面向高教社杯 / CUMCM 风格竞赛的数学建模 skill 包：把题面理解、建模、复现、图表、摘要、排版和最终审查连接到同一条证据链。
这不是一个固定工作流，也不是论文模板集合。它是一组按事件触发的数学建模专业 skill，设计目标是在数模项目里随叫随用、少打扰、不被固定流程绑架：需要题面、建模、代码、图表、审查或排版时再介入，完成证据整理或风险提示后把判断权交还给人。
它重点放在：
- 题目交付物是否真的被回答；
- 模型、公式、代码、图表、摘要和提交包是否可追溯；
- 数字、单位、场景、结论和图表是否一致；
- 结果是否经过真实数据 PoC、数值诊断、审查 pass items 和最终门禁。
skill 内部可以使用英文技术术语、字段名、算法名和官方规则原文；论文正文、项目清单、复现说明等交付文件默认采用中文竞赛文风。
这个 skill 包的核心假设是：AI 负责把证据链、检查项和可复现材料组织好，人负责判断题意、选择路线、确认取舍、解释结果并承担最终提交责任。
具体来说，人的作用包括：
- 定方向：判断题目真正要交付什么，决定主线模型和可接受的简化边界。
- 做取舍：在评价类、机理类、预测类、优化类方案之间选择最适合赛题的路线，而不是让算法名自动决定论文结构。
- 验事实：确认数据来源、单位、约束、参数和官方规则是否符合真实赛题。
- 审表达：判断摘要、图表、三线表和模型评价是否能被评委快速核查，而不是只看文本是否流畅。
- 负责任：AI 可以提供候选、检查和修复建议，但最终采用什么结论、如何披露 AI 使用、哪些内容进入提交包，必须由人确认。
因此，这套 skills 更像一个审查和生产的专业框架：它降低遗漏和漂移风险，但不替代参赛者的建模判断、学术责任和最终决策。
下面是表格资产的成品参考。README 中展示的是三线表效果示例，实际使用时仍需结合 figure_evidence.csv、result_registry.csv 或表格来源记录来保证证据可追溯。
- 证据优先：每个论文结论必须能追到 claim、result、figure、run、diagnostics 或 verification 记录。
- 真实数据 PoC：计算路线进入
paper_ready前，需要有不超过 30 行的真实数据 PoC 或等价命令记录。 - 数字冻结：已被论文引用的
paper_ready数字不能原地手改，必须通过 supersession 和 freeze change log。 - 图表升级门：图不是画出来就进论文，必须有 claim、来源、图注、图后结论、风险边界和最终尺寸视觉检查。
- 审查可落盘：最终审查不能只写“已检查”，需要至少 5 条带文件、位置、数值、约束方向和观测证据的 pass items。
- 随叫随用：不强制 G1-G6 大流程，不新增庞大调度链；需要哪个环节，就调用哪个 skill，减少对比赛现场节奏的打扰。
这个包沉淀自多轮优秀论文拆解、开源 skill 对照、图表资产改造和实战复盘。保留的是竞赛现场最有用的部分：题面锁定、证据登记、数值复现、图表审查、摘要约束、规则合规和最终提交门禁。
这个 skill 包不是单纯把算法名整理成清单，而是从多篇优秀论文、公开案例和实战复盘中抽出可复用的“题型-证据-表达”结构。重点覆盖：
| 方向 | 关注点 | 本包的处理方式 |
|---|---|---|
| 评价类问题 | 指标体系、权重、排序稳定性、方案优选 | 强制区分指标方向、标准化、权重敏感性和排名翻转风险，避免只套 AHP/TOPSIS 名字 |
| 机理类问题 | 物理/几何/业务机制、约束来源、边界条件 | 先锁定变量、单位、守恒或判定逻辑，再进入公式、仿真或优化实现 |
| 预测类问题 | 训练验证划分、误差传播、预测区间、决策影响 | 不只报告 RMSE，而要求说明预测误差如何影响后续配置、调度或鲁棒决策 |
| 优化与调度类问题 | 决策变量、约束、基准方案、可行性和求解稳定性 | 要求真实数据 PoC、run 记录、数值诊断、结果登记和可复现命令 |
| 论文表达与审查 | 摘要、图表、三线表、模型评价、最终一致性 | 用 claim ledger、figure evidence、review pass items 把“写得好”转成可核查证据 |
核心优势在于把比赛中最容易失控的地方变成轻量门禁：不是让 agent 多写流程，而是让每个结论、数字、图表和审查意见都有证据位置、状态和降级规则，方便人做最终判断。
| Skill | 作用 |
|---|---|
math-hub |
质量枢纽、状态锁定和最终门禁 |
math-problem-reader |
题面解读、交付物锁定、附件探索 |
math-model |
分问建模、变量、约束、单位、验证设计和代码交接 |
math-code |
复现计算、真实数据 PoC、数值诊断、结果登记 |
math-verifier |
公式、量纲、边界、约束和可行性核验 |
math-figure |
证据优先的图表选择、生成、视觉检查和降级 |
math-table |
符号表、记号表、结果表和三线表修复 |
math-abstract |
基于已验证结论的摘要和关键词 |
math-latex |
竞赛论文 LaTeX 排版、浮动体和 PDF 检查 |
math-consistency |
摘要、正文、表图、附录和登记表一致性审查 |
math-review |
评委视角风险审查、扣分点和最小修复 |
math-compliance |
官方规则、匿名性、提交包和 AI 使用披露 |
math-literature |
轻量文献检索、引用核验和结论映射 |
math-templates |
论文片段、句式库、代码/绘图脚手架和登记表资产 |
| 文件 | 用途 |
|---|---|
claim_ledger.csv |
记录论文结论、位置、数值、单位和证据 id |
result_registry.csv |
记录可引用结果、来源脚本、run id、冻结状态 |
poc_registry.csv |
记录真实数据 PoC、失败原因和可晋升路线 |
run_record.csv |
记录正式运行命令、输入、参数、输出和状态 |
figure_evidence.csv |
记录图表 claim、来源、图注、视觉检查和验证状态 |
numerical_diagnostics.csv |
记录稳定性、容差、随机性、约束和诊断结论 |
review_pass_items.csv |
记录最终审查中真正通过的具体检查项 |
consistency_audit.csv |
记录跨材料数值、单位、场景和结论一致性 |
把本仓库中的 math-* skill 文件夹放入 AIIDE可发现的 skills 目录，或在当前工作区直接让 AIIDE 读取这些 skill。典型触发方式：
用 math-model 梳理这个分问的变量、约束和验证方案。
用 math-code 按 model_handoff.md 复现结果并更新登记表。
用 math-figure 审查这张图能不能进正文。
用 math-consistency 检查摘要、正文、表格和登记表是否一致。
用 math-review 从评委视角审查最终稿。
本仓库带有轻量契约测试，用来防止关键门禁在后续修改中漂移：
python -m pytest -q当前测试覆盖内容包括 skill 元数据、共享质量契约、PoC 门禁、冻结数字、图表视觉检查、最终审查 pass items、source-of-truth tier 和核心 artifact schema。