{"repo":"handsomeZR-netizen/mathmodel-skill","free":true,"listed":false,"github":"https://github.com/handsomeZR-netizen/mathmodel-skill","clone":"git clone https://github.com/handsomeZR-netizen/mathmodel-skill.git","description":"三竞赛 (CUMCM/MCM/电工杯) 数学建模 skill — harness-agnostic, 同时支持 Claude Code 与 Codex CLI, 全程问答式 (Friendly Mode), 10 阶段 + 4 反馈层 + per-Qi 加权聚合 + 题型 dim 加权 + empirical 实测分位锚定","language":"Python","stars":213,"topics":["claude-code","claude-skill","cumcm","icm","latex","math-competition","math-modeling","mathematical-contest-in-modeling","mathematical-modeling","mcm"],"license":"MIT","category":"cli-tools","readme_excerpt":"mathmodel-skill A structured Agent workflow for CUMCM, MCM/ICM, and Diangong Cup — designed to keep a 72–96 hour modeling project coherent from the first decision to the final submission. 数学建模比赛很少因为“缺少一个更聪明的回答”而失败。 更常见的情况是：模型已经换了，摘要还没有更新；第二问重新求解后，第三问仍在引用旧结果；某个关键假设只存在于聊天记录里；直到提交前，团队才发现匿名、页数或 AI 使用披露不符合要求。 mathmodel-skill 为这些问题而设计。 它不是一个试图一次生成整篇论文的 Prompt，也不是一个替团队做决定的黑盒 Agent。它是一套可执行的建模工作流：将选题、拆题、模型选择、求解、稳健性分析、论文装配和终审组织为 10 个阶段，并用一份共享决策日志保存整个项目的状态。 当比赛持续数十小时、队员交替协作，或者工作从 Codex 切换到 Claude Code 时，项目仍然能够沿着同一条主线继续，而不是重新依赖聊天上下文和个人记忆。 支持： - Codex Skills - Codex Plugin - Claude Code 日常使用中，你不需要手工维护 JSON，也不需要记住每个脚本的参数。Agent 会在需要判断的节点向团队确认，并负责维护状态、调用工具和整理产物。 设计动机 · 工作方式 · 设计原则 · 竞赛支持 · 快速开始 · 可信边界 --- 为什么需要它 一场数学建模比赛，本质上不是一道独立问题，而是一组彼此依赖的决定。 选题会影响数据与时间分配；假设会限制模型边界；模型会决定求解方式与图表；结果发生变化后，摘要、评价、灵敏度分析和结论都需要同步调整。 如果这些依赖只存在于对话记录、临时文件或某位队员的记忆里，协作就会逐渐失去一致性。项目可能仍在向前推进，但不同部分已经不再描述同一个模型。 mathmodel-skill 将这些隐含关系显式化。 它帮助团队持续回答四个问题： 1. 现在进行到哪一步？ 2. 已经做出了哪些决定？ 3. 这些决定基于什么证据？ 4. 哪些条件满足后，项目才能继续？ 它不保证模型一定正确，也不预测奖项。它做的是更基础、也更重要的事情：让项目可以被恢复、检查、局部修改，并最终交付。 它如何工作 整个系统由三部分组成。 1. 主流程 主流程定义阶段顺序、进入条件、退出条件和回退路径。 每个阶段都有明确的输入与产物。Agent 不会把整场比赛压缩成一次长执行，而是在可检查的位置停下来，让团队知道已经完成了什么，以及为什么可以继续。 2. 共享决策日志 state/decision log.json 是项目的连续记忆。 它记录： - 竞赛与题目选择 - 模型候选及淘汰理由 - 假设、符号和术语 - 各阶段评分与 verdict - 子问状态与局部回修 - 规则核对与 AI 使用台账 - 最终交付状态 对话用于交流，日志用于接力。即使上下文切换，项目状态仍然保留在工作区中。 3. 确定性工具 语言模型适合分析、比较与生成，但并不适合承担所有机械检查。 因此，评分重算、模板装配、环境诊断、差分应用、AI 披露生成和部分合规检查由脚本完成。模型负责需要判断的工作，脚本负责可以确定的工作，团队保留最终决定权。 这套工作流解决什么问题 比赛中的常见情况 mathmodel-skill 的处理方式 ---","default_branch":null,"files":null,"tree":[],"storefront":"/r/handsomeZR-netizen","claimed":false,"request_supported":{"post":"https://gitbuyer.com/r/handsomeZR-netizen/mathmodel-skill/request-supported","requests":0},"note":"indexed from public GitHub; nothing is for sale on this page. Clone it from GitHub. Paid listings live at /search."}