math-modeling-solver

数学建模竞赛解题指导

本 skill 提供的矩阵、cookbook、playbook、代码模板，全部是知识参考而非决策指令。 对于同一道赛题，不同队伍理应有不同的建模路径。矩阵里的推荐只是技术起点—— 你的任务是结合题目具体约束、数据特征和团队判断，做出有理由的选择，而非照搬推荐。

使用流程

收到解题任务后，按以下五阶段工作流操作。

Step 0: 判断用户入口

先判断用户在哪个阶段切入：

• 有新题目文本，从零开始 → 阶段1
• 已有问题分析结果，需要模型推荐 → 阶段2
• 需要先查文献再看选什么模型 → 阶段1.5
• 已确定模型，需要算法展开和代码 → 阶段3
• 建模已完成，需要衔接论文 → 阶段4
• 用户直接指定了模型名（如"用 GA 求解"）→ 阶段3，跳过阶段1-2
• 用户输入匹配已知题型 → 加载对应 Playbook 获取完整解题示范（12 本 Playbook 覆盖国赛 A/B/C + 美赛 D/E/F 全部题型）

阶段识别规则

用户说	切入阶段
"这道题怎么做" + 粘贴题目	阶段1
"帮我分析这道题"	阶段1
"帮我搜一下类似问题的文献"	阶段1.5
"有没有类似题目的论文可以参考"	阶段1.5
"选什么模型好"	阶段2
"XGBoost 和随机森林怎么选"	阶段2
"帮我写 GA 代码"	阶段3
"这个公式怎么推导"	阶段3
"建模做完了，准备写论文"	阶段4
"帮我写摘要"	阶段4 → 引导切换 paper skill

---

阶段1：拆题分析

目标：判定每个子问题的数学本质，输出结构化的分析结果。

自动加载：references/problem-decomposition.md

步骤：

1. 阅读用户提供的题目文本，提取关键信息
2. 按 problem-decomposition.md 的方法论，对每个子问题判定数学本质类型（共 12 种）：
   • 预测/回归、分类/判别、评价/排序、优化/决策、机理/物理、聚类/分组、关联/因果、博弈/策略
   • 几何/运动学、统计推断/实验设计、网络科学/图论、生态系统/环境
3. 明确每个子问题的：输入变量、输出目标、约束条件
4. 分析子问题之间的数据流和递进关系
5. 输出结构化分析结果（见下方输出格式）

输出格式：

## 题目拆解

### 题目概况
- 比赛类型：[国赛/美赛]
- 题型：[A/B/C/D/E/F]
- 核心场景：[一句话概括]

### 子问题分析

#### 子问题一：[标题]
- 数学本质：[预测/评价/优化/机理/分类/...]
- 输入：[哪些变量/数据]
- 输出：[需要得到什么]
- 约束：[有哪些限制条件]
- 难点：[关键挑战]

#### 子问题二：[标题]
...

### 子问题关系
[描述数据流：问题一的输出如何成为问题二的输入]

### 整体建模流程图（文字描述）
问题一([本质类型]) → [中间结果] → 问题二([本质类型]) → [中间结果] → 问题三([本质类型])

完成后：停留，等待用户确认分析结果。确认后进入阶段1.5。

---

阶段1.5：文献检索

目标：用文献证据支撑模型选择——知道「别人怎么解这类题」再决定「我们怎么解」。

触发条件：阶段1完成后执行。如用户明确表示不需要文献检索（例如已自行检索、有明确模型偏好、或时间紧迫），可直接进入阶段2。

自动加载：../math-modeling-paper/references/literature-review.md（跨 skill 读取，仅加载第一部分「文献检索」，不展开全文）

🚨 硬性上限（防止无限搜索，必须遵守）：

• 最多执行 5 次 WebSearch 调用（不是每个检索式都搜，是总共 5 次）
• 找到 5-8 篇高度相关论文后立即停止，不需要穷尽所有检索式
• T2/T3 回退仅在用户明确要求时执行，不要自动级联回退
• 如果前 3 次搜索已经找到满意结果，直接跳到步骤 4 整理证据，不再继续搜

步骤：

1. 从阶段1第4步已生成的检索关键词中，只挑最核心的 2-3 组（不是全部），中英文各至少 1 组——英文覆盖国际期刊，中文覆盖知网/万方/维普的核心期刊
2. 告知用户：简要列出建议的 2-3 组检索式（中英文混合即可，不需要各 3-5 组），说明信源分级。详见 literature-review.md 1.3 节
3. 询问用户：「是否需要我代为搜索？预计 3-5 次搜索即可覆盖核心文献（中英文各半）。如你已自行检索过，可以直接告诉我找到的文献，我们跳过这步。」
   • 用户同意 → 执行步骤 4，英文用 Google Scholar / Semantic Scholar，中文直接用中文关键词 WebSearch（覆盖知网/万方/维普的公开页面），不要走 T1→T2→T3 三级级联
   • 用户拒绝或已有文献 → 跳过搜索，直接请用户提供找到的文献，进入步骤 5
4. 执行搜索（遵守硬性上限）：
   • 中英文分配：5 次搜索中，英文 2-3 次 + 中文 2-3 次（中文搜索直接在 WebSearch 中用中文关键词，如 "玻璃文物" "成分分类" 机器学习）
   • 中文期刊识别：搜索结果中来自 cnki.net、wanfangdata.com.cn、cqvip.com 的链接通常对应知网/万方/维普收录论文。优先采信标注为「核心期刊」「EI 收录」「SCI 收录」「CSSCI」「CSCD」的中文论文
   • 每次搜索后检查：是否已找到 5+ 篇相关论文（中英文合计）？是→停止搜索
   • 是否已用满 5 次 WebSearch？是→停止搜索
   • 从检索结果中提取：类似问题用了哪些方法？各方法效果对比？是否有公认基准方法？
   • 标注期刊含金量：英文优先 SCI Q1/Q2，中文优先一级学报/核心期刊（见 literature-review.md 1.5 节期刊分级），普刊/会议短文尽量不引用
5. 输出文献证据摘要（必须标注期刊级别）：