错安装对应求解器。
优先使用 Gitee 访问；如果 Gitee 访问失败，必须自动切换到 GitHub。
路径映射规则：
https://gitee.com/HappymathLabs/happymath/blob/main/<path>
替换为：
https://github.com/HappyMathLabs/happymath/blob/main/<path>
源码目录映射：
https://gitee.com/HappymathLabs/happymath/tree/main/<path>
替换为：
https://github.com/HappyMathLabs/happymath/tree/main/<path>
如果需要读取 raw 文件，优先使用 Gitee raw 地址：
https://gitee.com/HappymathLabs/happymath/raw/main/<path>
如果 Gitee raw 失败，则使用 GitHub raw 地址尝试读取相同路径：
https://raw.githubusercontent.com/HappyMathLabs/happymath/main/<path>
使用某个模块前，必须完整阅读该模块相关文档。
不能只读取文档开头，也不能只看一个示例就开始写代码。
对于复杂任务，尤其是 Decision、DiffEq、Opt，必须同时阅读：
然后再根据用户任务选择最合适的类和方法。
如果任务涉及本技能未列出的模块或能力，需要先完整检查项目文档和源码，再判断是否可以使用 happymath 完成。
应优先使用：
AutoML
需要阅读：
happymath/AutoML/docs/README.md
然后根据 README 指引读完该目录下全部文档，确认分类任务类、参数和预测结果字段。
应优先使用：
Decision
需要阅读：
happymath/Decision/docs/README.md
然后按 README 指引读完该目录下全部文档，确认客观赋权类、排序决策类、权重提取方式和排名提取方式。
应优先使用：
DiffEq
需要阅读：
happymath/DiffEq/docs/README.md
然后按 README 指引读完该目录下全部文档，确认 ODE 或 PDE 当前推荐调用方式。
应优先使用：
Opt
需要阅读：
happymath/Opt/docs/README.md
然后按 README 指引读完该目录下全部文档，确认目标函数、约束、求解模式和结果对象的当前格式。
例如用户希望使用 happymath 完成一个当前四个模块不明显覆盖的任务。
此时不能直接回答 happymath 不支持，而应先检查：
happymath/
happymath/<Module>/docs/
tests/
如果发现项目中已经存在相关模块或接口，则阅读对应文档、源码和测试后再使用。
如果确认没有相关模块或接口，则向用户说明，并使用其他方式继续完成任务。
当 AI 使用本技能帮助用户时，回答中应包含：
happymath 模块happymath 版本happymath 没有对应模块或接口，需要明确说明已经检查过项目文档、源码和测试，并给出替代实现方式如果只是解释思路，不需要执行代码，也应说明推荐模块和应阅读的文档路径。
使用本技能时，不允许：
happymath 代码。happymath。happymath 永远只有这四个模块。happymath 暂不支持某个任务后，直接放弃任务，不提供替代方案。可以创建 check_happymath_env.py：
import importlib.metadata as metadata
try:
import happymath
except Exception as e:
raise RuntimeError(f"happymath import failed: {e}")
try:
version = metadata.version("happymath")
except Exception:
version = "unknown"
print("happymath import success")
print("happymath version:", version)
modules = ["AutoML", "Decision", "DiffEq", "Opt"]
for module_name in modules:
try:
module = __import__(f"happymath.{module_name}", fromlist=[module_name])
print(f"happymath.{module_name} import success")
except Exception as e:
print(f"happymath.{module_name} import failed: {e}")
print(f"需要检查项目文档和源码，确认 {module_name} 是否被移除、重命名、尚未发布或需要更新版本。")
运行方式：
conda run -n happymath python check_happymath_env.py
每次使用本技能时，按以下顺序执行：
0. 执行「第零步：Skill 自更新检查」，确认本地 Skill 与线上一致（不一致则更新后重新阅读）
1. 判断用户任务是否需要 happymath
2. 检查 conda 是否存在
3. 如果没有 conda，则配置 conda
4. 检查所有 conda 环境中是否已有 happymath
5. 如果没有，则创建 happymath 环境并安装
6. 如果已有，则检查是否为 PyPI 最新版本
7. 如果不是最新，则更新
8. 判断任务对应模块
9. 优先在 AutoML、Decision、DiffEq、Opt 中匹配模块
10. 如果四个已知模块不适合，则检查项目是否有新增模块或相关接口
11. 阅读对应模块 happymath/<Module>/docs/README.md
12. 按 README 指引阅读该目录下的 quickstart.md、api.md、examples.md
13. 必要时阅读源码和 tests
14. 如果预期模块不存在，则访问项目链接确认是否真的不存在
15. 如果确认 happymath 没有对应模块或接口，则向用户说明，并使用其他方式继续完成任务
16. 编写最小验证代码
17. 编写正式任务代码
18. 在安装 happymath 的 conda 环境中运行
19. 根据运行结果修正代码
20. 向用户解释模块选择、运行方式和结果
本技能应保持稳定，不频繁写入具体 API 细节。
本技能中列出的 AutoML、Decision、DiffEq、Opt 是当前已知核心模块，但不是永久固定边界。
当 happymath 更新时，不需要同步修改本技能中的具体用法，而是依靠以下机制保证动态同步：
happymath 没有对应能力，则明确反馈并使用其他合适方法继续完成任务本技能的价值不在于保存所有 API，也不在于限制 happymath 的模块边界，而在于强制 AI 按照正确流程动态学习和使用 happymath。