math-modeling-skill

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
• 下载与安装
• 它会做什么
• 提示词模板
• 算法与代码
• 怎么做出创新点
• 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

第 0 步：装上它（初次使用，详见下载与安装）

最省事的方式是把这句话发给你正在用的 AI 助手，让它自己装：

请阅读并按 https://raw.githubusercontent.com/anticipate218/math-modeling-skill/main/INSTALL.md 的说明，把 math-modeling-skill 这个技能安装到我当前使用的助手环境里；装完告诉我装到了哪个路径、是哪个版本、以及怎么开始用。

想自己动手的话，一行命令也行：

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

或者用技能包自带的安装器（会自动挑位置、丢掉 .git/、装完自校验）：

python scripts/install_skill.py --list-targets   # 先看装哪儿合适
python scripts/install_skill.py --target auto

第 1 步：生成论文骨架（选择你的竞赛）

python scripts/check_paper.py --init --contest cumcm -o my_paper.md

第 2 步：拷出对应竞赛的 LaTeX 模板（想用 LaTeX 排版的话）

python scripts/download_templates.py --contest cumcm --out my_paper

第 3 步：填写【占位符】提示的内容

第 4 步：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

以上脚本都不需要安装任何依赖（纯 Python 标准库），也不需要联网。唯一的外部依赖是可选的：想真的把 LaTeX 模板编译成 PDF，才需要本机有 TeX 发行版。

---

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。

---

下载与安装

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）。

1. 最省事：一句话让你的 AI 助手自己装

不用记任何命令，也不用打开浏览器。 把下面这句话（连同链接一起）发给你正在用的 AI 助手，它就会自己下载、找到技能目录、装好、再向你汇报：

请阅读并按 https://raw.githubusercontent.com/anticipate218/math-modeling-skill/main/INSTALL.md 的说明，把 math-modeling-skill 这个技能安装到我当前使用的助手环境里；装完告诉我装到了哪个路径、是哪个版本、以及怎么开始用。

English:

Read and follow https://raw.githubusercontent.com/anticipate218/math-modeling-skill/main/INSTALL.md to install the math-modeling-skill agent skill into the environment I'm using. When done, tell me the install path, the version, and how to start using it.

INSTALL.md 是专门写给 AI 助手看的：里面写了怎么拿到技能包、怎么确定技能根目录、怎么校验，还有一张「不要做」的清单（不要改目录名、不要覆盖别人的技能、不要装错层级、不要为了验证去跑算法或下载模板）。这份文档对不熟悉本仓库的助手也是自解释的。

如果你的助手抓不了网页链接，让它从 Release 包装：

请到 https://github.com/anticipate218/math-modeling-skill/releases/latest 下载最新的 math-modeling-skill-v*.zip，解压后把里面的 math-modeling-skill 整个文件夹放到你（助手自己）的技能目录里——目录名不要改——然后告诉我放在哪了、怎么开始用。

2. 装到哪里（各宿主的技能目录）

<项目根> = 从当前目录向上找到的最近一个含 .git 的目录；找不到就用当前目录。

上表只列了能核实的路径。 其它宿主（Codex、Cursor、Gemini CLI、OpenCode……）的技能目录各不相同，本仓库故意不写死猜测值——猜错的代价是"装成功了但永远不被扫描"，比装不上更难查。请让助手去读它自己的文档，或问它"你之前装的技能放在哪个目录"，然后用 --into 指定。

不知道自己宿主的技能根在哪？ 先让助手跑一次探测（技能包自带，只用标准库）：

python scripts/install_skill.py --list-targets

它会打印每个候选根目录的绝对路径、是否已存在、以及那里已经装的是哪个版本。

3. 用自带安装器装（推荐）

技能包里带了一个只用标准库的安装器：它自己挑技能根、复制时丢掉 .git/ 与各种缓存、并在覆盖前做安全校验。

python scripts/install_skill.py --list-targets            # 先看有哪些位置、哪个已存在、已装的是哪个版本
python scripts/install_skill.py --target auto             # 装到自动挑出的位置
python scripts/install_skill.py --target auto --dry-run   # 只看会做什么，不动磁盘
python scripts/install_skill.py --target dsh-user         # 显式指定（--target agents-user / claude-user / ...）
python scripts/install_skill.py --into "~/.agents/skills"                        # 给技能根：自动补一层 math-modeling-skill
python scripts/install_skill.py --into "~/.agents/skills/math-modeling-skill"    # 精确指定目标目录本身（给技能根也一样对）
python scripts/install_skill.py --from-zip math-modeling-skill-vX.Y.Z.zip     # 从发布包装（X.Y.Z 换成 Release 页上的版本号）
python scripts/install_skill.py --download                # 拉最新 Release 的 ZIP 再装（唯一联网的动作）
python scripts/install_skill.py --self-test               # 固件测试：不联网、不碰真实技能目录

--target auto 的挑选顺序是 项目级 DSH → 项目级 Agent Skills → 用户级 DSH → 用户级 Agent Skills，取第一个已存在的技能根；一个都不存在时落到 ~/.agents/skills（跨宿主通用约定）。

三条安全约定，值得知道：

• 默认拒绝覆盖已存在的技能目录（想覆盖得显式 --force）；
• --force 只肯删"确实是本技能"的目录——目标里必须有 name: math-modeling-skill 的 SKILL.md，这道闸门是防 --into 手滑指到家目录的；
• 装完自动用包内的 scripts/validate_skill.py --strict 校验一遍，不通过就报错退出。

--into 有个贴心之处：你给技能根（例如 ~/.agents/skills）它会自动补一层 math-modeling-skill，你给技能目录本身它就原样使用——两种写法都对，实际装到哪儿会在动手前打印出来。反过来，如果那个目录里躺着别人的技能（SKILL.md 的 name 不是本技能），它会拒绝，绝不把文件塞进别人的技能目录。

4. 手工安装（git clone / Release ZIP）

git clone（推荐，方便日后 git pull 拿规则更新）

# Agent Skills 通用约定（用户级，跨宿主）
git clone https://github.com/anticipate218/math-modeling-skill.git ~/.agents/skills/math-modeling-skill

# DSH 用户级（所有项目可用）
git clone https://github.com/anticipate218/math-modeling-skill.git "$env:USERPROFILE/.dsh/skills/math-modeling-skill"

# DSH 项目级（只对当前仓库生效）
git clone https://github.com/anticipate218/math-modeling-skill.git .dsh/skills/math-modeling-skill

# Claude Code 用户级
git clone https://github.com/anticipate218/math-modeling-skill.git ~/.claude/skills/math-modeling-skill

clone 进技能目录后记得把 .git/ 删掉（几 MB 历史，技能本身用不到）：

rm -rf ~/.agents/skills/math-modeling-skill/.git

下载 Release ZIP（机器上没装 git，或要给队友打包）

到 Releases 下载最新一版的 math-modeling-skill-vX.Y.Z.zip——内含完整技能包 + 全部 LaTeX 模板（轻量三套 + 完整文档类四套），解压出来的顶层目录就叫 math-modeling-skill/，整个目录丢进技能根目录即可，不用改名。

命令行直接拿（不用打开浏览器）：

# PowerShell / Windows
$rel = Invoke-RestMethod https://api.github.com/repos/anticipate218/math-modeling-skill/releases/latest
$zip = ($rel.assets | Where-Object name -like '*.zip' | Select-Object -First 1).browser_download_url
Invoke-WebRequest $zip -OutFile math-modeling-skill.zip
Expand-Archive math-modeling-skill.zip -DestinationPath "$env:USERPROFILE/.agents/skills"   # 解压后即 .../skills/math-modeling-skill/

# bash / macOS / Linux
curl -L -o mms.zip "$(curl -s https://api.github.com/repos/anticipate218/math-modelin