math-modeling-skill

一个给 AI 编码/科研助手用的 数学建模竞赛技能（Agent Skill）：把一道赛题变成一篇评委愿意给高分的论文。

覆盖三大赛事：全国大学生数学建模竞赛（国赛 CUMCM）、中国研究生数学建模竞赛（华为杯研赛）、美国大学生数学建模竞赛（MCM/ICM 美赛）。

它不是一个"自动写论文"的工具，而是一位懂规则、懂评阅、懂建模流程的教练：帮你审题选题、选对模型、把检验做扎实、把论文写到规范里，并在提交前逐项卡住那些"会直接出局"的红线。

English: An agent skill for mathematical modeling competitions (China Undergraduate/Graduate MCM and COMAP MCM/ICM), providing workflow coaching from problem analysis to submission compliance, grounded in official rules and award-winning paper practices.

目录

• 快速开始
• 为什么需要它
• 安装
• 它会做什么
• 质量保障
• 仓库结构
• AI 使用合规
• 资料可信度约定
• 与同类项目的关系
• 免责声明
• License

快速开始

# 1. 生成论文骨架（选择你的竞赛）
python scripts/check_paper.py --init --contest cumcm -o my_paper.md

# 2. 填写【占位符】提示的内容

# 3. 边写边自检
python scripts/check_paper.py my_paper.md --contest cumcm

示例输出（FAIL=0 即可提交）：

论文自检报告 — my_paper.md（cumcm）
结果：FAIL 0 项，WARN 2 项

[INFO] structure: 必备章节齐全（10 项）
[INFO] abstract-ingredients: 摘要要素齐备
[INFO] anonymity: 未检出疑似身份信息
[WARN] references: 参考文献仅 3 条，偏少
[INFO] ai-disclosure: AI 工具使用声明存在（声明为：未使用）
[INFO] validation: 存在结果验证/误差分析

为什么需要它

数学建模竞赛的失分，绝大多数不是因为"模型不够高级"，而是因为四类可避免的问题：

1. 没检验——只给结果，没有误差、对比基线、灵敏度/稳健性分析。评委无从判断对错。
2. 摘要失败——摘要里没有具体数值结果。而评委往往先读摘要再决定是否细看。
3. 格式红线——匿名信息、页数超限、附录缺可运行程序、AI 使用声明缺失。这些可能直接取消评奖资格。
4. 模型堆砌——把 AHP+熵权+TOPSIS+神经网络全塞进去，却不解释为什么要用、各解决哪一问。

本技能把这些"规则知识"和"评阅视角"固化成可执行的流程与清单，让 AI 助手在每一步都按竞赛标准来要求你。

安装

技能遵循 Agent Skills 开放标准：一个目录 + 一个 SKILL.md（含 YAML frontmatter）。目录名必须与 frontmatter 里的 name 一致（本仓库已满足）。

通用安装（把仓库克隆为技能目录）

# 通用 Agent Skills 目录（跨工具）
git clone https://github.com/anticipate218/math-modeling-skill.git ~/.agents/skills/math-modeling-skill

DeepSeek Harness

# 用户级技能目录
git clone https://github.com/anticipate218/math-modeling-skill.git "$env:USERPROFILE/.dsh/skills/math-modeling-skill"

# 或项目级（对某个仓库生效）
git clone https://github.com/anticipate218/math-modeling-skill.git .dsh/skills/math-modeling-skill

Claude Code

git clone https://github.com/anticipate218/math-modeling-skill.git ~/.claude/skills/math-modeling-skill

手动安装：把整个仓库目录复制到你的技能根目录下，确保路径形如 <技能根目录>/math-modeling-skill/SKILL.md。

它会做什么

安装后，直接对助手说这些话即可触发：

增强模型库：

• references/model-implementations.md：按题目类别归类模型族，逐项说明基线、改进阶梯、适用前提与验证要求。
• references/github-resources.md：从 GitHub 一手 README/仓库页核验的 OR-Tools、Pyomo、sktime、Darts、StatsForecast、statsmodels、scikit-learn、XGBoost、SciML、FiPy、FEniCS、NetworkX、Shapely、Mesa、Nashpy 等资源。
• examples/modeling_patterns.py：带详细注释的 TOPSIS、滚动均值/MAE、Dijkstra、蒙特卡洛基线；只使用示例数据，不冒充完整解题器。

GitHub 资源使用原则：固定 commit/release，逐项检查仓库/代码/数据许可证，记录访问日期和运行环境；只借实现，不借论文结论，不报告未经核验的 stars 或性能排名。

自检脚本（无需安装依赖，Python 3.9+ 标准库即可）：

python scripts/check_paper.py paper.md --contest cumcm   # 国赛
python scripts/check_paper.py paper.md --contest yjs     # 研赛
python scripts/check_paper.py paper.md --contest mcm     # 美赛
python scripts/check_paper.py paper.md --contest cumcm --json   # 机器可读输出（接入 CI）
python scripts/check_paper.py --self-test                # 验证脚本自身可用

它检查：必备章节、摘要要素（问题/方法/结果/关键词）、匿名合规（国赛/研赛）、图表编号连续性与是否在正文被引用、正文引用标注、参考文献数量与著录完整性、附录程序声明、AI 工具使用声明及其位置、结果验证痕迹、单位混用、篇幅提示。输出 FAIL/WARN/INFO 分级，有 FAIL 时退出码为 1，可直接接入 CI。

脚本只做可机械校验的结构与合规检查；模型合理性、创新性与结果正确性必须人工复核。

质量保障

这个仓库不只有文档，还带四层可自动运行的检查（CI 每次提交都会跑）：

其中 validate_skill.py 对所有 Agent Skill 作者都有用：它专门拦"跨工具分发时会硬报错"的 frontmatter 问题（比如多写了非标准字段）。

仓库结构

math-modeling-skill/
├── SKILL.md                      # 主控：全流程 7 步 + 官方评奖四维 + 红线 + Gotchas
├── references/                   # 按需加载的详细资料（渐进式披露第二/三层）
│   ├── contests.md               # 三大竞赛规则对照（格式硬规则、AI 规定、纪律、提交物、官方链接）
│   ├── model-library.md          # 模型方法库：赛题信号 → 方法 → 工具 → 陷阱 + 历年赛题反查
│   ├── paper-structure.md        # 论文结构与写作规范（中/英文两套骨架 + 篇幅配比 + 获奖论文章节实证）
│   ├── scoring-rubric.md         # 评阅标准与失分点（官方原文 + 非官方经验明确标注）
│   ├── checklists.md             # 提交前自检清单（通用 / AI 合规 / 三赛事各自专用）
│   ├── github-resources.md       # 已核验 GitHub 模型库与许可证/边界说明
│   └── model-implementations.md  # 按题目类别的基线、改进阶梯和验证协议
├── scripts/
│   ├── check_paper.py            # 论文自检工具（纯标准库，非交互，支持 --json/--self-test/--init）
│   └── validate_skill.py         # 技能结构校验（frontmatter / 篇幅 / 文件引用）
├── assets/
│   ├── abstract-template.md      # 摘要模板：中文（国赛/研赛）+ 英文 Summary Sheet（美赛）
│   ├── cheatsheet.md             # 一页纸红线清单（可打印，提交前 30 分钟核对）
│   └── paper-outline.md          # 可填空论文骨架（三赛事，含占位符提示）
├── examples/
│   └── modeling_patterns.py       # 带注释的透明基线示例
├── evals/                        # 触发评测与行为用例（含 near-miss 负例）
├── .github/
│   ├── workflows/ci.yml          # 持续集成
│   └── ISSUE_TEMPLATE/           # Issue 模板（规则更新 / Bug 报告）
├── CONTRIBUTING.md               # 贡献指南（规则追踪项目的特殊要求）
├── CITATION.cff                  # 引用元数据
├── README.md
├── CHANGELOG.md
└── LICENSE

设计上遵循 Agent Skills 的渐进式披露原则：SKILL.md 只放"每次都要用到"的核心流程（保持精简），详细资料放进 references/ 由助手按需读取，避免一次性占满上下文。

一个重要提醒：AI 使用的合规

三大赛事都已就 AI 工具出台规定，且违规可能直接取消评奖资格。本技能会主动提醒并检查：

• 国赛（《人工智能工具使用规定（2026 年试行）》，2026-09-01 起）：须在参考文献之前设置「AI工具使用声明」——未使用 AI 也要声明；使用 AI 的须在支撑材料附 AI工具使用详情.pdf。隐瞒或虚假声明 → 取消评奖资格。
• 研赛（《人工智能工具及输出使用规定（2025）》）：程序与数据分析处须注释说明 AI 参与；无推导过程、无引用标识、无法确认来源的 AI 生成模型与公式一律不予认可。
• 美赛（COMAP AI 政策）：须披露所用工具并在参考文献列出，另附不计页数的 Report on Use of AI。

请把本技能用于备赛训练、赛后复盘、论文写作与提交前自检。 竞赛进行中，各赛事均严禁与队外任何人讨论赛题、也禁止在公开平台发布赛题相关内容——不要把赛题贴进对话求解答。

资料可信度约定

本仓库对每条规则的来源做了显式标注，你不必猜哪句是官方的：

同时明确记录了几处官方口径冲突与未公开项，例如：

• 官方从未公布评分权重表。唯一官方评奖标准是国赛《章程》第二条的四维定性描述。网上流传的"模型 30%＋求解 25%…"没有官方依据。
• 每题的**「评阅要点」是赛前发给评阅组的内部文件，不对外公布**；公开的题目级评阅思路见《数学建模及其应用》期刊的「评阅综述／问题解析」。
• 国赛全国规范不规定字体字号（属赛区要求），研赛规范则规定了具体字号——两者不可混用。
• "A/B/C 为本科组、D/E 为高职高专组"按惯例成立，但官网规范中无此明文。

细节与出处见 references/contests.md 与 references/scoring-rubric.md。

与同类项目的关系

写作本技能时参考并致谢以下公开项目与资料（各自版权归原作者）：

• latexstudio/CUMCMThesis —— 国赛 LaTeX 论文模板（已适配 2026 年格式，含 AI 声明书）。
• redefine0130/GMCMthesis-LaTeX-Template —— 研赛 LaTeX 模板。
• latexstudio-org/mcmthesis —— 美赛 LaTeX 模板（CTAN 事实标准）。
• handsomeZR-netizen/mathmodel-skill、LiXiang106991/MathModelAgent —— 面向数学建模的 AI 技能/Agent 实践，本项目的参考资料之一（未复制其内容）。
• agentskills.io —— Agent Skills 开放标准（格式规范与写作方法论的依据）。
• 各竞赛官方文件：全国大学生数学建模竞赛官网、中国研究生创新实践系列大赛平台、COMAP 官方竞赛规则。

语料统计参考：yuanchen-home/cumcm-step-review 的 64 篇国赛获奖论文结构分析。

本仓库内容为独立撰写。若你认为某处引用不当，欢迎提 issue。

免责声明

本项目不隶属于任何竞赛组委会，规则整理仅供备赛参考。竞赛规则逐年修订，参赛前请务必以当年官方文件为准（官方链接见 references/contests.md）。因使用本技能产生的任何竞赛后果，作者不承担责任。

License

MIT © 2026 anticipate218