| name | auto-mcm |
| description | AutoMCM-Pro industrial-grade math modeling agent (DeepSeek Harness binding). Supports AP (AI-led) and Manual (human-spec-led) dual modes with mandatory GitOps checkpoints, forced self-verification of all solver code before LaTeX inclusion, and structured human cross-validation at each pipeline stage. Use for both CUMCM (Chinese) and MCM/ICM (English) competitions.
|
| whenToUse | 用户提供数学建模竞赛题目（CUMCM/MCM/ICM）并希望端到端自动/半自动完成建模、 编码验证、论文撰写时使用。
|
AutoMCM-Pro：DeepSeek Harness (dsh) 绑定
这是 AutoMCM-Pro 协议在 DeepSeek Harness 上的运行时绑定（Binding），不是另一套
独立协议。 行为规范的权威来源仍是仓库根目录的 AutoMCM_SOP.md（工具无关，原样
复用）；可选探索层见 LOS_ALAMOS_DESIGN.md。Claude Code 上的对应绑定是
.claude/skills/auto-mcm/SKILL.md——两份文件描述同一套流程，只是把"怎么调用工具"
换成各自 runtime 的实际工具名，流程逻辑、Checkpoint 规则、质量门控、Prompt 内容
不应该在两份文件间产生分歧；如果你在这份文件里找不到某个步骤的细节，去
Claude Code 版本对照，工具调用按下表替换即可。
【工具映射表】—— 全文遇到左列写法，按右列替换
| Claude Code 工具 | dsh 工具 | 来源包 |
|---|
Agent(description, prompt)（一次性子 Agent，等待返回） | subagent（description/prompt，不传 run_in_background 或传 false） | dsh-tool-subagent |
| 需要背景常驻、事后可追加指令的子 Agent | subagent 传 run_in_background: true（返回 started subagent <id>），之后用 send_message（{subagent_id, message}）追加、list_agents 查看状态、interrupt_agent（{agent_id}）中断——这个 boolean 参数是同步/常驻的唯一开关，不传或传 false 会同步执行、不产生可追踪 id，send_message 对不存在的 id 会报 Error: subagent "xxx" is unavailable（实测踩过这个坑） | dsh-tool-subagent-control |
AskUserQuestion | ask_user_question | dsh-tool-ask-user |
WebSearch | web_search | dsh-tool-web |
| WebFetch | web_fetch | dsh-tool-web |
| Bash | bash | dsh-tool-bash |
| Read | read（图片用 read_image） | dsh-tool-fs |
| Write | write | dsh-tool-fs |
| Edit | edit | dsh-tool-fs |
| Glob | glob | dsh-tool-fs-search |
| Grep | grep | dsh-tool-fs-search |
| TodoWrite | todo_write | dsh-tool-todo |
| （载入其他 skill） | skill | dsh-tool-skill |
以上工具名取自 dsh 仓库 docs/tool-catalog.md 的实际工具目录（非猜测）；具体部署
若启用了非默认 bundle（比如把 dsh-tool-bash 换成 dsh-tool-bash-persistent），
调用方式基本兼容，但建议先跑 dsh --profile <你的 profile> --dump-config 确认
实际挂载的工具名与本表一致。
continuable subagent 是 dsh 相对 Claude Code 绑定的一个真实增强：Los Alamos
设计里把"Alsos/Groves 常驻服务"标注为"仅 Claude Code 可选优化、不是可移植基线"
（见 LOS_ALAMOS_INTEGRATION.md §2 的可选增强说明），是因为当时假设的运行时是
Claude Code；在 dsh 上，send_message/list_agents 是一等公民 API，如果你在 dsh
上落地 Los Alamos 探索层，可以把 Alsos 做成真正的常驻 continuable 子 Agent，
而不必退化成"每次查询都重新建立上下文"的文件轮询模式——但这是可选优化，本文件
的基线流程依然按文件+消息日志的方式描述，保证两个 runtime 的基线行为一致。
【唤醒协议】每次被调用时必须首先执行
与 Claude Code 版本完全一致的三步判断，只是命令执行工具换成 bash：
bash: python scripts/pipeline_manager.py status
- 退出码 0（已初始化）→ 读取当前阶段和状态，跳到【流水线执行】
- 退出码非 0（未初始化）→ 执行下面的首次启动协议
首次启动协议（全程自然语言，用户零命令）：
- 用
ask_user_question 询问：题目文件路径、附件数据位置、AP/MANUAL 模式（默认 AP）
- 用
read 读取题目（PDF 走 bash 调 pdfplumber/pypdf），自动推断竞赛类型/子问题数/数据情况
- 静默执行初始化：
bash: python scripts/setup_workspace.py
bash: python scripts/pipeline_manager.py init --mode {AP|MANUAL} --contest {CUMCM|MCM|ICM} --problems {N} --git
bash: cp PROBLEM_PATH CUMCM_Workspace/data/
- 自然语言告知用户就绪状态，随后按【依赖自检】和【流水线执行】继续，不等待用户输入
依赖自检（首次启动 & 每次唤醒，bash 执行）：
python -c "import pdfplumber, scipy, numpy, matplotlib, pandas, openpyxl" 2>/dev/null \
|| pip install -q pdfplumber scipy numpy matplotlib pandas openpyxl
which xelatex >/dev/null 2>&1 || echo "[提示] 未检测到 xelatex"
python scripts/plot_style.py check # 中文图表字体自检，见【图表风格规范】
【Checkpoint 执行模板】
与 Claude Code 版本语义完全一致：
bash: python scripts/pipeline_manager.py request-review \
--stage "<stage>" --summary "..." --results "..." --concerns "..." --next "<next-stage>"
- AP 模式：在
state/human_intervention.md 写入 [APPROVED] 自评，bash 执行
pipeline_manager.py advance <stage>，然后用自然语言汇报成果并直接开始下一阶段
- MANUAL 模式：展示汇报摘要，用
ask_user_question（而不是终端等待输入）明确
询问"继续，还是需要修改？"，拿到回复后再决定 approve 还是 rework
Checkpoint LA 例外（仅 Los Alamos 模式，见 AutoMCM_SOP.md §9.2 第 4 条）：即使
当前锁定 AP 模式，遇到两轨冲突/分歧熵超阈值时，必须用 ask_user_question 真正
等待人类输入，不得走 AP 自评自批分支——这条规则在两个 runtime 上都不可变通。
【流水线执行】
阶段定义、状态机、Checkpoint 编号（①~⑤）、质量门控（quality_gate.py）、
Los Alamos 探索层（路径 C）、图表风格规范（plot_style.py）、Andon 紧急停止
（pipeline_manager.py andon-pull/andon-clear/andon-status）、Go/No-Go 发射前检查
（quality_gate.py launch-check，final_compile 前强制）、Skunk Works 轻量模式
（pipeline_manager.py init --skunk-works）、Track2 的 RAND Delphi 多轮收敛
（adjudicate.py delphi-summary）、Kaizen 质量打磨循环
（pipeline_manager.py kaizen-assess/kaizen-round-start/kaizen-status）、工作日志
（worklog.py append/tail，单文件简体中文完整记录，唤醒协议 Step 0）、文献引用
真实性核验+共享池（cite_check.py register/verify/list/export-bibitems）、写作
风格打磨（style_check.py scan，latex_draft 固有规范非可选 addon）、官方格式
合规（quality_gate.py anon-check、ai_usage_doc.py generate/cite-format/ mcm-entry、compile_pdf.py 编译后页数提醒，AutoMCM_SOP.md §17）、画图前先查
领域惯例（AutoMCM_SOP.md §18）
全部内容与 Claude Code 版本一致，只替换工具调用：
problem_analysis → data_preprocessing → model_{n}_build/verify
→ sensitivity_analysis → latex_draft → final_compile，各阶段的具体工作内容、
验证清单、Checkpoint 触发时机，见 .claude/skills/auto-mcm/SKILL.md 对应小节
（标题相同，按【工具映射表】替换调用）- 路径 A（多子问题并行）：原文里每个
Agent(description="问题N build+verify", prompt=<模板>) 调用，改为对每个子问题分别调用 subagent（prompt 字段内容
完全不变，模板本身是工具无关的自然语言指令）；等待方式改为等待各 subagent
调用返回
- 路径 B（顺序执行）：无子 Agent 调用，直接照搬
- 路径 C（Los Alamos 探索模式）：Step 1（Alsos 普查）、Step 5（Division
build+verify）、Step 6（Bletchley 红队）、Step 9（Track 2 评审小组）里的
Agent(...) 调用同样按上表替换为 subagent；scripts/los_alamos/*.py 系列
命令、quality_gate.py 新增门控、消息报文协议完全不变（这些是 bash 调用
的 Python 脚本，与 runtime 无关）。四套 Prompt 模板（Alsos 普查 / Division /
Bletchley 红队 / Track2 评审）文字内容原样复用，不需要因为换了 runtime 而重写
【Manual 模式附加规程】与【Rework 执行规程】
与 Claude Code 版本一致，唯一差异：人类确认环节一律用 ask_user_question 收集
自然语言回复，而不是等待终端输入。
【安全规程】
AutoMCM_SOP.md 里的 S1~S5 规则原样适用。S3（外部服务调用告知）在 dsh 上对应
web_search/web_fetch 调用前的关键词抽象化处理，规则不变。
【headless profile 的重要限制，实测确认，务必读】
这不只是 headless 的限制——dsh --profile web（交互式 Web UI）用
--dump-config 核对过完整插件树，同样没有 tool-ask-user（ask_user_question
的来源包），也没有任何 web-fetch provider 包。 web profile 里有
user-questions/ui-user-questions 两个插件，但那是给人类在 Web UI 里被问
问题用的（比如批准/确认对话框），没有包装成模型可调用的工具——模型自己
仍然没有"主动发起提问"这个选项。tui profile 这个版本没有预装。也就是说，
这个 dsh 版本（0.1.1-rc.2）目前没有任何一个默认 profile 能让模型真正调用
ask_user_question/web_fetch，不是"切去交互式就好"，需要下面两条协议层面
的应对（完整判定依据见 DSH_INTEGRATION.md
§3.1）：
1. Step 2a 改成"一次性把信息塞进任务指令"，而不是指望中途能问
在 headless 下，【首次启动协议】Step 2a 不得调用 ask_user_question——用户
发起 dsh --profile headless "<task>" 时，<task> 字符串本身就必须包含题目
路径、数据位置、AP/MANUAL 模式这三项信息（例如："题目在
CUMCM_Workspace/data/problem.pdf，数据在同目录，用 AP 模式"）。若用户第一句任务
指令没给全这三项，Agent 应该：
- 在纯文字回复里列出缺的字段，不调用任何工具，让本次 headless 调用直接
结束（不要瞎猜、也不要卡住等一个不会来的回答）；
- 用户补全信息后再发起一次新的
dsh --profile headless "<补全后的task>"。
MANUAL 模式的逐阶段确认、Checkpoint LA 强制人类终审，这两类"必须等流程中途
出现的、无法提前塞进第一句话的信息"，在这个 dsh 版本里目前没有任何默认
profile 能可靠支持（web profile 虽然是交互式产品，但模型侧同样没有
ask_user_question 工具）——如果确实需要在中途暂停等人类批准，现阶段只能靠
user-questions/ui-user-questions 这层人类 UI 基础设施在 Web UI 里手动介入
（比如批准/权限对话框），而不是指望模型主动发起结构化提问；或者等 dsh 后续
版本把 tool-ask-user 接进默认 bundle 后重新验证。
2. web_fetch 缺失时，正式认可的替代路径：bash + curl，附处理清单
不再是"模型自己想办法"的临时应急，而是协议认可的正式 fallback——遇到需要读取
某个具体网页全文时：
curl -sL --compressed --max-time 30 -o /tmp/fetch_target.html "<URL>"
file /tmp/fetch_target.html
拿到纯文本后再用 read/grep 处理。这条路径在这轮验证里实测跑通过（虽然当时
没加 --compressed，绕了一圈手动解压才成功——这里直接把踩过的坑写进正式做法，
下次不用重踩）。
【运行方式】（dsh 特有，Claude Code 绑定没有这部分）
npx @deepseek-ai/dsh web
pnpm dsh --profile headless "读取 problem.pdf 并开始建模"
需要 Node.js ^22.19 或 >=24，以及 DEEPSEEK_API_KEY（或部署配置的其他模型
provider）。Python 依赖（pdfplumber/scipy/numpy/……）与 Claude Code 绑定
完全一样，走【依赖自检】小节的同一条 bash 命令安装。
详细的架构对照与已知差异见 DSH_INTEGRATION.md。
