锦书在线
80.52M · 2026-03-21
在数学建模竞赛中，参赛队伍通常面临三大挑战：
传统的解决方案依赖于团队成员的个人能力，而 Agent Skill 的出现为解决这些问题提供了新思路。
开源地址 ：
Agent Skill 是一种结构化的技能定义格式，用于扩展 AI Agent 的能力边界。
这种技能格式通过标准化的配置文件和模块化设计，使 Agent 能够：
本数学建模 Skill 可运行在任何支持 Skills 的 Agent 平台上，包括 Claude Code、OpenClaw 等。
数学建模 Agent Skill 为数学建模类竞赛和项目提供结构化的三阶段工作流程：
flowchart TB
subgraph Modeling[建模分析 建模手]
A[阅读题目] --> B[问题分析] --> C[选择算法模型] --> D[算法设计] --> E[术语规范]
E --> F[分析报告]
E --> G[术语表格]
end
Modeling -.->|分析报告 + 术语表 | Coding
subgraph Coding[代码实现 编程手]
H[理解需求] --> I[代码设计] --> J[编写代码] --> K[运行求解] --> L[结果验证]
L --> M[数据可视化]
M --> N[结果输出]
M --> O[README 文档]
end
Coding -.->|代码 + 结果 + 图表 | Writing
subgraph Writing[论文撰写 论文手]
P[收集资料] --> Q[论文规划] --> R[撰写论文] --> S[完整论文]
end
style Modeling fill:#e1f5ff,stroke:#0288d1
style Coding fill:#fff4e1,stroke:#f57c00
style Writing fill:#ffe1f5,stroke:#c2185b
核心特性：
输入：题目文档（PDF）、附件数据（Excel）
处理流程：
产出：
题目分析报告.md - 问题分析、模型选择、公式推导术语表格.md - 中英文术语对照表sequenceDiagram
participant User as 用户
participant Agent as Agent Skill
participant PDF as pdf skill
participant XLSX as xlsx skill
participant Search as paper_search skill
User->>Agent: 提交题目文档
Agent->>PDF: 读取题目
PDF-->>Agent: 题目文本
Agent->>XLSX: 分析附件数据
XLSX-->>Agent: 数据结构
Agent->>Search: 搜索相关文献
Search-->>Agent: 参考文献
Agent->>User: 输出分析报告
输入：题目原文、建模分析报告、术语表格
处理流程：
产出：
问题 X_求解.py - 解题代码结果表格.csv/xlsx - 计算结果可视化图表.png - 高质量图表README.md - 项目说明flowchart TB
subgraph Coding[代码实现 编程手]
H[理解需求] --> I[代码设计]
I --> J[编写代码]
J --> K[运行求解]
K --> L[结果验证]
L --> M[数据可视化]
M --> N[结果输出]
N --> O[README 文档]
style H fill:#ffffff,stroke:#333,stroke-width:1px
style I fill:#ffffff,stroke:#333,stroke-width:1px
style J fill:#ffffff,stroke:#333,stroke-width:1px
style K fill:#ffffff,stroke:#333,stroke-width:1px
style L fill:#ffffff,stroke:#333,stroke-width:1px
style M fill:#ffffff,stroke:#333,stroke-width:1px
style N fill:#ffffff,stroke:#333,stroke-width:1px
style O fill:#ffffff,stroke:#333,stroke-width:1px
end
style Coding fill:#fff4e1,stroke:#f57c00,stroke-width:2px
输入：题目原文、建模分析文档、代码实现结果
处理流程：
产出：
论文.docx - 完整数学建模论文（≥15000 字）flowchart TB
subgraph Writing[论文撰写 论文手]
P[收集资料] --> Q[论文规划]
Q --> R[撰写论文]
R --> S[完整论文]
style P fill:#ffffff,stroke:#333,stroke-width:1px
style Q fill:#ffffff,stroke:#333,stroke-width:1px
style R fill:#ffffff,stroke:#333,stroke-width:1px
style S fill:#ffffff,stroke:#333,stroke-width:1px
end
style Writing fill:#ffe1f5,stroke:#c2185b,stroke-width:2px
| 角色 | 定位 | 核心能力 | 对应阶段 |
|---|---|---|---|
| 建模手 | 团队的大脑 | 数学建模、算法设计 | 建模分析 |
| 编程手 | 团队的双手 | 代码实现、数据可视化 | 代码实现 |
| 论文手 | 团队的发言人 | 学术写作、成果整理 | 论文撰写 |
这种分工模式确保了专业的人做专业的事，每个阶段都有明确的输入输出规范。
本 Skill 内置 7 大类 60+ 算法的详细说明文档，位于 assets/ 目录：
| 类别 | 数量 | 代表算法 | 适用场景 |
|---|---|---|---|
| ️ 优化算法 | 15 | 线性规划、遗传算法、PSO、模拟退火、鲸鱼优化 | 资源分配、路径规划、参数优化 |
| 预测算法 | 11 | 灰色预测、ARIMA、神经网络、LSTM、XGBoost | 时间序列预测、趋势分析 |
| ⭐ 评价算法 | 11 | AHP、TOPSIS、熵权法、DEA | 方案评估、绩效评价 |
| ️ 图论网络 | 6 | 最短路径、最大流、最小生成树 | 网络优化、路径问题 |
| 统计分析 | 9 | K-Means、层次聚类、PCA、因子分析 | 数据降维、聚类分析 |
| 综合算法 | 6 | 蒙特卡洛、排队论、博弈论、微分方程 | 复杂系统建模 |
| 机器学习 | 3 | 随机森林、AdaBoost、孤立森林 | 分类、回归、异常检测 |
每个算法的说明文档包含：
# 算法名称
## 数学原理
- 核心公式
- 推导过程
## 适用范围
- 问题类型
- 数据要求
## 可视化图表
- 算法流程图
- 效果对比图
## 关键文献
- 经典论文引用
- 最新研究进展
## 代码实现
- Python 示例
- MATLAB 示例
本 Skill 集成了四个专业的文档处理子 Skill，位于 tools/ 目录：
功能：
使用示例：
from pdf import PDFHandler
handler = PDFHandler()
text = handler.extract_text("problem.pdf")
tables = handler.extract_tables("data.pdf")
功能：
核心规范：
# 错误：硬编码计算结果
total = df['Sales'].sum()
sheet['B10'] = total # 硬编码 5000
# 正确：使用 Excel 公式
sheet['B10'] = '=SUM(B2:B9)' # 保留公式
功能：
使用示例：
from docx import Document
doc = Document()
doc.add_heading('摘要', level=1)
doc.add_paragraph('本文研究了...')
doc.add_picture('figure1.png')
doc.save('论文.docx')
功能：
配置要求：
from paper_search import OpenAlexScholar
# 需要配置邮箱以提高 API 访问限制
scholar = OpenAlexScholar(email="your-email@example.com")
papers = scholar.search_papers("grey prediction model")
npx skills add
git clone
~/.claude/skills/math-modeling-skill
下载 ZIP 文件或克隆到本地
复制到 Agent 的 skills 目录：
~/.claude/skills/%USERPROFILE%.claudeskills./skills/ 或配置文件中指定路径重启 Agent 或重新加载 skills 后，使用以下命令测试：
/math-modeling 帮我分析这道数学建模题
如果安装成功，Skill 将被激活并开始执行任务。
# 调用 Skill
/math-modeling 帮我做这道数学建模题
# Agent 自动执行：
# 1. 建模分析：阅读题目，选择模型
# 2. 代码实现：编写代码，求解结果
# 3. 论文撰写：撰写完整论文
# 仅进行建模分析
/math-modeling 进行建模分析
# 仅进行代码实现
/math-modeling 进行代码实现
# 仅进行论文撰写
/math-modeling 进行论文撰写
# 分析题目用什么模型
"这道数模题应该用什么模型？"
# 编写求解代码
"帮我用 Python 求解这个问题"
# 完善论文
"帮我优化一下摘要部分"
math-modeling-skill/
├── SKILL.md # 技能主定义文件
├── README.md # 使用说明
├── assets/ # 算法资源库
│ ├── README.md # 算法快速索引
│ ├── 01-优化算法说明.md
│ ├── 02-预测类算法说明.md
│ ├── 03-评价类算法说明.md
│ ├── 04-图论与网络分析算法说明.md
│ ├── 05-统计分析与数据处理算法说明.md
│ ├── 06-综合类算法说明.md
│ └── 07-机器学习算法说明.md
├── references/ # 参考文档
│ ├── roles/ # 角色说明
│ │ ├── 建模手说明.md
│ │ ├── 编程手说明.md
│ │ └── 论文手说明.md
│ ├── Outstanding Thesis/ # 优秀论文库
│ │ ├── CUMCM/ # 国赛获奖论文
│ │ └── 2017MCM ICM/ # 美赛 O 奖论文
│ └── 论文模板.docx # 标准模板
└── tools/ # 子 Skill
├── docx/ # Word 处理
├── pdf/ # PDF 处理
├── xlsx/ # Excel 处理
└── paper_search/ # 论文搜索
paper_search skill 使用 OpenAlex API 搜索论文，需配置邮箱：
# 命令行方式
python tools/paper_search/scripts/openalex_scholar.py
--query "linear programming"
--email "your-email@example.com"
# 代码方式
scholar = OpenAlexScholar(email="your-email@example.com")
API 信息：
本 Skill 鼓励算法组合创新：
灰色预测 + 神经网络 = 组合预测模型
图论算法 + 优化算法 = 网络优化方案
聚类分析 + 评价算法 = 多维度评估体系
针对 AI 生成论文容易被检测的问题，论文手说明文档中包含了去 AI 味写作指南：
七大类 AI 痕迹识别与去除：
| AI 痕迹类型 | 识别特征 | 去除方法 |
|---|---|---|
| 内容模式 | "标志着/重要的是/关键作用" | 用具体数据替代 |
| 模糊归因 | "专家认为/独立报道" | 明确引用来源 |
| 公式结构 | "不仅...而且..." | 多样化句式 |
| 宣传语气 | "突破性的/令人振奋" | 客观陈述结果 |
| 过度格式 | 大量破折号、粗体 | 适度使用 |
| 空泛结论 | "具有重要意义" | 说明具体贡献 |
| 缺乏细节 | 无数据支撑 | 补充量化指标 |
自查清单（论文撰写时必须遵守）：
