面向“华为杯”中国研究生数学建模竞赛的可安装 Agent Skill。它把赛题拆解、数据审计、模型选择、代码实现、验证设计和 LaTeX 论文交付串成一条可复现工作流，并内置 338 篇优秀论文的检索索引，以及由 67 篇论文深度蒸馏得到的论文、子问题和方法知识库。
项目不是“一键生成答案”的黑箱。脚本负责确定性工作，Agent 负责需要判断的工作：
init：创建标准参赛目录、建模笔记和论文骨架；query：检索 338 篇论文索引、67 条深度论文记录、255 条子问题和 96 条方法记录；decision-promote：校验并合并人工审核的约束、指标、最低基线与方法护栏；kb-validate：检查 Schema v2、证据层、引用关系和结构化字段覆盖率；eval-retrieval：用人工复核的查询集计算 Recall@k 和 MRR；audit：检查材料完整性、占位符、结果来源和论文交付状态；doctor：检查 Python、XeLaTeX 和中文论文模板所需宏包；$auto-modeling-skill：在题目与附件基础上完成问题拆解、建模、实现、验证和写作协作。
论文模块采用两阶段写作：先在 Markdown 草稿中完成证据卡、跨问叙事和逐问闭环，再转入 LaTeX 终稿。写作规范同时检查公式叙事、图表论证、摘要复读、程序日志式语言以及正文—附录一致性。
git clone https://github.com/weibu123/Auto-Modeling-Skill.git ~/.codex/skills/auto-modeling-skill重新打开 Codex 后，可显式调用：
使用 $auto-modeling-skill 分析这道华为杯赛题。先审计题目和附件，再给出问题图、基线、主模型链和验证矩阵。
也可把仓库复制到当前项目的 .codex/skills/auto-modeling-skill/，作为项目级 Skill 使用。
在仓库根目录执行：
# 1. 创建一套含 4 个子问题的参赛工作区
python3 scripts/auto_model.py init ./contest-2026 --questions 4
# 2. 从优秀论文知识库检索可迁移方案与风险
python3 scripts/auto_model.py query "多目标优化 疲劳 功率分配" --dataset all --limit 8
# 3. 按年份和题号检索尚待深度蒸馏的论文索引
python3 scripts/auto_model.py query "无人机 调度" --dataset index --year 2016 --topic A --limit 6
# 4. 校验并写入已审核的决策字段
python3 scripts/auto_model.py decision-promote --check
python3 scripts/auto_model.py decision-promote
# 5. 检查知识库结构与检索质量
python3 scripts/auto_model.py kb-validate
python3 scripts/auto_model.py eval-retrieval
# 6. 检查参赛材料和论文交付是否完整
python3 scripts/auto_model.py audit ./contest-2026
# 7. 检查本机能否编译中文 LaTeX 模板
python3 scripts/auto_model.py doctor完整参数：
python3 scripts/auto_model.py --help
python3 scripts/auto_model.py init --help
python3 scripts/auto_model.py query --help
python3 scripts/auto_model.py decision-promote --help
python3 scripts/auto_model.py kb-validate --help
python3 scripts/auto_model.py eval-retrieval --help
python3 scripts/auto_model.py audit --help
python3 scripts/auto_model.py doctor --help命令本身仅依赖 Python 3.10+ 标准库。生成中文论文 PDF 还需要 XeLaTeX 及 ctex 等宏包；先运行 doctor 可以看到缺失项。
init 默认生成：
contest-2026/
├── 题目/ # 原始题目，只读保留
├── 数据/
│ ├── 原始/ # 原始附件，只读保留
│ └── 处理/ # 可复现的中间数据
├── 问题1/ ... 问题N/
│ ├── 建模笔记.md
│ ├── 代码/
│ └── 结果/
├── 论文/
│ ├── 论文草稿.md
│ ├── 论文.tex
│ ├── figures/
│ └── tables/
├── 参考资料/
└── 比赛状态.md
知识库中的历史结果均为原论文作者自报，不能替代当前赛题上的复现、验证或证明。paper_index.json 中标记为 indexed 的记录仅完成标题、摘要和关键词自动提取，用于发现候选论文；只有标记为 curated 的记录进入深度论文、子问题和方法层。decision_fields/ 中的约束、指标和方法护栏是可追溯的维护者归纳，不冒充论文实验结论；当前 255/255 个子问题和 96/96 个方法均已具备决策字段。其中 2016-A/B/C/D 的 91 个子问题为逐条深度整理，其余 164 个子问题由已审核蒸馏字段按领域规则结构化，并标记为 reviewed-prose-normalization。检索时优先匹配任务结构、数据形式、约束和验证方式，不按算法名称机械套用。仓库不包含原始论文 PDF 或 Markdown 全文。
auto-modeling-skill/
├── SKILL.md
├── agents/openai.yaml
├── assets/ # 初始化工作区时复制的模板
├── references/ # 工作流、模型路由、验证与写作规范
│ └── data/ # 338 篇索引 + 深度蒸馏知识库
├── scripts/ # init / query / audit / validate / eval
├── evals/ # 检索黄金集与建模行为案例
└── tests/ # 标准库回归测试
python3 -m unittest discover -s tests -v本项目吸收了 cumcm-paper-hand-skill 在“可安装目录、参赛工作区、LaTeX 模板、交付检查闭环”方面的产品化思路；具体指令、脚本、模板与知识库均在本项目中独立实现。前者侧重论文写作，本项目定位为研究生数学建模竞赛的全流程工作台。
MIT