authoritative-data-harvester
yushui2022/mathmodel-skill · skills.sh
Open source Repository Open in the app JSON README (API)
About
Skill publicada por yushui2022/mathmodel-skill no skills.sh. Instale com: npx skills add yushui2022/mathmodel-skill@authoritative-data-harvester
Details
- Kind
- Agent skills
- Publisher
- yushui2022
- Origin
- skillssh
- Category
- ferramentas
- Stars
- 452
- Forks
- 29
- Last push
- 2026-10-07T06:58:33Z
- Repository state
- ativo
- Language
- Python
- License
- MIT
- Added
- 2026-10-07 06:34:45
- Updated
- 2026-10-07 06:34:45
- Origin id
yushui2022/mathmodel-skill/authoritative-data-harvester
README
<div align="center">
<img src="https://raw.githubusercontent.com/yushui2022/mathmodel-skill/HEAD/assets/mathmodel-banner.png" alt="MathModel Skill：豆包坐镇指挥，Fable 推导模型，Astra 编写代码" width="100%" />
# MathModel Skill Standard
### 从赛题分析、真实计算到可复现的数学建模论文
[](https://github.com/yushui2022/MathModel-Skill/releases/tag/v2.3.0)
[](#快速导入使用)
[](./LICENSE)
</div>
MathModel Skill 是一套供编程 Agent 使用的数学建模 Skills。把赛题与附件放入项目后，Agent 按工作流分析问题、选择模型、编写并运行代码、整理图表和证据，再撰写与检查论文；它不只是让模型直接生成一篇文章的提示词。
当前是默认 `standard` 分支的 **Standard 2.3.0，定位标准档**，建议搭配 GPT-6.1 Sol、Claude Opus 5.5 等具备稳定推理、长上下文和工具调用能力的模型，GPT-5.5、GPT-5.6 Sol 仍可使用。它在流程复杂度与计算成本可控的前提下，提供完整章节写作、原生 Word 公式和 PDF 渲染检查。最终产物包括论文、赛题代码、计算结果、图表和验证记录；检查通过不等于保证论文优秀或竞赛获奖。
**版本分工：低负担 → 速度优先 → 标准交付 → 旗舰验证**
Lite、Flash、Standard、Pro 的定位不同，分别在独立 Git 分支维护，不是安装后的切换模式。Flash 是速度优先路线，不表示它在质量档位上高于 Lite：
| 档位与版本 | 推荐模型示例 | 流程与交付能力 |
|---|---|---|
| **速度优先** [**Flash（预发布）**](https://github.com/yushui2022/MathModel-Skill/tree/flash) | **DeepSeek/Gemini/GLM 等 Flash 类模型**；优先快速出稿 | **基础长文草稿**：真实实验、图表、结果和约 18–22 页目标的 Word；不含严格终稿门禁。 |
| **1 · 入门档** [**Lite**](https://github.com/yushui2022/MathModel-Skill/tree/lite) | **DeepSeek 等模型**；优先低负担运行 | **基础建模报告**：一个入口、六步流程，真实计算与基础 Word 导出；不含严格引文、原生 Word 公式和 PDF 验收。 |
| **2 · 标准档** [**Standard（默认）**](https://github.com/yushui2022/MathModel-Skill/tree/standard) | **[GPT-6.1 Sol](https://developers.openai.com/api/docs/models/gpt-6.1-sol) / [Claude Opus 5.5](https://platform.claude.com/docs/en/models/opus-5-5/overview)** 等；兼顾能力与投入，旧款强模型仍可用 | **正式竞赛论文**：完整章节写作、证据与写作检查、原生公式 Word 和 PDF 渲染检查，流程复杂度可控。 |
| **3 · 旗舰档** [**Pro（预发布）**](https://github.com/yushui2022/MathModel-Skill/tree/pro) | **[GPT-6 Astra](https://developers.openai.com/api/docs/models/gpt-6-astra) / [Claude Fable 5.1](https://platform.claude.com/docs/en/models/fable-5-1/overview)**，以及 **Opus 5.5 / GPT-6.1 Sol**；接受高计算投入 | **高强度研究与验证**：多路线比较、独立复算、稳健性实验、五角色审稿和 Word/PDF 检查；有三个用户确认点。 |
模型推荐更新于 **2026-10-07**：已核对 Opus 5.5、Fable 5.1、GPT-6.1 Sol 的官方配置资料，尚未完成这些模型的完整赛题长文实测。**档位区分的是工作流，不是模型使用权限**：同一个模型可选 Standard 控制投入，也可选 Pro 加深验证；GPT-5.5、GPT-5.6 Sol 等旧款强模型仍可使用 Standard。
这不是对同品牌所有模型的固定排名，也不是质量认证。模型名称、API 档位与宿主实际能力须分开核对；中转站的显示名不能证明底层型号。
另有 [**LaTeX（实验性预发布）**](https://github.com/yushui2022/MathModel-Skill/tree/Latex)：旧版工作流的 TeX/PDF 导出分支，**不是另一个能力档位**，也不是当前 Standard 或 Pro 的 LaTeX 模式。
**一个项目只安装一个版本、一个平台包，不要混装。** Flash 只追求快速基础稿；需要正式交付请选 Standard，需要最高验证深度请选 Pro。各版本的具体导入方法见下方快速使用说明。
## 小红书
作者：**Orlando Liu（奥兰多）**，小红书号：[`xiaoyushui2022`](https://www.xiaohongshu.com/user/profile/610d282b0000000001004ffb)。点击图片进入主页，也可以扫码找到我。
<p align="center">
<a href="https://www.xiaohongshu.com/user/profile/610d282b0000000001004ffb">
<img src="https://raw.githubusercontent.com/yushui2022/mathmodel-skill/HEAD/assets/orlando-liu-social.jpg" alt="Orlando Liu 小红书主页与二维码" width="480" />
</a>
</p>
## TokensFactory
<p align="center">
<a href="https://tokensfactory.cc/">
<img src="https://raw.githubusercontent.com/yushui2022/mathmodel-skill/HEAD/assets/tokensfactory-logo.png" alt="TokensFactory Logo" width="96" />
</a>
</p>
### TokensFactory
这是我的大学朋友 **Yeadon** 开的中转站，也非常感谢他当年带我走向 AI 的道路。[TokensFactory](https://tokensfactory.cc/) 支持 OpenAI、Claude、Gemini 等兼容接口，主打一个**量大管饱**，适合需要快速调用图片、视频或文本模型的个人开发者和团队。需要接入 Agent 时，可以查看 [TokensFactory Agent 快速接入](https://tokensfactory.cc/skills)。
## 快速导入使用
### 1. 下载 Standard 安装包
**一个比赛项目只安装一个版本、一个平台包。** 不要把 Standard、Lite、Pro 或 LaTeX 包混在同一目录。
从 [Standard 2.3.0 Release](https://github.com/yushui2022/MathModel-Skill/releases/tag/v2.3.0) 下载与你的 Agent 对应的一个安装包：
| 平台 | 直接下载 | 解压后的 Skill 目录 |
|---|---|---|
| Codex | [Codex 安装包](https://github.com/yushui2022/MathModel-Skill/releases/download/v2.3.0/MathModel-Skill-Codex.zip) | `.agents/skills/` |
| Claude Code | [Claude Code 安装包](https://github.com/yushui2022/MathModel-Skill/releases/download/v2.3.0/MathModel-Skill-Claude-Code.zip) | `.claude/skills/` |
| Trae | [Trae 安装包](https://github.com/yushui2022/MathModel-Skill/releases/download/v2.3.0/MathModel-Skill-Trae.zip) | `.trae/skills/` |
上面的安装包不同于 GitHub 的 `Code → Download ZIP` 仓库源码。需要核验下载时，使用 Release 中的 [SHA256SUMS.txt](https://github.com/yushui2022/MathModel-Skill/releases/download/v2.3.0/SHA256SUMS.txt)。
### 2. 导入项目并准备环境
在一个独立的数学建模项目目录中解压安装包，不要只复制 `SKILL.md`，也不要覆盖用户已有的 `AGENTS.md` 或 `CLAUDE.md`。确认隐藏目录里的 Skills 已完整解压，再用对应 Agent 打开这个项目。
使用 Python **3.11 或 3.12**，在项目根目录安装依赖：
```bash
python -m pip install -r requirements.txt
python -m pip check
```
正式交付还需要安装 **LibreOffice**，并使 `soffice` 或 `libreoffice` 可用。没有它可以进行前期工作，但不能通过最终 PDF 渲染检查。
### 3. 放入赛题与附件
在项目根目录创建 `problem_files/`，放入赛题、官方附件与数据。例如 Codex 项目：
```text
your-project/
├── .agents/skills/
├── requirements.txt
└── problem_files/
├── 赛题.pdf
└── 附件.xlsx
```
Claude Code 或 Trae 使用上表中自己的 Skill 目录，输入目录保持不变。
### 4. 对 Agent 说
```text
请使用 $paper-workflow-orchestrator 完成这个数学建模项目。
赛题和官方附件已放在 problem_files/。
先预检输入，再按 S0-S8 执行，必须真实运行代码并保留结果证据。
采用完整章节写作，允许分多轮完成，最后统一全文，不要只输出摘要或拼接微单元。
请核对当年赛题的篇幅和格式规则，不自行降低为短报告。
所有赛题产物写入 paper_output/；证据、写作与 Word/PDF 检查未通过，不要称为最终稿。
```
正常使用不需要手工执行整套脚本。若 Agent 没有识别入口，让它先读取所安装目录中的 `paper-workflow-orchestrator/SKILL.md`。继续上次任务、修复章节的提示词见 [启动与恢复提示词](https://github.com/yushui2022/mathmodel-skill/blob/HEAD/docs/starter-prompts.md)。
完成后先查看：
| 产物 | 位置 |
|---|---|
| 正式 Word | `paper_output/final_paper.docx` |
| 正式 Markdown 源稿 | `paper_output/final_paper_source.md` |
| 渲染 PDF | `paper_output/qa/rendered/final_paper.pdf` |
| 代码、结果与图表 | `paper_output/code/`、`results/`、`figures/`、`tables/` |
| 最终检查报告 | `paper_output/format_check_report.json` |
## 原理介绍
### 先计算、后成文
Standard 保留 S0-S8 单一工作流。不同 Skills 各自负责一个环节，用实际文件和证据交接，而不是仅依赖对话记忆。
```text
S0 输入与安装预检 → S1 题意分析 → S2 模型路线
→ S3 数据与图表计划 → S4 编写代码 → S5 真实运行
→ S6 证据检查 → S7 自适应正式写作 → S8 Word/PDF 检查
```
脚本、输入和输出都记录 SHA-256。证据或已审计文件变化后，依赖它们的通过状态会失效，必须重新计算或验证。安装目录只保存通用能力，当前赛题代码始终写到 `paper_output/code/`。
### 章节写作与局部修复
`paper-formal-writer` 是唯一正式主笔：先制定写作计划，再按完整章节写作与审计；全部章节通过后确定性合并，由 Agent 全文统一改写，最后生成 DOCX。
默认完整竞赛稿使用 `section` 模式。明确要求的短报告可使用 `global`，同类问题连续两次失败后转为章节写作。单章同类问题连续两次失败才启用局部 `micro-repair`；第三次仍失败则阻塞并报告原因，不自动切换版本。旧微单元与 quickstart 只保留为非正式草稿。
### 篇幅、证据与渲染检查
默认完整稿规划至少 14000 有效字符，检查主稿至少 8000 有效字符、附录前渲染页数至少 18 页。**这些是防止极短稿的项目默认值，不是所有比赛的统一规定，也不是优秀论文标准。** 具体比赛的页数上限和计页方式仍要单独核对。
每问需要实质性的建模、计算结果与解释；注释、代码块和附录不能用于填补主稿长度。范围调整或短报告必须明确说明理由，不用空页、放大排版或重复正文凑数。
正式稿要求新鲜的证据与写作检查、可编辑的 Word OMML 公式和真实 LibreOffice 渲染。完整稿和短报告不能通过 `--render skip` 完成最终检查；仅明确的安装测试允许豁免，并标记为 `SMOKE_TEST_ONLY`。
## 验证状态与详细文档
- 发布提交已通过原有 42 项回归和新增 14 项范围与渲染检查；[CI](https://github.com/yushui2022/MathModel-Skill/actions/runs/33940797268) 覆盖 Windows/Ubuntu、Python 3.11/3.12，并含 LibreOffice 渲染任务。
- 历史 B 题工程示例没有重新生成，可用于理解产物组织方式，不代表通过当前全部检查。真实赛题约 20 页终稿的质量验收仍未完成。
- [安装指南](https://github.com/yushui2022/mathmodel-skill/blob/HEAD/docs/agent-install-guide.md) · [正式写作指南](https://github.com/yushui2022/mathmodel-skill/blob/HEAD/docs/formal-paper-authoring.md) · [工作流契约](https://github.com/yushui2022/mathmodel-skill/blob/HEAD/docs/workflow-contracts.md) · [输出目录](https://github.com/yushui2022/mathmodel-skill/blob/HEAD/docs/output-layout.md)
- 分支 `dist/` 是随提交维护的构建包；上面的 Release 是固定版本快照，不会随 README 更新而被覆盖。
开发者可在仓库中执行：
```bash
python scripts/sync_platform_packages.py --check
python -u tests/run_tests.py
python tests/test_paper_scope.py
python scripts/build_release_packages.py --verify
```
[MIT License](https://github.com/yushui2022/mathmodel-skill/blob/HEAD/LICENSE)，Copyright (c) 2026 yushui2022.