by XiaoMaColtAI
数学建模技能 - 面向 CUMCM、MCM/ICM 等数学建模竞赛的三阶段工作流:建模分析、Python/MATLAB 编程与 DOCX 论文生成。包含丰富的算法资源库(优化/预测/评价/图论/机器学习等)、角色指导文档、论文模板和实用工具脚本
# Add to your Claude Code skills
git clone https://github.com/XiaoMaColtAI/math-modeling-skillGuides for using ai agents skills like math-modeling-skill.
Last scanned: 6/1/2026
{
"issues": [],
"status": "PASSED",
"scannedAt": "2026-06-01T09:27:20.482Z",
"npmAuditRan": true,
"pipAuditRan": true
}math-modeling-skill is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by XiaoMaColtAI. 数学建模技能 - 面向 CUMCM、MCM/ICM 等数学建模竞赛的三阶段工作流:建模分析、Python/MATLAB 编程与 DOCX 论文生成。包含丰富的算法资源库(优化/预测/评价/图论/机器学习等)、角色指导文档、论文模板和实用工具脚本. It has 443 GitHub stars.
Yes. math-modeling-skill passed SkillsLLM's automated security scan — a dependency vulnerability audit plus prompt-injection heuristics — with no high-severity issues. You can read the full report in the Security Report section on this page.
Clone the repository with "git clone https://github.com/XiaoMaColtAI/math-modeling-skill" and add it to your Claude Code skills directory (see the Installation section above). math-modeling-skill ships a SKILL.md manifest, so compatible agents can discover and load it automatically.
math-modeling-skill is primarily written in Python. It is open-source under XiaoMaColtAI on GitHub, so you can review or fork the full source.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh math-modeling-skill against similar tools.
No comments yet. Be the first to share your thoughts!
本 Skill 用三个独立角色完成数学建模。生成的论文仅供用户参考,不作为可直接提交的作品。论文结构与格式必须以目标竞赛当届官方规则和官方模板为准,不能用往届经验替代官方要求。
SKILL_ROOT:本文件所在目录,只读。角色说明、算法资料、脚本和模板都从这里读取。PROJECT_ROOT:用户题目和项目所在目录,所有新产物只能写入这里。SKILL_ROOT 内任何文件。PROJECT_ROOT 再处理。| 用户意图 | 加载入口 | 是否要求前一阶段已完成 |
|---|---|---|
| 完整建模、完成整题 | references/roles/建模手/SKILL.md → references/roles/编程手/SKILL.md → references/roles/论文手/SKILL.md |
按顺序执行 |
| 只做题目分析、选模型 | references/roles/建模手/SKILL.md |
否 |
| 只写代码、跑结果、出图 | references/roles/编程手/SKILL.md |
需要题目和可执行的模型说明;缺失时先补齐必要分析 |
| 只写或修改论文 | references/roles/论文手/SKILL.md |
需要题目、模型、真实运行结果和图表;缺失时回退到对应阶段 |
不要在单阶段任务中强制执行完整流程。
只交付:
题目分析报告.md术语表格.md交付:
.py)或 MATLAB(.m)代码;可同时交付两种语言。.csv、题目要求的 .xlsx。results/复现清单.json,含随机种子、输入文件 SHA-256、运行时和依赖版本、关键参数、唯一复现命令。只交付一份完整的 .docx 论文。内部检查记录不作为额外交付物。
先读当前阶段的 SKILL.md,再按其中“何时加载”表读取所需参考,禁止一次性加载全部资料。
| 当前任务 | 额外读取 |
|---|---|
| 选模型或查算法 | references/算法索引.md,再读取一个或少数几个相关 assets/*.md |
| 搜索论文 | tools/paper_search/SKILL.md |
| 读取题目 PDF | tools/pdf/SKILL.md |
| 处理 Excel | tools/xlsx/SKILL.md |
| 生成 Word 论文 | tools/docx/SKILL.md |
完整导航见 references/README.md。
PROJECT_ROOT,SKILL_ROOT 未被改写。面向数学建模竞赛与建模项目的三阶段工作流
关注我
本 Skill 将数学建模任务拆分为 建模分析 → 代码实现 → 论文撰写 三个阶段。既可以按顺序完成整道题,也可以只执行其中一个阶段。
当前版本:1.0.0
生成的论文仅供参考。论文结构与格式必须以目标竞赛当届官方规则和官方模板为准。
| 阶段 | 角色 | 核心任务 | 固定交付物 |
|---|---|---|---|
| ① | 建模手 | 理解题目、设计模型、定义算法和验证方案 | 题目分析报告.md、术语表格.md |
| ② | 编程手 | 编写并运行 Python/MATLAB,生成结果与图 | 代码、结果表格、三类候选图、results/复现清单.json |
| ③ | 论文手 | 基于真实结果构建论证并生成 Word 论文 | 完整论文.docx |
本 Skill 可用于支持本地 Skills 或 Agent 工作流的工具,例如 Claude Code、Codex、Cursor、Trae 和 Qoder。具体加载方式以对应工具的当前文档为准。
git clone https://github.com/XiaoMaColtAI/math-modeling-skill.git
克隆后,将仓库放入所用 Agent 的 Skills 目录或按其方式加载本目录。
npx skills add https://github.com/xiaomacoltai/math-modeling-skill --skill math-modeling
也可以下载仓库 ZIP,解压后放入对应 Skills 目录。
完整流程:
使用数学建模 Skill 完成这道题,从题目分析一直生成完整 Word 论文。
单阶段执行:
只做建模分析,输出题目分析报告和术语表格。
只实现现有模型,使用 MATLAB 运行并生成全部结果和图。
根据现有代码结果生成完整论文.docx。
主入口见 SKILL.md。
SKILL_ROOT:本仓库根目录,只读;角色规范、算法资料、脚本和模板从这里读取。PROJECT_ROOT:用户题目所在目录;所有运行产物只写入这里。PROJECT_ROOT。典型产物结构:
PROJECT_ROOT/
├── data/ # 题目附件,只读
├── 题目分析报告.md
├── 术语表格.md
├── 问题1_求解.py 或 问题1_求解.m
├── results/
│ ├── 问题1_结果.csv
│ └── 复现清单.json
├── figures/
│ ├── raw_*.svg / raw_*.png
│ ├── process_*.svg / *.png
│ └── result_*.svg / *.png
└── 完整论文.docx
| 工具 | 用途 |
|---|---|
| 双引擎论文搜索 | OpenAlex + AnySearch 搜索、融合和交叉核验 |
| DOCX 工具 | 官方模板、OMML 公式、三线表、修订、批注和校验 |
| Excel 工具 | XLSX 模板处理、公式重算和错误检查 |
| PDF 工具 | 读取题目 PDF,提取文本、表格和图片 |
python tools/paper_search/scripts/hybrid_scholar.py \
--query "robust optimization vehicle routing" \
--limit 10 \
--json
--email 提供礼貌池邮箱。ANYSEARCH_API_KEY。Python 只检查实际需要的功能:
python references/roles/编程手/scripts/check_env.py \
--features data visualization optimization
MATLAB 使用:
addpath("references/roles/编程手/scripts");
report = check_matlab_env(["data", "visualization", "optimization"]);
算法资料覆盖七类问题:
| 类别 | 代表方向 |
|---|---|
| 优化 | 线性、整数、非线性、多目标和启发式优化 |
| 预测 | 灰色预测、时间序列、回归和机器学习预测 |
| 评价 | AHP、TOPSIS、熵权、灰色关联和 DEA |
| 图论 | 最短路、网络流、生成树和匹配 |
| 统计 | 检验、聚类、降维和多元统计 |
| 综合 | 蒙特卡洛、排队、博弈、马尔科夫和微分方程 |
| 机器学习 | 随机森林、集成学习和异常检测 |
先读取 算法索引,再按问题类型加载对应资料。每道子问题最多使用两个独立模型体系;物理题中同一机理的基础近似与高精度展开按一个模型族计数。
推荐采用模板驱动方式:
当届官方模板
→ python-docx 填充正文、表格和图片
→ LaTeX 严格转换为 Word 原生 OMML
→ 篇幅、公式、图表、编号引用和参考文献校验
→ DOCX 结构校验与渲染页数抽检
官方模板包含固定摘要页、编号页或占位符时,在原位置填充;只借用模板样式时,清除示例正文后再生成论文。
CUMCM 默认以约 15000 字词单位、约 20 页作为完整度质量目标,但这不是官方最低要求。以 2026 年官方规范为例,摘要原则上不超过一页、正文不超过 30 页;实际交付必须重新核对目标届次的官方文件。校验器还会检查公式、图、表的基本数量,图表题注与正文引用,以及参考文献和正文引用是否双向对应。
以下图表展示本项目可视化规范生成的候选图效果。
工作流可用于 CUMCM、MCM/ICM、APMCM、MathorCup、认证杯、数维杯等数学建模竞赛和一般建模项目。不同竞赛的页面、摘要、编号、页数和提交格式必须按当届官方要求配置。
math-modeling-skill/
├── VERSION
├── SKILL.md
├── README.md
├── CHANGELOG.md
├── assets/ # 算法资料
├── imgs/ # README 示例图
├── references/
│ ├── README.md # 渐进式导航
│ ├── 算法索引.md
│ └── roles/
│ ├── 建模手/
│ ├── 编程手/
│ └── 论文手/
├── tools/ # DOCX、PDF、XLSX、论文搜索
└── tests/ # 回归测试
python -m unittest discover -s tests -v
python tools/docx/scripts/self_check.py
python -m compileall -q tools references/roles/编程手/scripts
回归测试覆盖双引擎搜索、公式转换、DOCX、Excel 重算、论文结构、动态依赖和复现清单。
当前版本:1.0.0
1.0.0 由 GPT 5.6 Sol 进行全面检查和完善,系统修正了角色工作流、双引擎论文检索、公式转换、DOCX/Excel 工具、Python/MATLAB 支持、可复现机制、路径隔离和渐进式加载。详细内容见 CHANGELOG.md。
采用语义化版本 MAJOR.MINOR.PATCH:
MAJOR:固定交付物、目录契约、命令参数或数据结构发生不兼容变化。MINOR:增加向后兼容的新能力。PATCH:向后兼容的错误修复、文档校正或测试补充。完整记录见 CHANGELOG.md。