数模军械库 · MathModeling Skills Arsenal

把读题、建模求解、科研绘图、论文写作与终稿检查组织成可追溯的 AI Agent 工作流。

适合已有题目、数据和人工判断，希望让 AI 分工、证据和交付更清楚的建模团队。覆盖国赛、美赛、MathorCup 等竞赛；具体格式与 AI 使用要求以本届官方规则为准。

先看效果： 逐章写作示例 · 可复制提示词 · 验证与边界 · 完整技能目录

能得到什么

你的任务	主要技能	可检查的产出
组织完整参赛流程	`contest-orchestrator`	问题划分、模型计划、实验记录、任务卡、人工批准与交付检查
选择模型与处理数据	`math-model-selector`、`data-science-stack`	模型选择表、数据协议、baseline、公平比较与独立核验材料
写出有论证的章节	`academic-writing`	读者问题、完整章节、符号与主张证据审阅；普通润色保护公式和数字
制作论文数据图	`scipilot-figure-skill`、`modelviz`	图表决策卡、模板适配脚本、SVG/PNG 和视觉 QA
画流程、技术路线与机制图	`tikz-scientific-figures`	可编辑 TikZ 源与 SVG/PNG
排版和交稿前复查	`mathmodel-latex-skill`、`bzd-review-paper`	论文工程、编译与一致性检查、问题清单与评审报告

这些是工作流和工具能力，不构成获奖、预测精度或论文质量保证。真实结论仍需要实际数据、实验与人工核验。

本次更新：章节批准后，图文并行

Harness 与 MathorCup 的新模板采用 chapter_parallel。先写建模求解，目录顺序与实际写作顺序分别维护。每次提交完整一章，由使用者批准后再写下一章；图表提示词也在该章批准后产生，由使用者转交图表角色。

flowchart LR
    A[全文论证计划] --> B[完整建模求解章节]
    B --> C{人工批准本章}
    C --> D[下一章写作]
    C --> E[本章图表提示词]
    E --> F[用户转交图表角色]
    F --> G[成图与定向返修]
    D --> H[正文与附录完成]
    H --> I[摘要最后写]
    G --> J[最终接图与全文终审]
    I --> J

图件返修更新提示词版本，后续章节继续写；未变正文的批准保持有效。最终交付仍检查最新图件、选定版本、证据来源与全文一致性。历史四批写作记录继续兼容。

三分钟开始

git clone https://github.com/hua695/MathModeling-Skills-Arsenal.git
cd MathModeling-Skills-Arsenal

仓库使用 skills/<分类>/<技能>/SKILL.md 结构，安装时将技能目录放到宿主实际读取的技能根目录。以 Codex 用户技能目录为例：

# PowerShell：只安装数模分类，跳过创意写作。
$skillRoot = Join-Path $env:USERPROFILE '.agents/skills'
New-Item -ItemType Directory -Force -Path $skillRoot | Out-Null
Get-ChildItem skills/0* -Directory | ForEach-Object {
    Get-ChildItem $_.FullName -Directory | ForEach-Object {
        Copy-Item -LiteralPath $_.FullName -Destination $skillRoot -Recurse
    }
}

已有同名技能时先比较与备份，再合并。Claude Code、WorkBuddy 等宿主使用各自配置的技能目录；支持 SKILL.md 不代表工具、模型和多角色能力完全相同。

安装后打开新会话，给出题目、附件路径与规则来源：

使用 contest-orchestrator。先读取我的题目和本届规则，列出缺失输入，
选择合适模式。先做题意与模型计划，不直接生成最终论文或编造实验结果。

MathorCup 全流程可指定 full-contest-mathorcup；只解一问、只画图或只审稿时使用对应单项技能。详见启动示例。

如何判断效果

流程验证： 正反例测试检查提前派发、输入哈希漂移、旧图版本等是否被拒绝。
输出示例： 合成章节与图表交接展示输入、正文、批准边界与提示词，附可运行的数据计算。
视觉样例： 下图是已有 fireworks-tech-graph 的上游风格资源，不代表本次生成的科研结果图。科研数据图走 SciPilot / ModelViz，竞赛非数据图默认走 TikZ。

技术图示风格样例

测试数量、已知版本问题、复现命令和覆盖范围见验证说明。主控包含开发快照更新，尚未作为通过全部发布门的稳定新版发布。

环境与维护

验证环境为 Python 3.13，推荐 Python 3.11 及以上，并按具体技能安装依赖。主控 YAML 检查需要 PyYAML；数据分析还需要相应科学计算库。LaTeX 图文工程需要 TeX、字体和 SVG 转换工具，源码检查不能替代实际编译。

python -m pip install pyyaml
python scripts/check_repository.py
cd skills/01-core/contest-orchestrator
python -m unittest discover -s tests -p 'test_mathorcup*.py'
python -m unittest discover -s tests -p 'test_harness*.py'

贡献与维护 · 更新记录 · 问题反馈

技能通过名称互相引用，请保留目录名及原有许可证。tech-route-maker 等历史独立技能保留在目录中，主控不再将其作为路线图兜底。创意写作分类可单独安装。

仓库不发布比赛论文全文、赛事私有数据、个人记忆和凭据。整体协议为 Apache-2.0；第三方技能目录中的许可证优先适用，详见目录与协议。