数学建模辅助平台使用说明书 && 实际使用参考：各环节 Token 消耗明细及费用预估指南

一、平台概览

本平台旨在辅助数学建模相关工作，通过将建模过程拆解为多个步骤（题目读取、问题分析、代码生成、模型建立与求解、摘要生成等），利用AI模型分步生成内容，最后整合成Word论文。

二、初始界面功能详解

1. 全局设置区域

生成模式说明：
- 快速：只生成1版内容，速度快（通常2~6分钟），消耗Token约为精修的1/3，适合时间紧凑、内容量较小的章节。
- 精修（默认）：同时生成3版，后端自动按质量/篇幅/可运行性对比择优，效果最好，但耗时与Token消耗均为快速版的3倍。
题目与数据文件上传：一次性上传供全部章节使用。支持多文件同时选择及拖拽。支持格式包括：Excel / txt / Word / PDF / 图片 / zip，支持GB级大文件分片上传。

自定义远端模型（可选）：
- Base URL ：参考示例填入 https://api.deepseek.com （不填则自动使用平台内置模型）。
- API Key ：填入您的密钥。请注意：API Key 仅在本次会话使用，不落库，且不会写入服务器数据库，安全性较高。填完后可点击"获取远程模型列表"。

"模型组合"功能详解

该功能用于控制平台生成内容时所使用的AI大模型种类及搭配方式。因为不同模型在逻辑推理、代码编写、成本消耗和速度上各有优劣，通过调整组合，可以最优化生成结果。

1. 自动择优（默认选项）

这是系统内置的智能分配模式，无需用户手动干预。系统会根据当前任务类型、复杂度和上下文，自动在后台选择最优的模型组。下拉菜单中会清晰展示系统预估的三种梯队方案：

最优组合 （单选单模型，如 GPT-5.6 (Luna)）：主打单模型最高质量、最强推理，适合关键且不可出错的步骤，但速度相对较慢。
次优组合 （双模型，如 GPT-5.5 + GPT-5.6 (Luna)）：结合了不同模型的特点，兼顾了生成速度与综合质量，适合大多数常规步骤。
第三组合 （三模型，如 GPT-5.6 (Luna) + GPT-5.5 + GPT-5.4）：多模型交叉验证，覆盖面最广，通常用于最复杂的交叉推理任务，但生成时间最长，Token消耗也最大。

💡 建议：初学者或常规题目直接使用"自动择优"即可。

2. 自定义组合（进阶玩法）

适用于对模型特点有一定了解的高级用户。选择"自定义组合..."后，界面会展开一系列模型标签（如 GPT-5.6 (Luna), GPT-5.4, GPT-5.3 Codex Spark, Codex Auto Review 等）。

核心原则：勾选并按顺序。这非常重要，因为第一个勾选的模型将被系统视为"主模型"，负责主要内容的生成；后续勾选的模型将作为"辅助模型"，可能用于校验、润色、补充或二次推导。顺序不同，最终的生成效果和Token消耗会有差异。
模型标签参考（推测）：
- GPT-5.6 (Luna) / (Terra) / (Sol)：同一系列针对不同任务微调的模型变体，例如分别在数理推理、长文本处理或特定算法上表现更佳。
- GPT-5.3 Codex Spark：代码特化模型，建议在"问题一-Python/Matlab代码生成"模块单独勾选此模型以提升代码运行成功率。
- Codex Auto Review：专门用于代码审查和查错的模型，适合与代码生成模型搭配，让前一个写代码，后一个审代码。
- GPT-5.4 Mini：轻量级快速模型，价格便宜、速度快，适合处理"题目读取"等简单任务。

3. 使用策略建议（结合上下文的"快速/精修"模式）

简单任务（题目读取、摘要）：建议选择【快速】模式 + 【自动择优】（选择最优单模型即可，性价比最高）。
代码生成任务 ：建议选择【精修】模式 + 【自定义组合】中的 GPT-5.6 (Luna) 搭配 GPT-5.3 Codex Spark，确保逻辑严密且代码可直接运行。
复杂推导（模型建立与求解）：建议选择【精修】模式 + 【自动择优】（优选次优或第三组合，利用多模型交叉验证来避免数学推导上的低级错误）。

2. 核心生成流程（分步操作）

平台提供了6个核心章节模块（初始状态均为未生成）：

步骤1：题目读取
- 功能：从上传的题目与数据中提取关键信息（题目背景、数据字段、求解目标），并列出全部问题清单。
- 操作：选择"模型组合"（如自动择优），也可点击"上传替换"(不扣token)重新上传题目，或点击系统自动读取"生成（1次）"按钮。

步骤2：问题分析
- 功能：对每个子问题进行数学化分析，给出建模目标、数据特征、统计分析与可视化、候选模型与选择理由、可行性论证与求解路线。
- 操作：可选择"快速"或"精修"，选择"模型组合"，也可点击"上传替换"(不扣token)重新上传问题分析，或点击系统自动"生成（1次）"按钮。

第一步：先生成全部代码
- 问题一-Python代码生成：可生成可独立运行的Python代码（可下载 .py 文件）。支持"快速"、"精修"、选择模型组合、"上传替换"，以及上传"辅助资料"（如参考公式、文献片段、评分标准等，仅作辅助，不作为结果来源）。
- 问题一-Matlab代码生成：功能与Python代码生成类似，可生成可独立运行的Matlab代码（可下载 .m 文件）。
- (注：若有多道题目，会有相应问题二、问题三的代码生成模块)

第二步：模型建立与求解
- 功能：在运行完上一步生成的代码后，上传实际运行结果（数据文件/图/表）作为参考，围绕代码建立模型并给出公式推导、符号说明、算法步骤、结果分析与模型检验。
- 重要限制 ：模型/公式严格基于对应问题最优代码；结果/图表严格依据客户上传内容（按文件名引用），严禁LLM编造数值/严禁凭空捏造图表。
- 操作：点击"运行结果与图表上传"区域，上传本地运行后的结果，点击"生成（1次）"。

摘要及其他章节
- 功能：根据各问题最终采用的模型、运用的求解方法与最终结果的准确性，结合参考资料撰写论文摘要、关键词，并补全模型评价、参考文献、附录等剩余章节。
- 操作：选择"模型组合"，点击"生成（1次）"。

3. 整合结果区域（右侧边栏）

已生成章节：左侧显示当前进度（如 0 / 6），已生成章节会点亮，未生成的显示"未生成"。
整合为 Word 论文：点击该按钮后，系统将把已生成的章节按Token扣费（输入+输出tokens），整合成完整的Word文档，在此区域提供下载。

三、操作流程建议

准备素材：准备好题目文件（如.docx, .pdf等）和数据文件（如.xlsx, .csv等），并一次性上传至顶部。
配置模型（可选）：若使用自己的API接口，可在"自定义远端模型"处填入URL和Key。
分步生成：
- 先依次点击"题目读取"和"问题分析"的【生成】按钮。
- 然后点击"问题一"的【Python/Matlab代码生成】。
- 本地运行：将生成的代码复制到本地运行，保存结果图和数据。
- 回到网页，在"模型建立与求解"下方的"运行结果与图表上传"中上传刚才本地运行的真实结果，再点击【生成】。
- 最后点击"摘要及其他章节"的【生成】按钮。
整合下载：点击右下角"整合为 Word 论文"，等待整合完成后下载文档。

四、注意事项（重要提醒）

按钮防重机制：生成期间按钮会自动禁用并显示实时计时，等待完成即可。若看到生成中状态，说明任务仍在进行，无需重复点击。
网络波动处理：若等待较久后弹出红色提示，多半是网络波动导致本次请求中断，任务可能在后台生成，甚至已生成。此时请直接再次点击【生成】按钮，系统会先确认后台状态；内容已生成则直接展示；仍在生成则自动等待。
扣费规则：两种情况都不会重复扣费，不会多扣Token；仅当确认该章节确实未开始生成时，才会按1次卡密/实际token正常计费重新生成。

实际使用参考：各环节 Token 消耗明细及费用预估指南

案例背景 ：以本次"NIPT检测题目"全套生成为例（模型为自动择优）。计费规则：1 token = 1 额度。所有环节均按实际输入+输出Tokens独立计费。

一、各环节独立生成费用明细表（参考数据）

二、最终整合为 Word 论文费用说明（务必告知）

系统提示：初版已生成，共消耗 99,820 tokens（输入 86,820 / 输出 13,200）。

注意："整合为Word论文"是一个额外的独立扣费环节。系统会重新读取前面所有的章节内容进行排版和拼接，因此还会产生一次不小的消耗。

全套总消耗预估： 分步生成（约 46.4 万） + 最终整合（约 10 万） = 单次全套生成总消耗约 56 万 Tokens。（对应截图中的余额变化：约56万余额扣减至42万）。

三、给客户的规律分析与控制建议

"输入"远大于"输出" ：这是平台消耗的大头。模型需要读取题目、数据、代码以及前文的推导过程。因此，章节越靠后，输入上下文越长，消耗越高（尤其是模型建立与求解、摘要部分）。
快速 vs 精修的差别 ：精修模式会生成3版并择优，其Token消耗是快速模式的3倍。建议客户先使用"快速"试水，确认结果无误后再对关键部分使用"精修"重新生成。
省钱技巧：
- 上传针对性数据：尽量只上传当步需要的辅助资料，避免上传无关的文件导致输入剧增。
- 用好"上传替换"和"重新生成" ：如果网络波动导致红字报错，系统会自动保留后台任务，再次点击【生成】不重复扣费，不用慌张。
- 先跑代码，再求解 ：务必在本地运行好代码后，把真实的 .png 图表和 .py 结果上传到"模型建立与求解"里再生成，防止模型因缺乏真实数据而浪费Token去试错。