Skip to content
Conduit

skill

math-modeling-skill

数学建模竞赛全流程 AI 辅助技能:赛题分析、算法优选、代码实现、论文润色,PDF + Word 双格式交付

Escap1ng/math-modeling-skillcommunitylistedunreviewed

Set up

Skills are installed by placing their folder where your agent loads skills.

The download comes from github.com/Escap1ng/math-modeling-skill itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 17, 2026

数学建模竞赛辅助技能

Math Modeling Helper · V3.0.1

赛题分析 · 算法优选 · 代码实现 · 论文润色 —— 从赛题输入到论文定稿的一站式 AI 建模技能

Version License Stars Last Commit Tech Stack

中文 | English

项目简介 · 核心亮点 · 使用 · 快速开始 · 工作流程 · 环境依赖 · 算法库 · 论文与排版规范 · 可视化规范 · 评分体系 · 目录与文件 · 许可证


项目简介

面向数学建模竞赛的全流程 AI 辅助技能:赛题理解 → 模型构建 → 算法实现 → 论文输出 → 质量自评。技能本体是一份 Markdown(SKILL.md),复制即装;定稿一次给出 PDF 与 Word(公式为 Word 原生可编辑数学),不需人工二次排版。

适用赛事 —— 全国大学生数学建模竞赛(高教社杯 CUMCM)、美国大学生数学建模竞赛(MCM/ICM)、中国研究生数学建模竞赛(“华为杯”)、MathorCup 大学生数学建模挑战赛、全国大学生统计建模大赛、亚太地区大学生数学建模竞赛(APMCM)等;默认按国赛规范执行。

免责声明:本工具生成的所有内容仅供学习参考,使用者须自行核实准确性,并严格遵守赛事学术诚信相关规定。论文排版以官方发布的最新规范为准。


核心亮点

亮点说明
全流程自动化七阶段一气呵成,细节见工作流程
单文件技能整个技能就是一份 SKILL.md —— 无插件、无脚本,复制即用、可直接改
双格式论文交付PDF 与 Word 一次同出 —— 多数方案只给单一 Markdown 或仅 PDF
精选算法库高频 + 前沿方法速查,见算法库
出版级可视化Nature 三色职责配色与统一样式模块,见可视化规范
获奖级排版规范国赛获奖论文版式与匿名合规,见论文与排版规范
质量闭环百分制五维自评与熔断机制,见评分体系

使用

把根目录的 SKILL.md 复制到所用 agent 的技能目录即可(各工具目录位置不同,以其文档为准;文件夹名须与 SKILL.md 头部的 name: math-modeling-helper 一致,例如 ~/.claude/skills/math-modeling-helper/SKILL.md)。依赖清单见环境依赖。


快速开始

技能装入 AI IDE 后,三步即可完成建模:

1️⃣ 上传赛题文件(PDF / Excel / 文本)或直接粘贴赛题内容
 ↓
2️⃣ 技能自动执行七阶段工作流(见下文「工作流程」)
 ↓
3️⃣ 获取完整项目目录:code/ + figures/ + paper/(结构见下文「目录与文件」)

工作流程

阶段零 环境预检 → 阶段一 赛题分析 → 阶段二 目录创建 → 阶段三 算法选择
 ↓
最终输出 ← 阶段六 评分 ≥ 85? → 阶段五 论文输出 ← 阶段四 代码实现
 ↓ 未达标
 针对性修改 → 重新评分(≤ 3 轮)
阶段工作内容
阶段零 · 环境预检检查 xelatex / pandoc / Python 依赖与绘图库,缺失项自动安装,输出环境状态报告
阶段一 · 赛题分析联网调研背景,判定问题类型(优化 / 预测 / 评价 / 分类 / 微分方程),梳理数据、约束与每问输出目标
阶段二 · 目录创建按题建立 answer/ 目录,统一 code / figures / paper 产出位置
阶段三 · 算法选择每问生成 2–3 种候选,按精度、复杂度、鲁棒性、可解释性、实现可行性五维择优,拟合性优先于高级性
阶段四 · 代码实现完整可运行代码,numpy 向量化,出版级可视化统一走样式模块出图
阶段五 · 论文输出xelatex 生成 PDF,pandoc 生成 Word(公式转 OMML),双格式同步交付
阶段六 · 评分优化百分制五维自评,未达标则针对性修改后重评(定稿门槛见评分体系)

环境依赖

以下依赖在阶段零自动预检,缺失项将自动安装或给出安装指引。

依赖用途安装方式
TeX Live / MiKTeX(xelatex)编译 LaTeX 生成 PDF官网安装
pandocLaTeX → Word,公式自动转 OMMLwinget install pandoc 或官网下载
Python 3.8+数值计算、机器学习与绘图官网安装
python-docx / PyMuPDF / openpyxl / xlrdWord 版式微调、PDF 与 Excel 数据读取pip install python-docx pymupdf openpyxl xlrd
numpy / pandas / scipy / matplotlib / seaborn数值计算、优化求解与绘图pip install
pulp / cvxpy / scikit-learn / xgboost / networkx / statsmodels规划建模、机器学习、图论、统计推断(按题选用)pip install
graphviz / kaleido复杂架构图 / plotly 静态导出(可选)按需安装

一键安装 Python 依赖(xelatex 与 pandoc 为系统级安装,见上表):

pip install numpy pandas scipy matplotlib seaborn openpyxl xlrd python-docx pymupdf pulp cvxpy scikit-learn xgboost networkx statsmodels

自检缺哪些包(全部可用则无输出):

python -c "import importlib.util as u; [print('MISSING:', m) for m in ['numpy','pandas','scipy','matplotlib','seaborn','openpyxl','xlrd','docx','fitz'] if u.find_spec(m) is None]"

按题需要另装:pymoo(NSGA-II/III)、prophet(时间序列)、pywt(小波)。


算法库

分类代表方法
基础数值方法二分法、牛顿迭代法、梯度下降、共轭梯度、单纯形法、内点法梯形 / 辛普森积分、高斯消元、LU 分解、最小二乘拟合拉格朗日 / 牛顿 / 三次样条插值
经典优化方法0-1 整数规划、非线性规划、动态规划、分支定界、线性规划(LP)、匈牙利算法目标规划、运输问题、二次规划、拉格朗日松弛博弈论(零和博弈、纳什均衡、演化博弈)
启发式优化遗传算法(GA)、模拟退火(SA)、粒子群优化(PSO)、禁忌搜索(TS)
图论与网络优化最短路径(Dijkstra / Floyd / Bellman-Ford)、最小生成树(Prim / Kruskal)、最大流、最小费用最大流TSP / VRP、二分图匹配、拓扑排序、关键路径法(CPM / PERT)、欧拉 / 哈密顿回路
群体智能算法差分进化(DE)、蚁群算法(ACO)、灰狼优化(GWO)、鲸鱼优化(WOA)、人工蜂群(ABC)麻雀搜索(SSA)、蜣螂优化(DBO)、金豺优化(GJO)、白鲸优化(BWO)
机器学习与深度学习XGBoost、SVM、随机森林、LightGBM、CatBoost、KNNTransformer、CNN、RNN / LSTM、自编码器(AE / VAE)、注意力机制强化学习:DQN、PPO、SAC、TD3
统计与数据分析假设检验(Z / t / 卡方、ANOVA、Shapiro-Wilk)、相关性(Spearman / Kendall)回归插值(响应面法 RSM、高斯过程回归 GPR、岭回归 / Lasso、多项式 / 逐步回归)降维聚类(PCA、t-SNE、UMAP、K-means / DBSCAN、层次聚类、GMM)时间序列(ARIMA、LSTM / GRU、Prophet、Holt-Winters、VAR)小样本预测(灰色预测 GM(1,1)、马尔可夫链、组合预测)分类判别(Fisher 判别、逻辑回归、朴素贝叶斯、决策树)统计推断(极大似然估计 MLE、EM 算法、贝叶斯估计)
综合评价与决策TOPSIS(熵权-TOPSIS 首选)、熵权法、CRITIC 权重法、层次分析法(AHP)灰色关联分析、模糊综合评价、数据包络分析(DEA)期望值决策法、决策树分析、成本效益分析
物理与工程建模运动学、拉格朗日力学、有限元分析、刚体动力学微分方程数值解(欧拉法、RK4、有限差分、SIR / SEIR、稳定性分析)蒙特卡洛仿真、离散事件仿真 DES、元胞自动机、多智能体仿真 ABM、排队论
信号处理FFT、小波变换、经验模态分解 EMD、卡尔曼滤波、希尔伯特-黄变换(HHT)
前沿创新方法物理信息神经网络 PINN、算子学习(DeepONet / FNO)、数字孪生符号回归、可解释 AI(SHAP / LIME)、因果推断(双重差分 DID、因果图)多目标优化(NSGA-II / III、MOEA/D)、鲁棒 / 贝叶斯优化、GNN / GAT、社区发现(Louvain)

论文与排版规范

  • 匿名一票否决 —— 全文任何位置(含页眉页脚、图片、代码注释、文件名)禁止出现姓名、学校、赛区、队号、指导教师,页眉必须留空
  • 双格式交付 —— .tex 源文件 + .pdf 成品 + .docx Word(pandoc 转换,公式为 OMML 原生数学格式,可在公式编辑器中编辑)
  • 页面设置 —— A4 纸、四边 2.5cm 页边距;中文正文宋体小四、西文与数字 Times New Roman;页码页尾居中,摘要页即第 1 页
  • 结构规范 —— 题目、摘要(800–1000 字、含具体数值与误差分析)、关键词三者同页;模型假设强制三线表(4–6 条,含合理性说明);全文表格禁止竖线
  • 公式规范 —— 核心公式(目标函数 / 关键约束 / 状态方程)独立编号并在正文引用;推导从简;检测量公式(R²/MAE/RMSE/MAPE)全文仅首次定义一次
  • 正文表述 —— 问题—回应结构,每问结尾给出明确结论段;问题间强制承上启下;去 AI 化自查(禁模板腔开头、套话升华、过渡词滥用)
  • 参考文献 —— GB/T 7714 格式,5–8 篇,至少 2 篇近 5 年文献、1 篇英文文献,逐条在线查证

可视化规范

  • 出版级质量 —— 分辨率 ≥300 DPI(密度类图可降至 200),线条 / 柱状类优先矢量 PDF
  • Nature 三色职责配色 —— 颜色只承担身份(主角蓝打头)、方向(红绿仅表增减并带 ↑/↓)、层级(TONE_RAMP 明度)三种职责,基准恒为灰;禁 jet / rainbow / 纯黑 / 脚本内硬编码色值,灰度打印仍可辨
  • 图表数量 —— 每小问至少 1 张彩色图,全文建议 6 张以上、保底 4 张;第二章强制插入问题分析流程图 / 技术路线图
  • 统一样式模块 —— 色板、色图、纹理、三档尺寸、分级字号与样式助手(style_axes / annotate_bars / delta_annotation 等)单点定义于 plot_style.py,正式图与预览图同品质
  • 图库不是边界 —— 图型随数据结构与要论证的结论选,模板库外可自由创新现绘;但样式零自由:全文一律共用同一套常量与「先登记方法-颜色对照」的跨图统一契约
  • 高频模板内置 —— 三维曲面(定比三维框 + 独立 colorbar)、热力图(上三角遮罩)、拟合对比(置信带 + 残差子图)、迭代收敛曲线、Pareto 前沿、问题分析流程图(内容 dict 驱动 + 自动正交连线 + 字宽门禁);泰勒图、云雨图、交叉验证 ROC、SHAP 组合等进阶图型另可套 mathmodel-figure 的同名模板作补充

评分体系

维度分值评分依据
摘要30结构完整性、数值具体性、递进关系、与正文一致性
算法 / 模型正确性20数学推导无误、约束完备、求解结果合理
创新性20方法创新度、跨学科融合、自定义指标构建
写作能力15逻辑连贯、学术语态、数据支撑、无空泛表达与 AI 痕迹
排版15格式规范、图表完整、符号一致、匿名合规(违反一票否决)
合计100≥ 85 分方可最终输出

未达标时列出扣分项、针对性修改后重新评分,最多优化 3 轮;3 轮后仍未达标则输出当前版本并标注「需人工复核」,熔断机制防止无限循环。


目录与文件

建模产出目录

第X题_赛题简称/
└── answer/
    ├── code/       # Python 代码(q1_*.py、q2_*.py,含 plot_style.py 统一样式模块)
    ├── figures/
    │   ├── final/  # 交付图(语义命名,须被论文引用)
    │   └── tmp/    # 调试图(与正式版同品质,交付前整体删除)
    └── paper/      # paper.tex + paper.pdf + paper.docx

仓库文件

文件说明
SKILL.md技能核心:七阶段工作流、算法库详解、代码模板、可视化与排版规范、正文语言规范、百分制评分体系
README.md中文说明文档(本文件)
README.en.md英文说明文档
LICENSEMIT 许可证

许可证

MIT License © 2026 Escap1ng

↑↓ navigate openesc close