Math Modeling Skill：我做了一个专门用于数学建模类比赛的 Skill

XiaoMaColtAI2026-03-15 18:19

Math Modeling Skill：数学建模 Skill 完整指南

摘要：我做了一个专门用于数学建模的 Skill，适用于 Claude Code、OpenClaw 等所有支持 Skills 的 Agent 平台。通过建模分析→代码实现→论文撰写的三阶段协作工作流，集成 60+ 算法资源库和 4 个专业文档处理工具，支持数学建模竞赛全流程自动化，帮助数学建模竞赛（CUMCM、MCM/ICM）选手和研究人员高效完成从问题分析到论文产出的全流程。

一、问题背景：为什么需要 Agent Skill？

在数学建模竞赛中，参赛队伍通常面临三大挑战：

  1. 模型选择困难：面对实际问题，不知道选择哪种数学模型
  2. 代码实现耗时：大量的编程和可视化工作占用宝贵时间
  3. 论文撰写压力大：需要在有限时间内产出 15000+ 字的规范论文

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 ：

二、什么是 Agent Skill？

核心概念

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：

  • 理解特定领域的专业需求
  • 调用外部工具和 API
  • 遵循结构化的工作流程
  • 产出符合领域规范的成果

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。

三、技能概述

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：

  • 🔄 三阶段协作：建模分析、代码实现、论文撰写，各司其职
  • 📚 算法资源库：涵盖优化、预测、评价、图论、统计、综合、机器学习 7 大类 60+ 算法
  • 🛠️ 文档处理集成：集成 pdf、xlsx、docx、paper_search 四个专业子技能
  • 🎯 三角色模式：建模手（大脑）、编程手（双手）、论文手（喉舌）

四、核心架构

1. 三阶段工作流

第一阶段：建模分析（建模手）

输入：题目文档（PDF）、附件数据（Excel）

处理流程：

  1. 使用 pdf skill 读取题目，理解问题背景
  2. 使用 xlsx skill 分析附件数据
  3. 使用 paper_search skill 搜索相关文献
  4. 确定数学模型和算法
  5. 创建术语表格保持一致性

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
第二阶段：代码实现（编程手）

输入：题目原文、建模分析报告、术语表格

处理流程：

  1. 确认编程语言（Python/MATLAB）
  2. 按题目分模块编写代码
  3. 使用 xlsx skill 处理表格数据
  4. 绘制 SCI/Nature 风格图表
  5. 创建 README 文档

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
第三阶段：论文撰写（论文手）

输入：题目原文、建模分析文档、代码实现结果

处理流程：

  1. 检查/选择论文模板
  2. 使用 docx skill 生成.docx 格式论文
  3. 撰写完整章节（摘要、问题重述、模型建立、求解、评价、推广）
  4. 确保图表引用正确、格式规范

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

2. 三角色协作模式

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。

五、算法资源库

本 Skill 内置 7 大类 60+ 算法的详细说明文档，位于 assets/ 目录：

算法分类速查

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

算法文档结构

每个算法的说明文档包含：

markdown 复制代码 
# 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

六、集成的子 Skill

本 Skill 集成了四个专业的文档处理子 Skill，位于 tools/ 目录：

1. 📑 pdf skill - PDF 文档处理

功能：

  • 读取 PDF 格式的题目文档
  • 提取文本和表格数据
  • 支持 PDF 合并、拆分

使用示例：

ini 复制代码 
from pdf import PDFHandler

handler = PDFHandler()
text = handler.extract_text("problem.pdf")
tables = handler.extract_tables("data.pdf")

2. 📊 xlsx skill - Excel 表格处理

功能：

  • 读取和编辑.xlsx 文件
  • 处理题目附带的数据表格
  • 输出计算结果到 Excel
  • 使用 Excel 公式而非硬编码值

核心规范：

bash 复制代码 
# ❌ 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

3. 📘 docx skill - Word 文档处理

功能：

  • 创建、读取、编辑.docx 文件
  • 生成格式规范的数学建模论文
  • 支持表格、图片、公式等复杂格式

使用示例：

java 复制代码 
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')

4. 🔎 paper_search skill - 论文搜索

功能：

  • 通过 OpenAlex API 搜索学术论文
  • 自动生成标准引用格式
  • 支持摘要重建和多字段搜索

配置要求：

ini 复制代码 
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")

七、快速开始

安装步骤

方法一：npx 一键安装（推荐）
bash 复制代码 
npx skills add https://github.com/XiaoMaColtAI/math-modeling-skill.git
方法二：Git 克隆
bash 复制代码 
git clone https://github.com/XiaoMaColtAI/math-modeling-skill.git \
  ~/.claude/skills/math-modeling-skill
方法三：手动安装

  1. 下载 ZIP 文件或克隆到本地

  2. 复制到 Agent 的 skills 目录：

    • macOS/Linux : ~/.claude/skills/
    • Windows : %USERPROFILE%.claude\skills
    • OpenClaw : ./skills/ 或配置文件中指定路径

验证安装

重启 Agent 或重新加载 skills 后，使用以下命令测试：

bash 复制代码 
/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。

八、使用示例

场景一：完整解题流程

bash 复制代码 
# 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

场景二：分阶段执行

bash 复制代码 
# 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

场景三：特定任务

bash 复制代码 
# 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"

九、目录结构

bash 复制代码 
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

十、典型使用场景

1. 数学建模竞赛备赛

  • 快速原型：使用 Skill 快速建立基线模型
  • 算法参考：查阅算法资源库获取实现思路
  • 论文规范：学习优秀论文的结构和表述

2. 科研项目管理

  • 问题分解：将复杂问题拆解为可建模的子问题
  • 自动化分析：批量处理实验数据
  • 成果整理：自动生成规范的技术报告

3. 教学与培训

  • 案例演示：展示完整建模流程
  • 代码教学：提供可运行的示例代码
  • 论文指导：学习规范的学术写作

十一、配置说明

paper_search skill 使用 OpenAlex API 搜索论文，需配置邮箱：

perl 复制代码 
# 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：

十二、进阶技巧

1. 算法组合创新

本 Skill 鼓励算法组合创新：

复制代码 
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

2. 论文 AI 味去除

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）：

  • 是否使用了 AI 高频词汇？
  • 是否过度使用破折号、粗体？
  • 是否有"不仅...而且..."结构？
  • 是否有模糊的"专家认为"？
  • 每句话是否都有具体数据支撑？
  • 是否承认了模型的局限性？
相关推荐
Jackson__4 小时前
Agent Skill 和 Rules 有什么区别？
前端·agent·ai编程
程序员Leo6 小时前
OpenClaw 配置指南：DeepSeek 与 飞书集成
后端·agent
sg_knight6 小时前
OpenClaw 能做什么？几个真实使用场景说明
算法·ai·大模型·llm·agent·openclaw·小龙虾
xier_ran7 小时前
【第二周】RAG与Agent实战04：OpenAI库附带历史消息调用模型
自然语言处理·agent·rag
deephub8 小时前
多智能体系统的三种编排模式：Supervisor、Pipeline 与 Swarm
人工智能·python·大语言模型·agent
大模型真好玩8 小时前
一文详解2026年技术圈最火概念——Agent Engineering智能体工程
人工智能·langchain·agent
xier_ran11 小时前
【第二周】RAG与Agent实战07：提示词优化案例_金融信息抽取
自然语言处理·prompt·agent·rag
熊猫钓鱼>_>12 小时前
使用阿里云轻量应用服务器OpenClaw丝滑接入飞书打造智能群聊总结助手
人工智能·阿里云·云计算·飞书·agent·skill·openclaw
闽农19 小时前
Cursor taking longer than expected 问题这样解决
agent·ai编程·cursor·taking longer
热门推荐
01GitHub 镜像站点02Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南03OpenClaw 使用和管理 MCP 完全指南04本地部署 OpenClaw + DeepSeek-R1 完全指南05OpenClaw macOS 完整安装与本地模型配置教程（实战版）06UV安装并设置国内源07OpenClaw 飞书机器人不回复消息？3 小时踩坑总结08Openclow安装保姆级教程09得物前端部门，没了10“wsl --install -d Ubuntu-22.04”下载慢，中国地区离线安装 Ubuntu 22.04 WSL方法（亲测2025年5月6日）