菜单
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。
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。
根据 model_route.json、数据计划和清洗数据，为数学建模论文生成结果证据契约和 q1/q2/q3 建模代码脚手架。Invoke when 需要把模型输出、评价指标、结构化结论、论文表格和当前赛题专用建模代码沉淀到 paper_output/results/、paper_output/tables/ 和 paper_output/code/modeling/，供 QA 与正文生成读取。
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”。
国赛数学建模正式论文范式、outline、Word 排版和格式门禁 skill。Invoke when 证据门禁通过后需要生成 CUMCM 风格正式论文、规范标题编号、扩写正文、插入图表表格、导出 Word 或检查论文格式。
| name | paper-micro-unit-generator |
| description | 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。 |
paper-workflow-orchestrator 判断当前 S0-S8 阶段。python .claude/skills/paper-workflow-orchestrator/scripts/workflow_guard.py --skill paper-micro-unit-generator
[WORKFLOW FAIL] 或报告 status != "PASS"，停止本 skill，按 paper_output/qa/workflow_guard_report.json 的失败项回补前置阶段，不得凭记忆继续。paper_output/ 产物；完成后必须回到 paper-workflow-orchestrator 判断下一步，并用 context-memory-keeper 记录已完成产物、阻塞项和下一步。python .claude/skills/paper-workflow-orchestrator/scripts/workflow_guard.py --status
paper_output/qa/workflow_guard_report.json、paper_output/preflight_report.json、paper_output/input_manifest.json、paper_output/results/run_manifest.json 和本 skill 的上游 JSON 契约，按报告里的 recommended_skill 与 next_action 继续。paper_output/context/workflow_memory.json 视为长期断点记录；若其中的 current_step、next_step、recommended_skill 与 workflow_guard.py --status 不一致，以 guard 报告为准。paper-workflow-orchestrator 或运行 workflow_guard.py --status，再更新 workflow memory：
python .claude/skills/context-memory-keeper/scripts/update_workflow_memory.py
paper_output/context/workflow_memory.json / .md，确认下一步和推荐 skill 已记录。paper_output/tasks.json；可参考 paper_output/plan/model_route.json、rubric_alignment.json、data_plan.json、visualization_plan.json、paper_output/figure_index.json、paper_output/results/ 与 paper_output/tables/table_index.json。paper_output/micro_units/*.txt、paper_output/generate_log.json、paper_output/final_paper.md、paper_output/ref_check.md 与 paper_output/final_paper.docx。final_paper.md 和 final_paper.docx 是验证草稿或局部写作素材；正式论文必须由 Agent 读取完整证据链后全局改写或重写，并再次调用 quality-assurance-auditor。quality-assurance-auditor 做最终一致性检查；完整论文目标应回到 paper-workflow-orchestrator 汇总产物。tasks.json 缺失，先运行 quality-assurance-auditor；若图表或结果契约尚未生成，正文只能生成通用草稿，并在 QA warning 或 ref_check.md 中提示真实结果待补。scripts/generate_all_offline.py 与 scripts/merge.py，可自动完成：微单元生成 → 合并 → 编号与交叉引用检查，生成 quickstart 验证草稿或低能力模型兜底草稿。1 / 1.1 / 1.1.1 范式约束、18000-25000 字数门禁和正式 Word 排版由 paper-formal-writer 负责，本技能不再承担正式论文主笔或正式 Word 排版职责。scripts/generate_all_offline.py 是离线样板生成器：可读取 tasks.json、step3_filled_placeholder.py 和结果证据，把当前赛题的信息填入草稿。它必须输出自然论文段落，不应把微单元编号写进正文，也不应替代正式主笔。problem-doc-model-selector），并且完成了数据计算与占位符填充，下一步需要系统地“写完所有文字”的场景。scripts/generate_all_offline.py
paper_output/tasks.json，需要批量产出微单元文本文件时。paper_output/micro_units/*.txt 和 paper_output/generate_log.json；每个文件是正式正文段落草稿，不带 【章节 | 编号】 这类过程标签。scripts/merge.py
paper_output/final_paper.md、paper_output/final_paper.docx 和 paper_output/ref_check.md。paper_output/tasks.json（由 quality-assurance-auditor/scripts/pipeline.py 生成）。step3_filled_placeholder.py 中的 PLACEHOLDER，用于把题目、模型名、结果数值写进正文。paper_output/step1/problem_analysis.json、paper_output/plan/model_route.json、paper_output/plan/rubric_alignment.json，用于指导每个微单元的写作侧重点与交叉引用。paper_output/plan/data_plan.json、visualization_plan.json、paper_output/figure_index.json，用于提醒正文里的图表、数据来源和输出路径要可追溯。tasks.json 读取 result_summary、key_metrics、tables、conclusions、evidence_status，这些字段通常由 QA 从 paper_output/results/ 与 paper_output/tables/table_index.json 写入。paper_output/micro_units/*.txt：每个微单元对应一个文本文件，文件名包含编号（如 ABS-1.txt）。paper_output/generate_log.json：记录每个单元的生成长度与输出路径。paper_output/final_paper.md：按任务清单顺序合并后的完整论文草稿。paper_output/ref_check.md：交叉引用与编号检查报告。problem_files/（由 QA 检查是否为空）。paper_output/tasks.json，并写入 paper_output/。quality-assurance-auditor（先生成 paper_output/tasks.json）。quality-assurance-auditor 做一致性检查；若要正式比赛稿，必须进入 paper-formal-writer。paper-workflow-orchestrator。context-memory-keeper 以获取最新的全局约束与风格要求；特别注意检查 External Resources / Literature，确保引用的文献与 memory 中的记录一致。context-memory-keeper，更新项目进度为“论文草稿已生成”，并记录 final_paper.md 的路径。paper_output/tasks.json 已存在且可读；否则必须先调用 quality-assurance-auditor。tasks.json 中已经包含 main_model、model_reason、validation_plan、figure_suggestions、planned_figures、rubric_points、result_summary、key_metrics、tables、conclusions 等字段，正文生成必须优先遵守这些模型路线、评分证据和结果证据，不得脱离契约自行发挥。tasks.json 中的 target_words，避免每个微单元只生成一句任务式短句。paper_output/final_paper.md 为唯一权威合并稿；不要在根目录或其他目录另起“final_paper.md”，避免引用混乱。paper_output/final_paper.md 与 paper_output/ref_check.md 同时存在；若 ref_check.md 报断链，则视为未完成，需要修复后重跑合并。ABS-1-1、ABS-1-2、BG-1-1 等）依次调用大模型，传入：
paper_output/micro_units/，未通过的单元记录失败原因以便重试。scripts/generate_all_offline.py：
paper_output/tasks.json，逐微单元生成离线文本并写入 paper_output/micro_units/*.txt。scripts/merge.py：
paper_output/tasks.json 的顺序读取各微单元文件并合并。【摘要 | ABS-1】 等过程标签。python-docx 库，在合并的同时直接写入 .docx 文件。$E=mc^2$），需用户使用 MathType 或 Word 自带工具渲染。ref_check.md 中会给出具体位置与建议修正方式。final_paper.md，本技能建议：
C_评分点对齐表.md：检查每个评分点至少在论文中出现一次对应的文字与图表。generate_all.py 局部重跑。problem-doc-model-selector：
paper-workflow-orchestrator：
paper-workflow-orchestrator 从全流程角度串联“赛题解析→数据计算→占位符→微单元→合并”；本技能专注于其中“微单元生成与合并”这一段。paper-formal-writer：
paper-formal-writer 负责正式论文范式、正式 outline、final_paper_source.md 写作约束、Word 排版和格式门禁；本技能只提供提示词资产、局部扩写和低能力模型兜底草稿。以下内容用于“更细粒度微单元/接入 LLM 生成”的扩展模式；当前离线脚本不会读取。
本文件将论文拆成“章→节→段→句”四级，共 200+ 微单元，每单元给出：
可直接喂给 LLM 逐单元生成，最后自动合并。
请在整个写作过程中始终使用以下占位符，并在首次出现时替换为真实值（需在 step3_filled_placeholder.py 中定义）：
| 微单元编号 | 句序 | 角色 | 输入占位符 | 输出字数 | 验收标准 | 交叉引用 |
|---|---|---|---|---|---|---|
| ABS-1-1 | 第1句 | 背景专家 | {{宏观背景}} | 15-20 | 包含{{背景关键词}}与应用领域 | 无 |
| ABS-1-2 | 第2句 | 背景专家 | {{行业痛点}} | 15-20 | 引用数据或现状说明问题的紧迫性 | 无 |
| ABS-1-3 | 第3句 | 背景专家 | {{研究价值}} | 15-20 | 明确本文方法的核心优势（如无损、高效、精准） | 无 |
| ABS-2-1 | 第4句 | 模型综述 | {{三问概述}} | 20-25 | 被动语态，概括全文解决的主要任务 | 无 |
| ABS-3-1 | 第5句 | 问题一专家 | {{问题一模型}} | 20-25 | 出现该模型的核心术语（如“规划”、“回归”、“微分方程”） | 见第1章式(1) |
| ABS-3-2 | 第6句 | 问题一专家 | {{问题一算法}} | 20-25 | 明确具体算法名称（如“遗传算法”、“最小二乘”） | 见第5章图3 |
| ABS-3-3 | 第7句 | 问题一专家 | {{问题一结果}} | 20-25 | 给出关键数值结果+单位 | 见第6章表2 |
| ABS-4-1 | 第8句 | 问题二专家 | {{问题二模型}} | 20-25 | 描述进阶模型的改进点 | 见第1章式(3) |
| ABS-4-2 | 第9句 | 问题二专家 | {{问题二算法}} | 20-25 | 提及求解策略或优化方法 | 见第5章算法2 |
| ABS-4-3 | 第10句 | 问题二专家 | {{问题二结果}} | 20-25 | 给出核心指标的改善幅度或具体数值 | 见第6章表3 |
| … | … | … | … | … | … | … |
| ABS-6-4 | 第48句 | 展望专家 | {{未来工作}} | 15-20 | 提出一种具体的可扩展方向 | 无 |
生成方法：
| 微单元 | 段内句 | 角色 | 输入 | 字数 | 验收 | 引用 |
|---|---|---|---|---|---|---|
| BG-1-1 | 1 | 宏观叙事 | {{宏观政策/趋势}} | 25-30 | 引用国家政策、行业白皮书或统计数据 | 政府文件 |
| BG-1-2 | 2 | 宏观叙事 | {{研究对象现状}} | 25-30 | 描述市场规模、发展趋势或社会影响 | 文献 [1] |
| BG-1-3 | 3 | 宏观叙事 | {{现有方法局限}} | 25-30 | 对比传统方法的不足（成本高/效率低/精度差） | 文献 [2] |
| … | … | … | … | … | … | … |
| BG-4-8 | 32 | 微观落脚 | {{具体任务目标}} | 25-30 | 明确题目要求的具体技术指标或决策目标 | 实验数据 |
按“问题一/二/三”再细分，每问 3 段：（1）重述原文→（2）学术化转写→（3）可计算任务定义
例：
| 微单元 | 句 | 角色 | 输入 | 字数 | 验收 | 引用 |
|---|---|---|---|---|---|---|
| PR1-1 | 1 | 原文引用 | 原题 Q1 一句 | ≤30 | 双引号+括号出处 | 题面 |
| PR1-2 | 2 | 学术转写 | “建立…模型”→“构建…定量框架” | 25-30 | 动词升级，将通俗语言转化为数学术语 | 无 |
| PR1-3 | 3 | 任务定义 | 输入：{{输入变量}}；输出：{{输出变量}} | 20-25 | 清晰定义I/O，使用符号列表 | 见符号表 |
…以下同理，共 96 句。
每问 8 段，每段 8 句，按“漏斗”逻辑：（1）本质判定→（2）数据特征→（3）模型动机→（4）算法理由→（5）指标选取→（6）验证方案→（7）难点预告→（8）小结
例（问题一第1段）：
| 微单元 | 句 | 角色 | 输入 | 字数 | 验收 | 引用 |
|---|---|---|---|---|---|---|
| AN1-1-1 | 1 | 本质判定 | {{问题一数学本质}} | 20-25 | 判定为：优化/预测/分类/评价/机理 | 文献 [3] |
| AN1-1-2 | 2 | 本质判定 | {{关键理论依据}} | 20-25 | 提及核心公式或定理名称 | 式(1) |
| … | … | … | … | … | … | … |
| AN1-1-8 | 8 | 小结 | “综上，Q1 为{{任务类型}}任务” | 15-20 | 总结任务类型，承上启下 | 无 |
每条假设拆 8 句：（1）必要性→（2）合理性→（3）简化范围→（4）影响评估→（5）数据支持→（6）反例排除→（7）文献佐证→（8）符号约定
例：假设1“{{假设1标题}}”
| 微单元 | 句 | 角色 | 输入 | 字数 | 验收 | 引用 |
|---|---|---|---|---|---|---|
| AS1-1 | 1 | 必要性 | {{假设1内容}} | 15-20 | 用“为简化…”或“考虑到…”开头 | 无 |
| AS1-2 | 2 | 合理性 | {{假设1合理性依据}} | 15-20 | 给出数据统计特征或物理常识支撑 | 附件数据 |
| … | … | … | … | … | … | … |
| AS1-8 | 8 | 符号 | 用 {{相关符号}} 表示 | ≤15 | 与符号表定义一致 | 符号表 |
每行=1 句，共 N 行，每句格式：
| 微单元 | 句 | 角色 | 输入 | 字数 | 验收 | 引用 |
|---|---|---|---|---|---|---|
| SYM-i | 1 | 表格行 | 符号、定义、单位 | 20-30 | LaTeX 格式正确，单位规范 | 无 |
每句格式：“汉字 --- 符号”
每问 24 段，按“通用建模模板”拆：
| 段序 | 段主题 | 句数 | 微单元示例 | 验收要点 |
|---|---|---|---|---|
| 1 | 机理/原理分析 | 24 | MD1-1-1~24 | 阐述变量间的逻辑或物理关系，引入{{核心变量}} |
| 2 | 数学推导/构建 | 24 | MD1-2-1~24 | 建立方程、目标函数或约束条件，推出核心公式 |
| 3 | 算法流程/策略 | 24 | MD1-3-1~24 | 描述求解步骤，给出流程图引用 |
| 4 | 核心求解过程 | 24 | MD1-4-1~24 | 展示关键代码逻辑或中间计算结果 |
| 5 | 优化/改进/联立 | 24 | MD1-5-1~24 | 处理复杂情况、多目标或参数调整 |
| 6 | 误差/不确定性 | 24 | MD1-6-1~24 | 分析误差来源或参数敏感性 |
| 7 | 结果展示 | 24 | MD1-7-1~24 | 呈现最终数值、表格或分类结果 |
| 8 | 小结 | 24 | MD1-8-1~24 | 回应问题一，重申核心结论 |
每句 15-25 字，共 192 句。
同上结构，重点在于：
重点在于：
每问 8 段：
每问 6 段：
每问 4 段：
按 GB/T 7714-2015 生成 10-15 条，每句 20-30 字。
每函数 1 段，每段 16 句：功能说明→输入参数→输出结果→关键逻辑→注释→示例调用→结果截图→小结
每图 1 段，每段 8 句：图题→坐标含义→颜色说明→图例解释→读图结论→与其他图对比→正文引用→文件路径
提供脚本：
scripts/generate_all_offline.py；若要接入真实大模型逐单元生成，可按下面 JSON 结构扩展新的 generate_micro_unit.py。运行后得到：
{
"unit_id": "ABS-1-1",
"text": "本文针对{{行业/领域}}中的{{核心问题}}，通过建立{{模型名称}}，利用{{算法名称}}，解决了{{具体难点}}，对{{应用价值}}具有重要的指导意义。",
"pass": true,
"msg": ""
}
pass=false 的单元，给出重跑提示；.md 文件；final_paper.md（完整论文）unit_log.json（每单元校验日志）ref_check.md（引用断链报告）quality-assurance-auditor，生成 paper_output/tasks.json；step3_filled_placeholder.py（可选）；python .claude/skills/paper-micro-unit-generator/scripts/generate_all_offline.py 生成 paper_output/micro_units/*.txt；python .claude/skills/paper-micro-unit-generator/scripts/merge.py 生成 paper_output/final_paper.md；quality-assurance-auditor 对全文做一致性与评分点审计（可选但推荐）。 占位，合并脚本自动编号。本提示词共拆出 ≈2000 个微单元，总字数 ≈1.5 万中文字，可直接生成 国赛一等奖篇幅与深度 的完整论文。
提供脚本：
scripts/merge.py