🤖 MathModelAgent 📐

专为数学建模设计的 Agent
自动完成数学建模，生成一份完整的可以直接提交的论文。

简体中文 | English

⬇️ 下载最新桌面版（推荐）

🎨 姊妹项目：sci-box —— 科研图表 & 流程图 SKILL 合集

---

🖥️ 桌面版（推荐使用方式）

不想折腾环境？直接下载桌面版，开箱即用。

👉 前往 Releases 下载最新版本

桌面版已内置 Claude Code 与全套 MathModelAgent SKILLS，无需安装 Python / Node.js / Redis，也无需手动配置 SKILL，装好填一个模型 API Key 即可开始建模。

macOS 安装包已 Developer ID 签名并通过 Apple 公证。

[!TIP] 不确定自己的 Mac 是哪种芯片？点击左上角 → 关于本机，看「芯片」一栏：显示 Apple M 系列选 arm64，显示 Intel 选 x64。

[!WARNING] Windows 安装包当前未签名，首次安装或运行时可能出现 Microsoft Defender SmartScreen 提示，请选择「更多信息」→「仍要运行」，并务必从官方 Releases 页面 下载。

安装后应用会自动检查更新（macOS 支持自动更新，Windows 待代码签名证书配置完成后启用）。

如果你是开发者，想自行部署或参与贡献，请继续阅读下方的 SKILLS 与 使用教程。

---

🌟 愿景：

3 天的比赛时间变为 1 小时 自动完整一份可以获奖级别的建模论文

✨ 功能特性

• 🔍 自动分析问题，数学建模，编写代码，纠正错误，撰写论文
• 💻 Code Interpreter
  • local Interpreter: 基于 jupyter , 代码保存为 notebook 方便再编辑
  • 云端 code interpreter: E2B 和 daytona
• 📝 生成一份编排好格式的论文
• 🤝 multi-agents: 建模手，代码手，论文手等
• 🔄 multi-llms: 每个 agent 设置不同的、合适的模型
• 🤖 支持所有模型: litellm
• 💰 成本低：workflow agentless，不依赖 agent 框架
• 🧩 自定义模板：prompt inject 为每个 subtask 单独设置需求
• 🌐 Web Search: Agent 自主搜索互联网获取真实数据（Tavily API）
• 📚 RAG 知识库: 从本地知识库检索建模方法、代码模板、论文写作参考（ChromaDB + Rerank）
• 🤝 HIL 人机协作: 关键节点暂停等待用户审批，支持 6 种决策动作（confirm / edit / regenerate / ask / skip / abort）
• 🛡️ 四层容错: 有限重试 → Fallback Hand Off → Evaluator Shadow Mode → Feedback Rerun

---

---

我在平台中托管了一个在线版本，方便使用，欢迎体验：

https://mathmodel.top/home

SKILLS

项目蒸馏成完全由 SKILLS 驱动 不再做 Harness 层

Intro

MathModelAgent SKILL —— 直接在 Harness 中驱动的数学建模自动化方案.

💰 开源免费，接入任意模型 完全开源免费，可接入任何模型。

🧠 端到端自动化 从问题分析、建模、编码、绘图到论文排版和验收，一条 /1start-mathmodel 命令全自动完成，中间阶段自动串联，无需人工干预。

📄 17 套 Typst 论文模板 内置中英文主流赛事模板（国赛、华数杯、华为杯、MCM/ICM 等），自动匹配赛事类型，生成排版精良、可直接提交的 PDF 论文。

📐 内置建模知识库 包含完整的建模规范、模型选择决策树（AHP、TOPSIS、ARIMA、GA 等）、常见易错模式和 MCM/ICM 评分标准，每个阶段自动参考，降低模型幻觉。

✅ 9 步自动验收 文本泄漏检测 → 数值一致性校验 → Typst 编译 → PDF 可视化检查，确保论文零低级错误。

🔧 可组合、可扩展 每个阶段是独立 Skill，可单独调用（如只跑分析、只写论文）；模板和知识库可自由扩展；支持 Typst 生态排版。

🎨 姊妹项目：sci-box（科研图表 & 流程图）

科研绘图和流程图模板已独立成仓库 jihe520/sci-box，可单独安装、单独使用：

npx skills add jihe520/sci-box

Install & Usage

安装 SKILL

npx skills add jihe520/MathModelAgent --all

运行

// claude
claude --dangerously-skip-permissions
claude: /1start-mathmodel 完成这个数学建模任务

// codex
codex --yolo
codex: $start-mathmodel 完成这个数学建模任务

其他命令

/doctor:  检查环境配置
/typst-author: typst 知识

What Can You Contribute?

项目以后只会做 SKLLS 层的迭代和优化，不会再做其他部分。

如果你希望寻找 Agent 开发岗位，你可以研究该项目 Agent 设计并贡献，我会尽量合并.

你能做什么：

• 优化贡献比赛 typst Template , 你可以找一些 LaTeX 转成 typst
• 优化 SKILL Workflow
• 在不同的 Harness 上测试 不同的 LLM, 提供反馈和案例放在 example 仓库

Harness SKILL 的优化需要大量黑盒测试和调优.

Thinking

• 两年前，我做了一个 Mulit-Agent 的数学建模项目并开源出来，收到了社区的欢迎和很多 star, 感谢大家支持。
• 感谢开源的 latex 模板，我在此基础上转化为 typst 模板
• 此 SKILL 是一个基础模板，你可以基于此构建更适合你自己的 MathModel SKILL
• For Agent DEVs : 两年前，我都是自己实现一套 Agent 框架，现在和以后更多的 Agent 产品直接基于 Harness 如 Codex / Claude Code / Pi + SKILLS 来构建

---

---

🚀 后期计划

• 添加并完成 webui、cli
• 完善的教程、文档
• 提供 web 服务
• 英文支持（美赛）
• 集成 latex 模板
• 接入视觉模型
• 添加正确文献引用
• 更多测试案例
• docker 部署
• human in loop ( HIL ): 关键节点暂停等待用户审批，支持 6 种决策动作（confirm/edit/regenerate/ask/skip/abort）
• feedback: 评估器评分 + 反馈注入重跑，先 Writer 后 Coder
• codeinterpreter 接入云端 如 e2b 等供应商..
• 多语言: R 语言, matlab
• 绘图 napki,draw.io,plantuml,svg, mermaid.js
• 添加 benchmark
• web search tool: Tavily API 搜索互联网获取真实数据
• RAG 知识库: ChromaDB + Rerank 检索建模方法、代码模板、论文写作参考
• A2A hand off: Fallback 自动切换备用模型 + 有限重试 + Evaluator Shadow Mode
• chat / agent mode

视频demo

[!CAUTION] 项目处于实验探索迭代demo阶段，有许多需要改进优化改进地方，我(项目作者)很忙，有时间会优化更新 欢迎贡献

📖 使用教程

提供三种部署方式，请选择最适合你的方案：

1. docker(最简单)
2. 本地部署
3. 脚本本地部署(社区)

下载项目

git clone https://github.com/jihe520/MathModelAgent.git # 克隆项目

如果你想运行 命令行版本 cli 切换到 master 分支,部署更简单，但未来不会更新

🐳 方案一：Docker 部署（推荐：安全简单）

确保电脑安装了 docker 环境

1. 启动服务

在项目文件夹下运行:

docker-compose up

2. 访问

现在你可以访问：

• 前端界面：http://localhost:5173
• 后端API：http://localhost:8000

3. 配置

侧边栏 -> 头像 -> API Key

💻 方案二: 本地部署（推荐项目开发者部署）

确保电脑中安装好 Python, Nodejs, Redis 环境

step1:安装依赖

1. 下载Redis(记得设置环境变量redis_path)

• windows 下载地址：https://github.com/tporadowski/redis/releases
• linux or mac 下载地址：https://redis.io/docs/latest/operate/oss_and_stack/install/install-stack/

2. 安装后端依赖

# ============ 安装依赖 ============
# 1. 切换到 backend 目录
cd backend
# 2. 安装 uv 包管理器（推荐）
pip install uv
# 3. 同步项目依赖
uv sync

# ============ MacOS / Linux 安装命令 ============
# 1. 设置环境变量
export ENV=DEV
export REDIS_URL=redis://localhost:6379/0

# ============ Windows PowerShell 安装命令 ============
# 1. 设置环境变量
$env:ENV="DEV"
$env:REDIS_URL="redis://localhost:6379/0"
# 2. 设置 PowerShell 执行策略策略为 RemoteSigned
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser
# 3. 创建虚拟环境
python -m venv venv

3.安装前端依赖

cd frontend # 切换到 frontend 目录下
npm install -g pnpm
pnpm i

step2:启动项目

windows用户直接双击运行项目中的win_start.bat 即可启动项目

1.启动 Redis

redis-server

2.启动后端

# ============ MacOS / Linux 安装命令 ============
# 1. 激活虚拟环境
source .venv/bin/activate
# 2. 启动后端服务（激活后可直接使用 uvicorn 命令）
uvicorn app.main:app --host 0.0.0.0 --port 8000 --ws-ping-interval 60 --ws-ping-timeout 120 --reload

# ============ Windows PowerShell 安装命令 ============
# 1. 切换到 backend 目录
cd .\backend\
# 2. 激活虚拟环境
.\venv\Scripts\Activate.ps1
# 3. 启动后端服务
uvicorn app.main:app --host 0.0.0.0 --port 8000 --ws-ping-interval 60 --ws-ping-timeout 120 --reload

3.启动前端

cd .\frontend\
pnpm run dev

修改 backend/.env.dev 的环境变量 REDIS_URL

配置API Key

1. 使用 WebUI  侧边栏 -> 头像 -> API Key
2. 修改 backend/.env.dev 文件  先将.env.example文件 改为.env.dev  然后在.env.dev中 修改各 Agent API 配置

🚀 方案三：自动脚本部署（来自社区）

有没有自动部署的脚本 ？ mmaAutoSetupRun

教程

运行的结果和产生在backend/project/work_dir/xxx/*目录下

• notebook.ipynb: 保存运行过程中产生的代码
• res.md: 保存最后运行产生的结果为 markdown 格式

需要自定义自定义提示词模板 template ？ Prompt Inject : prompt

网络状况太差难以配置Docker等设置？ 网络不畅时的配置过程示例：网络环境极差时的MathModelAgent配置过程

⚙️ 新功能配置

MathModelAgent 支持以下可选功能，默认已关闭，开启后未配置外部依赖时自动降级跳过。详见 升级说明。

快速启用 Web Search：注册 Tavily 获取 API Key，在 backend/.env.dev 中设置 TAVILY_API_KEY=tvly-xxx。

🤝 贡献和开发

DeepWiki | Zread

[!TIP] 如果你有跑出来好的案例可以提交 PR 在该仓库下: MathModelAgent-Example

• 项目处于开发实验阶段（我有时间就会更新），变更较多，还存在许多 Bug，我正着手修复。
• 希望大家一起参与，让这个项目变得更好
• 非常欢迎使用和提交 PRs 和 issues
• 需求参考 后期计划

clone 项目后，下载 Todo Tree 插件，可以查看代码中所有具体位置的 todo

.cursor/* 有项目整体架构、rules、mcp 可以方便开发使用

📄 版权License

个人免费使用，请勿商业用途，商业用途联系我（作者）

License

🙏 Reference

Thanks to the following projects:

• OpenCodeInterpreter
• TaskWeaver
• Code-Interpreter
• Latex
• Agent Laboratory
• ai-manus

其他

💖 Sponsor

☕️ 给作者买一杯咖啡

https://linux.do/

企业

302.AI 是一个按用量付费的企业级AI资源平台，提供市场上最新、最全面的AI模型和API，以及多种开箱即用的在线AI应用

用户

danmo-tyc

👥 GROUP

有问题可以进群问

点击链接加入腾讯频道【MathModelAgent】：https://pd.qq.com/s/7rfbai3au

点击链接加入群聊 779159301【MathModelAgent】：https://qm.qq.com/q/Fw2cCJPoki

Discord

[!CAUTION] 免责声明: 注意，AI 生成仅供参考，目前水平直接参加国赛获奖是不可能的，但我相信 AI 和 该项目未来的成长。