企业官网建设流程全解析

• AI 技能
• AI 插件

MathModeling-skills 是一套面向数学建模竞赛的 AI 辅助工作流（Claude Code / Codex Skills），用 6 道硬门禁（Gate G1–G6）加 3 个独立审计层，帮你在提交前拦住"论文数字对不上脚本输出"这类致命翻车点。它不是代写论文，而是把数模论文从审题、选方法、写代码到终稿的每一步都变成有明确通过条件的检查点。

🎯 先搞清楚：数模论文为什么总"翻车"

大多数队伍丢分不是模型不会，而是流程失控：

• 题目问的是 A，队伍理解成了 B；
• 不跑 baseline 直接上复杂模型，最后说不清为什么这么做；
• 论文里写了个数字，回头查没有任何脚本输出过这个数；
• 截止前改 bug，论文里却还是修复前的旧数字。

MathModeling-skills 的设计哲学很直接：AI 负责机械正确性，人负责建模判断。整套工作流就是为了让上面这几种漂移"很难悄悄发生"。

🗺️ 整条工作流一览：从审题到终稿

整个流程由 workflow-orchestrator 调度，按子问题（Qx）独立推进，简化后如下：

G1 审题与问题界定（parse → 分类 → 数据清单 → 人工确认） G2 方法筛选（method card + 风险探针） ★ 承重边界 G2.5 人工拍板选方法（👤 决策账本落盘） G3 编码与实验审查（五项命名检查的 JSON review） G4 结果判定 + 数字冻结 frozen_numbers.json ★ 承重边界 G5 论文章节就绪（材料包 + 冻结数字 + 人工确认） G6 三层独立审计全部 PASS 才能提交

两个 ★ 是关键承重边界：G2 在完整实现前就暴露方法不可行、输出退化等问题；G4 防止旧数字混进论文。👤 标记的步骤必须由使用者本人做判断，AI 不能代写理由。

🚪 6道硬门禁逐道拆解

每道门禁都有明确的通过条件，不通过则后续产物全部标记为 stale，流程卡住不许硬闯。

G1 · PROBLEM_FRAMED：先审题再动手

problem-parser把题目拆成目标/对象/约束/数据/输出/子问题，problem-classifier为每个子问题单独标注题型（一道题可以混合评测、预测、优化、仿真），data-auditor-cleaner审计原始数据并保持data_raw/只读。解析、分类、数据清单、成功标准和人工界定全部就位才算过。

G2 · METHOD_SCREENED：风险探针替你"预演"方法

这道关专门防止"截止前才发现方法跑不动"。method-selector生成角色化短名单——一个主方法 + 一个可信 baseline + 最多一个条件性备用——并输出风险探针摘要 risk_probe_summary.json，检查六个维度：

探针结论为PASS/CONDITIONAL/FAIL。核心假设失败或输出退化，方法就被拒绝或加条件——在写完整代码之前。

G2.5 · 人工拍板：AI 不许替你做建模决策

使用者通过决策卡选择主方法并写下理由，由modeler-decision-logger忠实追加到methods/Qx/qx_decisions.jsonl决策账本。只有 G2 和 G2.5 同时通过，代码生成才被允许。AI 可以呈现证据和选项，但选择、理由、置信度都必须由人给出。

G3 · CODE_AND_EXPERIMENT_REVIEWED：审查必须落盘

代码审查不能是一句"看着没问题"。code-reviewer按语言分发到 python-code-reviewer 或 matlab-code-reviewer，必须通过五项命名检查并落盘code/Qx/reviews/qx_<lang>_review.json：

1. syntax语法
2. input_contract输入契约
3. method_alignment方法与代码对齐
4. reproducibility可复现性（固定随机种子等）
5. output_contract输出契约

同时要求批准的主方法和 baseline 都已实际运行，且run_summary.json完整记录配置、种子、指标和失败情况。

G4 · RESULTS_JUDGED_AND_FROZEN：冻结你的数字

这是防"旧数字进论文"的核心关卡。solution-package-builder生成供论文手使用的材料包和frozen_numbers.json——论文中出现的每个数字都必须出现在这份冻结文件里，且严禁手工编辑。

如果改 bug 导致数值变化，流程是固定的：解冻 → 修改权威来源 → 重跑受影响实验 → 重新冻结，并先记录原因。使用者对结果、稳定性、结论范围做出的判定也都要落进决策账本。

G5 · PAPER_SECTION_READY：三条铁律的论文写作

paper-section-writer依据材料包和冻结数字写作，遵循三条铁律：

1. 没有最终方法解释，就没有论文章节；
2. 没有最终结果分析，就没有写作交接；
3. 论文手读的是 solution package，而不是从散落的结果里猜。

物理意义与贡献表述必须来自人类决策账本，每张论文图都要通过渲染校验（诊断图不得进论文）。

G6 · FINAL_AUDIT_PASSED：三层审计全过才能提交

只有submission模式下才运行，由下面三个独立审计层把关，任何一个不通过都不能提交。

🔍 3审计层：提交前的最后防线

三个审计各自独立、互不覆盖，输出PASSED/FAILED/NOT_RUN判定：

QA 的立场写在 skills-docs/qa-checklist.md 里：QA 的职责是找出 blocker，而不是藏起来。缺失子问题、结论答非所问、被拒方法又被写成"我们用了"，都是阻断项。

⚙️ 两个关键机制：决策账本 + 影响分级

工作流纪律的完整规则定义在 AGENTS.md（Codex 版）与 CLAUDE.md 中，其中两个机制尤其值得了解：

1. 人类决策账本。每个子问题一个 append-only 的qx_decisions.jsonl，每条决策都带证据引用和时间戳。这保证了评委问"为什么选这个方法"时，你答得上来——而且答的内容确实是你写的。

2. 变更影响分级。任何改动先分类再审计：

• NONE（注释、格式）→ 不审计；
• LOCAL（冻结前的探索）→ 只跑局部测试；
• CANONICAL（符号、公式、参数、官方数值）→ 对受影响 Qx 做范围一致性检查；
• FROZEN（可能改变冻结数字）→ 走完整的解冻→重跑→重冻结流程。

避免"改了几个文件就全量重审"，也避免该审的不审。

🚀 如何快速开始

MathModeling-skills 已打包为 Claude Code 与 Codex 双平台原生插件，一个脚本完成安装：

git clone https://gitcode.com/gh_mirrors/mat/MathModeling-skills cd MathModeling-skills ./install.sh

安装后新开会话，先发送对应的开场指令（Initial Prompt-zh.md），再按需下发指令，例如：

• 推进流程：让 workflow-orchestrator 判断 Q2 是迭代还是锁方法
• 触发审计层：所有 Qx 章节起草完毕。依次跑 consistency-auditor、completeness-auditor、quality-assurance-auditor

日常探索用lean档（只保留清单、决策、探针和运行摘要），临近提交再切submission档，补齐冻结、论文和三项终审。

📚 延伸阅读

想深入了解设计思路和具体约定，建议按顺序阅读：

• README-zh.md — 项目全貌、29 个 skill 分阶段说明与 workspace 目录结构
• skills-docs/design-principles.md — 设计原则：从问题出发、保留 baseline、角色化短名单
• skills-docs/qa-checklist.md — 提交前完整 QA 清单
• skills-docs/method-selection-tree.md — 方法选择树
• docs/implementation-targets.md — 选 Python 还是 MATLAB/北太天元
• examples/ — 优化、预测、混合题型的场景示例

✅ 小结

MathModeling-skills 的价值可以浓缩成一句话：把数模竞赛中"悄悄发生"的流程漂移，变成卡住流程的硬检查点。6 道门禁保证每个阶段都有证据才能推进，3 层审计保证终稿经得起评委逐字核对。AI 跑机械活，人做判断——这正是它与传统"一键生成"式做法的根本区别。

• AI 技能
• AI 插件