菜单
按常见评分点生成建模论文结构与写作清单，并根据题目类型与数据条件给出模型选择与对照实验路线。Invoke when需要“论文格式/评分对齐/模型选型/路线不确定”。
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。
基于 SOC 职业分类
自动定位并获取权威公开数据（优先API/官方批量下载），输出可复现抓取与清洗方案。Invoke when用户需要权威数据、官方统计、API下载或数据源爬取。
Manages persistent memory. Invoke to read active context or archive old tasks. Structure: Long-term Principles (Rules) + Short-term Workbench (Tasks).
自动清洗赛题或爬取的数据（处理缺失/异常/格式），并生成可视化图表。Invoke when 用户需要处理原始数据、清洗数据或生成数据分析图表。
基于微单元模板与脚本批量生成并合并论文内容。Invoke when需要按微单元拆分逐单元写作并用 scripts/generate_all_offline.py 与 scripts/merge.py 自动生成论文。
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。
解析赛题PDF/Word，抽取任务与数据条件并给出模型选型与验证路线。Invoke when用户提供赛题文档或题目文本，需要确定采用何模型/方法。
| name | modeling-paper-rubric-and-model-selector |
| description | 按常见评分点生成建模论文结构与写作清单，并根据题目类型与数据条件给出模型选择与对照实验路线。Invoke when需要“论文格式/评分对齐/模型选型/路线不确定”。 |
把“能拿分”的写作结构与“贴题可落地”的模型选型融合成一套可复用流程，输出：
支持把你预先准备的论文结构提示词文件（或文本）附加到本技能中，用于生成与评估。
references/model_library.md：数学建模方法库。遇到模型选型、基线/改进路线、验证指标设计时必须优先读取。references/model_rules.json：结构化模型规则。需要脚本化推荐或自动路由时读取。references/experiment_templates.json：实验模板目录。需要生成可运行代码模板时读取。references/agent_roles.md：多 Agent 协作角色。遇到完整论文生产、需要拆分职责或组织并行任务时读取。references/paper_prompt_default.md：默认论文结构提示词。生成论文大纲或评分点对齐时读取。scripts/recommend_models.py：根据题面关键词生成 paper_output/plan/model_recommendations.md/json，适合在题意解析后快速产出模型候选。scripts/generate_experiment_templates.py：根据模型推荐生成预测、TOPSIS、优化、聚类、敏感性、蒙特卡洛等实验模板到 paper_output/experiments/。scripts/recommend_models.py，再运行 scripts/generate_experiment_templates.py。paper_output/experiments/。SKILL.md：技能定义与用法说明references/：可复用的参考材料与提示词资源（默认模板、评分点清单等）paper_prompt_pathpaper_prompt_textpaper_prompt_path；若两者都没有，则使用默认提示词文件。paper_prompt_path: c:\Users\xiaoy\Desktop\trae\数学建模\paper_output\plan\paper_prompt.mdpaper_prompt_text: <把你的论文结构提示词全文粘贴在这里>在生成 A/B/C/D 任一产出前，建议读取 references/paper_prompt_default.md 作为“结构参考”：
然后把 PAPER_PROMPT 作为强约束与写作风格来源，融入到：
不提供 paper_prompt_path / paper_prompt_text 时，本技能维持原有默认行为正常输出。
memoryskill.md 中的 External Resources / Literature，若存在相关文献，必须将其融入“参考文献”章节及“模型建立”部分的背景综述中。memoryskill.md。必须包含并按题目调整比重：
输出一张表：评分点 → 你提供的证据 → 论文位置（章节/图表/表格/实验）。 常见评分点映射（按比赛可增删）：
对每一问输出：
若路线不明显或题目同时包含多类任务，先读取 references/model_library.md，再按本节给出简版输出。
适用：给定历史，预测未来或估计参数。
适用：判定类别、风险等级、是否发生。
适用：多指标打分、排序、择优。
适用：资源分配、成本最小/收益最大、满足约束。
适用：无标签分组、模式发现。
适用：强调机制解释、情景推演。
当未提供 paper_prompt_path / paper_prompt_text 时，默认从以下文件读取论文结构提示词：
references/paper_prompt_default.mdproblem_files/，补充数据放在 crawled_data/。paper_output/plan/，供后续生成正文时引用。paper_prompts/... 仅为历史路径示例；当前项目推荐把自定义提示词文件也归档到 paper_output/plan/，或直接使用本技能自带的 references/paper_prompt_default.md。problem-doc-model-selector（更细的逐问解析）或 paper-workflow-orchestrator（一键跑到论文草稿）。context-memory-keeper，将“论文大纲结构”、“核心评分点”更新到 memoryskill.md。data-cleaning-and-visualization 产出 paper_output/figures/，否则该评分点缺证据。problem-doc-model-selector 做逐问解析，或直接进入 paper-workflow-orchestrator 一键生成。