yushui2022/MathModel-Skill

Agent-native mathematical modeling workflow skills for Trae, Claude Code, and Codex, covering problem parsing, modeling, code generation, evidence checks, paper writing, and Word delivery.

Python

447

72 commits

updated Sep 10, 2026

See the code

README

MathModel Skill:豆包坐镇指挥,Fable 推导模型,Astra 编写代码

MathModel Skill Standard

从赛题分析、真实计算到可复现的数学建模论文

Version Platforms License

MathModel Skill 是一套供编程 Agent 使用的数学建模 Skills。把赛题与附件放入项目后,Agent 按工作流分析问题、选择模型、编写并运行代码、整理图表和证据,再撰写与检查论文;它不只是让模型直接生成一篇文章的提示词。

当前是默认 standard 分支的 Standard 2.3.0,定位标准档,建议搭配 GPT-5.5、GPT-5.6 Sol 等具备稳定推理、长上下文和工具调用能力的模型。它在流程复杂度与计算成本可控的前提下,提供完整章节写作、原生 Word 公式和 PDF 渲染检查。最终产物包括论文、赛题代码、计算结果、图表和验证记录;检查通过不等于保证论文优秀或竞赛获奖。

能力档位:入门 → 标准 → 旗舰

三个主版本按模型能力要求、流程复杂度与验证深度,从低到高分档;分别在独立 Git 分支维护,不是安装后的切换模式:

档位与版本推荐模型示例流程与交付能力
1 · 入门档 LiteDeepSeek 等模型;优先低负担运行基础建模报告:一个入口、六步流程,真实计算与基础 Word 导出;不含严格引文、原生 Word 公式和 PDF 验收。
2 · 标准档 Standard(默认)GPT-5.5 / GPT-5.6 Sol 等;兼顾能力与投入正式竞赛论文:完整章节写作、证据与写作检查、原生公式 Word 和 PDF 渲染检查,流程复杂度可控。
3 · 旗舰档 Pro(预发布)GPT-6 Astra / Claude Fable 5.1 等前沿模型;接受高计算投入高强度研究与验证:多路线比较、独立复算、稳健性实验、五角色审稿和 Word/PDF 检查;有三个用户确认点。

这是本项目的推荐搭配,不是对同品牌所有模型的固定排名,也不代表已完成实战认证;最终看具体型号、推理档位与工具能力。

另有 LaTeX(实验性预发布):旧版工作流的 TeX/PDF 导出分支,不是第四个能力档位,也不是当前 Standard 或 Pro 的 LaTeX 模式。

一个项目只安装一个版本、一个平台包,不要混装。 各版本的具体导入方法见下方快速使用说明。

小红书

作者:Orlando Liu(奥兰多),小红书号:xiaoyushui2022。点击图片进入主页,也可以扫码找到我。

Orlando Liu 小红书主页与二维码

快速导入使用

1. 下载 Standard 安装包

一个比赛项目只安装一个版本、一个平台包。 不要把 Standard、Lite、Pro 或 LaTeX 包混在同一目录。

Standard 2.3.0 Release 下载与你的 Agent 对应的一个安装包:

平台直接下载解压后的 Skill 目录
CodexCodex 安装包.agents/skills/
Claude CodeClaude Code 安装包.claude/skills/
TraeTrae 安装包.trae/skills/

上面的安装包不同于 GitHub 的 Code → Download ZIP 仓库源码。需要核验下载时,使用 Release 中的 SHA256SUMS.txt

2. 导入项目并准备环境

在一个独立的数学建模项目目录中解压安装包,不要只复制 SKILL.md,也不要覆盖用户已有的 AGENTS.mdCLAUDE.md。确认隐藏目录里的 Skills 已完整解压,再用对应 Agent 打开这个项目。

使用 Python 3.11 或 3.12,在项目根目录安装依赖:

python -m pip install -r requirements.txt
python -m pip check

正式交付还需要安装 LibreOffice,并使 sofficelibreoffice 可用。没有它可以进行前期工作,但不能通过最终 PDF 渲染检查。

3. 放入赛题与附件

在项目根目录创建 problem_files/,放入赛题、官方附件与数据。例如 Codex 项目:

your-project/
├── .agents/skills/
├── requirements.txt
└── problem_files/
    ├── 赛题.pdf
    └── 附件.xlsx

Claude Code 或 Trae 使用上表中自己的 Skill 目录,输入目录保持不变。

4. 对 Agent 说

请使用 $paper-workflow-orchestrator 完成这个数学建模项目。
赛题和官方附件已放在 problem_files/。
先预检输入,再按 S0-S8 执行,必须真实运行代码并保留结果证据。
采用完整章节写作,允许分多轮完成,最后统一全文,不要只输出摘要或拼接微单元。
请核对当年赛题的篇幅和格式规则,不自行降低为短报告。
所有赛题产物写入 paper_output/;证据、写作与 Word/PDF 检查未通过,不要称为最终稿。

正常使用不需要手工执行整套脚本。若 Agent 没有识别入口,让它先读取所安装目录中的 paper-workflow-orchestrator/SKILL.md。继续上次任务、修复章节的提示词见 启动与恢复提示词

完成后先查看:

产物位置
正式 Wordpaper_output/final_paper.docx
正式 Markdown 源稿paper_output/final_paper_source.md
渲染 PDFpaper_output/qa/rendered/final_paper.pdf
代码、结果与图表paper_output/code/results/figures/tables/
最终检查报告paper_output/format_check_report.json

原理介绍

先计算、后成文

Standard 保留 S0-S8 单一工作流。不同 Skills 各自负责一个环节,用实际文件和证据交接,而不是仅依赖对话记忆。

S0 输入与安装预检 → S1 题意分析 → S2 模型路线
→ S3 数据与图表计划 → S4 编写代码 → S5 真实运行
→ S6 证据检查 → S7 自适应正式写作 → S8 Word/PDF 检查

脚本、输入和输出都记录 SHA-256。证据或已审计文件变化后,依赖它们的通过状态会失效,必须重新计算或验证。安装目录只保存通用能力,当前赛题代码始终写到 paper_output/code/

章节写作与局部修复

paper-formal-writer 是唯一正式主笔:先制定写作计划,再按完整章节写作与审计;全部章节通过后确定性合并,由 Agent 全文统一改写,最后生成 DOCX。

默认完整竞赛稿使用 section 模式。明确要求的短报告可使用 global,同类问题连续两次失败后转为章节写作。单章同类问题连续两次失败才启用局部 micro-repair;第三次仍失败则阻塞并报告原因,不自动切换版本。旧微单元与 quickstart 只保留为非正式草稿。

篇幅、证据与渲染检查

默认完整稿规划至少 14000 有效字符,检查主稿至少 8000 有效字符、附录前渲染页数至少 18 页。这些是防止极短稿的项目默认值,不是所有比赛的统一规定,也不是优秀论文标准。 具体比赛的页数上限和计页方式仍要单独核对。

每问需要实质性的建模、计算结果与解释;注释、代码块和附录不能用于填补主稿长度。范围调整或短报告必须明确说明理由,不用空页、放大排版或重复正文凑数。

正式稿要求新鲜的证据与写作检查、可编辑的 Word OMML 公式和真实 LibreOffice 渲染。完整稿和短报告不能通过 --render skip 完成最终检查;仅明确的安装测试允许豁免,并标记为 SMOKE_TEST_ONLY

验证状态与详细文档

  • 发布提交已通过原有 42 项回归和新增 14 项范围与渲染检查;CI 覆盖 Windows/Ubuntu、Python 3.11/3.12,并含 LibreOffice 渲染任务。
  • 历史 B 题工程示例没有重新生成,可用于理解产物组织方式,不代表通过当前全部检查。真实赛题约 20 页终稿的质量验收仍未完成。
  • 安装指南 · 正式写作指南 · 工作流契约 · 输出目录
  • 分支 dist/ 是随提交维护的构建包;上面的 Release 是固定版本快照,不会随 README 更新而被覆盖。

开发者可在仓库中执行:

python scripts/sync_platform_packages.py --check
python -u tests/run_tests.py
python tests/test_paper_scope.py
python scripts/build_release_packages.py --verify

MIT License,Copyright (c) 2026 yushui2022.

Contributors

yushui2022

72 commits

yushui2022/MathModel-Skill

Agent-native mathematical modeling workflow skills for Trae, Claude Code, and Codex, covering problem parsing, modeling, code generation, evidence checks, paper writing, and Word delivery.

Python

447

72 commits

updated Sep 10, 2026

See the code

README

MathModel Skill:豆包坐镇指挥,Fable 推导模型,Astra 编写代码

MathModel Skill Standard

从赛题分析、真实计算到可复现的数学建模论文

Version Platforms License

MathModel Skill 是一套供编程 Agent 使用的数学建模 Skills。把赛题与附件放入项目后,Agent 按工作流分析问题、选择模型、编写并运行代码、整理图表和证据,再撰写与检查论文;它不只是让模型直接生成一篇文章的提示词。

当前是默认 standard 分支的 Standard 2.3.0,定位标准档,建议搭配 GPT-5.5、GPT-5.6 Sol 等具备稳定推理、长上下文和工具调用能力的模型。它在流程复杂度与计算成本可控的前提下,提供完整章节写作、原生 Word 公式和 PDF 渲染检查。最终产物包括论文、赛题代码、计算结果、图表和验证记录;检查通过不等于保证论文优秀或竞赛获奖。

能力档位:入门 → 标准 → 旗舰

三个主版本按模型能力要求、流程复杂度与验证深度,从低到高分档;分别在独立 Git 分支维护,不是安装后的切换模式:

档位与版本推荐模型示例流程与交付能力
1 · 入门档 LiteDeepSeek 等模型;优先低负担运行基础建模报告:一个入口、六步流程,真实计算与基础 Word 导出;不含严格引文、原生 Word 公式和 PDF 验收。
2 · 标准档 Standard(默认)GPT-5.5 / GPT-5.6 Sol 等;兼顾能力与投入正式竞赛论文:完整章节写作、证据与写作检查、原生公式 Word 和 PDF 渲染检查,流程复杂度可控。
3 · 旗舰档 Pro(预发布)GPT-6 Astra / Claude Fable 5.1 等前沿模型;接受高计算投入高强度研究与验证:多路线比较、独立复算、稳健性实验、五角色审稿和 Word/PDF 检查;有三个用户确认点。

这是本项目的推荐搭配,不是对同品牌所有模型的固定排名,也不代表已完成实战认证;最终看具体型号、推理档位与工具能力。

另有 LaTeX(实验性预发布):旧版工作流的 TeX/PDF 导出分支,不是第四个能力档位,也不是当前 Standard 或 Pro 的 LaTeX 模式。

一个项目只安装一个版本、一个平台包,不要混装。 各版本的具体导入方法见下方快速使用说明。

小红书

作者:Orlando Liu(奥兰多),小红书号:xiaoyushui2022。点击图片进入主页,也可以扫码找到我。

Orlando Liu 小红书主页与二维码

快速导入使用

1. 下载 Standard 安装包

一个比赛项目只安装一个版本、一个平台包。 不要把 Standard、Lite、Pro 或 LaTeX 包混在同一目录。

Standard 2.3.0 Release 下载与你的 Agent 对应的一个安装包:

平台直接下载解压后的 Skill 目录
CodexCodex 安装包.agents/skills/
Claude CodeClaude Code 安装包.claude/skills/
TraeTrae 安装包.trae/skills/

上面的安装包不同于 GitHub 的 Code → Download ZIP 仓库源码。需要核验下载时,使用 Release 中的 SHA256SUMS.txt

2. 导入项目并准备环境

在一个独立的数学建模项目目录中解压安装包,不要只复制 SKILL.md,也不要覆盖用户已有的 AGENTS.mdCLAUDE.md。确认隐藏目录里的 Skills 已完整解压,再用对应 Agent 打开这个项目。

使用 Python 3.11 或 3.12,在项目根目录安装依赖:

python -m pip install -r requirements.txt
python -m pip check

正式交付还需要安装 LibreOffice,并使 sofficelibreoffice 可用。没有它可以进行前期工作,但不能通过最终 PDF 渲染检查。

3. 放入赛题与附件

在项目根目录创建 problem_files/,放入赛题、官方附件与数据。例如 Codex 项目:

your-project/
├── .agents/skills/
├── requirements.txt
└── problem_files/
    ├── 赛题.pdf
    └── 附件.xlsx

Claude Code 或 Trae 使用上表中自己的 Skill 目录,输入目录保持不变。

4. 对 Agent 说

请使用 $paper-workflow-orchestrator 完成这个数学建模项目。
赛题和官方附件已放在 problem_files/。
先预检输入,再按 S0-S8 执行,必须真实运行代码并保留结果证据。
采用完整章节写作,允许分多轮完成,最后统一全文,不要只输出摘要或拼接微单元。
请核对当年赛题的篇幅和格式规则,不自行降低为短报告。
所有赛题产物写入 paper_output/;证据、写作与 Word/PDF 检查未通过,不要称为最终稿。

正常使用不需要手工执行整套脚本。若 Agent 没有识别入口,让它先读取所安装目录中的 paper-workflow-orchestrator/SKILL.md。继续上次任务、修复章节的提示词见 启动与恢复提示词

完成后先查看:

产物位置
正式 Wordpaper_output/final_paper.docx
正式 Markdown 源稿paper_output/final_paper_source.md
渲染 PDFpaper_output/qa/rendered/final_paper.pdf
代码、结果与图表paper_output/code/results/figures/tables/
最终检查报告paper_output/format_check_report.json

原理介绍

先计算、后成文

Standard 保留 S0-S8 单一工作流。不同 Skills 各自负责一个环节,用实际文件和证据交接,而不是仅依赖对话记忆。

S0 输入与安装预检 → S1 题意分析 → S2 模型路线
→ S3 数据与图表计划 → S4 编写代码 → S5 真实运行
→ S6 证据检查 → S7 自适应正式写作 → S8 Word/PDF 检查

脚本、输入和输出都记录 SHA-256。证据或已审计文件变化后,依赖它们的通过状态会失效,必须重新计算或验证。安装目录只保存通用能力,当前赛题代码始终写到 paper_output/code/

章节写作与局部修复

paper-formal-writer 是唯一正式主笔:先制定写作计划,再按完整章节写作与审计;全部章节通过后确定性合并,由 Agent 全文统一改写,最后生成 DOCX。

默认完整竞赛稿使用 section 模式。明确要求的短报告可使用 global,同类问题连续两次失败后转为章节写作。单章同类问题连续两次失败才启用局部 micro-repair;第三次仍失败则阻塞并报告原因,不自动切换版本。旧微单元与 quickstart 只保留为非正式草稿。

篇幅、证据与渲染检查

默认完整稿规划至少 14000 有效字符,检查主稿至少 8000 有效字符、附录前渲染页数至少 18 页。这些是防止极短稿的项目默认值,不是所有比赛的统一规定,也不是优秀论文标准。 具体比赛的页数上限和计页方式仍要单独核对。

每问需要实质性的建模、计算结果与解释;注释、代码块和附录不能用于填补主稿长度。范围调整或短报告必须明确说明理由,不用空页、放大排版或重复正文凑数。

正式稿要求新鲜的证据与写作检查、可编辑的 Word OMML 公式和真实 LibreOffice 渲染。完整稿和短报告不能通过 --render skip 完成最终检查;仅明确的安装测试允许豁免,并标记为 SMOKE_TEST_ONLY

验证状态与详细文档

  • 发布提交已通过原有 42 项回归和新增 14 项范围与渲染检查;CI 覆盖 Windows/Ubuntu、Python 3.11/3.12,并含 LibreOffice 渲染任务。
  • 历史 B 题工程示例没有重新生成,可用于理解产物组织方式,不代表通过当前全部检查。真实赛题约 20 页终稿的质量验收仍未完成。
  • 安装指南 · 正式写作指南 · 工作流契约 · 输出目录
  • 分支 dist/ 是随提交维护的构建包;上面的 Release 是固定版本快照,不会随 README 更新而被覆盖。

开发者可在仓库中执行:

python scripts/sync_platform_packages.py --check
python -u tests/run_tests.py
python tests/test_paper_scope.py
python scripts/build_release_packages.py --verify

MIT License,Copyright (c) 2026 yushui2022.

Contributors

yushui2022

72 commits

Languages

Python

100.0%