如何用MathModelAgent的2analysis-modeling技能做赛题分析建模报告全流程详解【免费下载链接】MathModelAgent专为数学建模设计的 Agent skills ,自动完成数学建模生成一份完整的可以直接提交的论文。 An Agent Designed for Mathematical Modeling ,Automatically complete mathmodel and generate a complete paper ready for submission.项目地址: https://gitcode.com/GitHub_Trending/ma/MathModelAgentMathModelAgent 是一个专为数学建模设计的开源 Agent能自动完成赛题分析、数学建模、代码实现与论文撰写最终生成一份可直接提交的竞赛论文。而整个建模流程中最容易被新手忽视、却最决定论文成败的环节正是赛题分析与建模设计——MathModelAgent 通过2analysis-modeling技能把「读题 → 拆解 → 建模 → 输出建模报告」全流程自动化。本文将带你完整走一遍这个技能的工作流程看懂一份合格的建模报告是怎么诞生的。MathModelAgent 是什么简单说把 3 天的比赛时间压缩到 1 小时。它由「建模手、代码手、论文手」等多个 Agent 协作完成完整工作流支持本地 Jupyter 或云端代码解释器内置 17 套中英文赛事论文模板国赛、华数杯、华为杯、MCM 等并配套 9 步自动验收。项目已完全由 Skills 驱动每个阶段都是可单独调用的独立 Skill。 想亲自跑一遍克隆仓库后按 README.md 的 Docker 方式部署即可git clone https://gitcode.com/GitHub_Trending/ma/MathModelAgent cd MathModelAgent docker-compose up2analysis-modeling 在建模全流程中的位置MathModelAgent 的完整流程由入口技能1start-mathmodel统一调度共 5 个阶段见 skills/1start-mathmodel/SKILL.md阶段Skill作用主要产物1. 赛题分析与建模设计2analysis-modeling解析题意、拆解子问题、建立模型reports/ANALYSIS_MODELING_REPORT.md2. 编程实现和图表生成3coding-visual实现可复现代码跑出结果和图表code/、figures/3. 流程与架构图绘制4drawio绘制方法流程图、架构图等非数据图figures/*.drawio4. 竞赛论文撰写5writing基于结果撰写论文并插入图表paper/5. 验证和验收6verity数值一致性、编译、提交就绪检查reports/VERIFY_REPORT.md可以看到2analysis-modeling是整个流程的地基它产出的建模报告直接决定后续代码怎么写、图表怎么画、论文怎么排版。报告质量高后面四个阶段才能顺利自动化报告有歧义错误会一路放大到最终论文。5 步工作流程赛题分析如何自动化技能的完整定义见 skills/2analysis-modeling/SKILL.md。它以题面 PDF/文本 数据附件为输入按 5 个步骤推进最终产出唯一指定文件reports/ANALYSIS_MODELING_REPORT.md。下面以仓库内置的 2024 高教杯 C 题「农作物的种植策略」为例题面见 backend/app/example/example/2024高教杯C题/questions.txt逐步拆解。Step 1子问题拆解——只认「明确编号的顶层问题」这是新手最容易踩的坑把背景描述、数据说明、提交要求误当成独立子问题。技能明确要求只把题面中明确编号的问题如「问题一/二/三」当作子问题。报告开头必须写明「本赛题共 X 个子问题」且每个子问题都要说明 6 要素输入数据和已知条件决策变量或预测对象目标函数或评价指标约束条件与其他子问题的依赖关系需要用哪些图像或表格展示结果以上例题为例问题 1稳定条件下的最优种植方案、问题 2含不确定性、问题 3含作物间相关性并模拟求解层层递进——这种「递进性」正是后面假设校验的关键线索。Step 2假设敏感性预检——先别急着定模型题面里总有一些模糊表述比如「不宜太小」「大致稳定」。技能要求每个影响结果的歧义至少给出两种解释再用简单验算或逻辑递进判断选择哪种且报告必须包含固定小节模糊表述及解释快速验算与递进性检查最终采用的解释绘制的图像和对比表格其中有一条非常实用的判据如果某个假设会让后续问题的新增条件「没有边际效果」比如问题 2 明明加了不确定性结果却和问题 1 几乎一样就要回头调整解释。这一条能有效避免模型「形同虚设」。Step 3数据理解与建模路线对每份附件做数据体检行列规模、字段解释、缺失/异常/重复、单位是否一致、哪些变量可直接建模、哪些指标需要派生。然后给出总体路线例如题面 - 数据清洗(EDA) - 问题一模型 - 问题二模型 - 问题三模型 - 结果检验 - 论文展示这条路线图就是后续3coding-visual阶段写代码的顺序蓝图。Step 4建模报告——清晰到「代码能直接实现」这是技能的核心产出。每个子问题至少包含 9 项内容问题目标、符号和变量、模型假设、目标函数、约束条件、求解方法、输入输出、代码实现要点、结果校验方法。公式必须清楚到代码阶段可直接实现算法描述要包含核心步骤、停止条件、复杂度或可行性说明。推荐的报告结构如下子问题数量按实际题面调整不要硬凑# 建模报告 ## 1. 总体建模框架 ## 2. 数据处理方案 ## 3. 符号说明 ## 4. 问题一模型 ## 5. 问题二模型 ## 6. 问题三模型 ## 7. 灵敏度分析与检验方案 ## 8. 代码实现任务清单需要领域判断时技能会自动参考内置的规范知识库 skills/_references/math_modeling_norms.md其中收录了赛题理解、假设与模型建立、题型防错速查以及 AHP、TOPSIS、ARIMA、GA 等模型选型决策树能显著降低大模型的幻觉。Step 5给代码阶段的接口——「代码实现任务清单」报告末尾必须有一张任务清单表格把建模方案翻译成代码任务格式固定任务输入输出方法校验问题一附件1/2 数据result1_1.xlsx线性规划对比两种滞销处理问题二增长/波动参数result2.xlsx随机模拟优化与问题一结果对比这张表就是下一阶段3coding-visual的「施工图纸」保证了分析、建模、编码三个阶段零歧义衔接。建模报告如何衔接后续阶段2analysis-modeling只负责「纸上方案」它刻意不写论文正文、不生成最终 paper、不提前做图表排版——这些分别属于后面的技能。当报告交付后3coding-visual读取报告逐子问题实现代码、验证约束、生成RESULTS_REPORT.md和论文可用的图表 PDF5writing撰写论文时所有数值必须来自RESULTS_REPORT.md不允许编造6verity最后做数值一致性、占位符泄漏、编译等 9 步验收。质量要求一份合格建模报告的 5 条底线技能对报告质量设定了硬性约束也是你人工复核时的检查清单✅ 所有结论都能回到题面或数据✅ 不编造数据字段和数值✅ 不跳过歧义分析✅ 模型既要有数学表达也要能被代码实现✅ 数据不足或题面不清时明确记录风险和替代方案小结2analysis-modeling技能把资深建模手「读题—拆解—预检—建模—交接」的完整思考过程沉淀成了可复现的 5 步流程只认编号子问题、歧义先给两种解释、数据先体检、公式清晰到可编码、末尾附任务清单。掌握这套流程哪怕不跑 Agent你手动做赛题分析时也能直接照着执行——这或许才是本技能对新手最大的价值。【免费下载链接】MathModelAgent专为数学建模设计的 Agent skills ,自动完成数学建模生成一份完整的可以直接提交的论文。 An Agent Designed for Mathematical Modeling ,Automatically complete mathmodel and generate a complete paper ready for submission.项目地址: https://gitcode.com/GitHub_Trending/ma/MathModelAgent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考