前言¶
DeepSeek Harness (DSH) 的插件化架构允许开发者扩展智能体能力。在数学建模竞赛场景中，全流程自动化容易导致求解结果不可控或忽略关键约束。GateCraft 插件提供了一套“门控式”工作流，将求解过程拆解为若干阶段，由 AI 执行具体任务，人在阶段门上思考与决策，确保最终成果符合预期。
安装¶
使用 DeepSeek Harness 的插件管理命令安装：
dsh plugin add Crayonnan/dsh-math-modeling-skills-Gatecraft-
核心功能¶
插件包含 9 个 Skills 和一个 DSH Preset，构成数模一条龙流水线。
Skills 列表¶
- competition-workflow：五阶段流水线总控，负责流程编排。
- guozhan-paper：国奖写作范式。
- vision-ocr：题面与范文阅读。
- sensitivity-analysis：灵敏度分析。
- statistical-diagnosis：模型诊断。
- math-modeling-paper：论文内容生成。
- math-paper-template：LaTeX 排版。
- tex-pdf-image-to-word：Word 格式转换。
- paper-gate：交付验收层与约束分级真源。
DSH Preset¶
presets/math-modeling/：粘贴一道竞赛题即可自动启动工作流。
阶段门控与验收机制¶
工作流逻辑¶
competition-workflow 作为总控，将过程分为五个阶段：读题、分析建模、代码结果、灵敏度分析、论文写作。阶段报告记录“改动 → 效果 → 指标”，作为下一阶段数字的唯一出处。阶段报告不是审批关卡，而是数字出处。
paper-gate 与 docgate.py¶
paper-gate 定义了全仓库的约束分级规则，分为三层：
1. 事实：官方明文与工程事实（硬约束）。
2. 不变量：可机械验证的真实性与一致性（硬约束）。
3. 观察：获奖样本统计（软约束）。
docgate.py 是 paper-gate 的执行引擎，对 docx(OOXML) 或 tex 双后端执行 13 项检查：
- FAIL：事实错误或真实性问题（如编号断裂、摘要数字在正文找不到、图片超版心）。修复后需重跑。
- WARN：手艺判断，需逐条人工裁决。
使用验收检查时，需指定提交文件（支持 .docx 或 .tex）：
python assets/docgate.py <提交文件.docx|.tex> [--results RESULTS_REPORT.md] [--problem 题面.txt]
资产与辅助工具¶
插件附带了一系列辅助工具与真源：
- playbooks：optimization-playbook（优化求解/验证决策表）、figure-playbook（流程图与图件模板）。
- prompt-pack：14 条实战提示词。
- 生成器：flowchart_gen.py（规格 → drawio 生成器）、ocr_batch.py（并发 OCR）。
- 真源：official-paper-format.md（官方格式真源）、references/（模型选型决策树、交稿自查、获奖论文实证语料）。
适用场景与注意¶
- 适用范围：在统计分析类与优化/决策类（典型 C 题）上经过实战检验。
- 不适用范围：机理/物理仿真（A 题）与图论/工程（B 题）未经检验，不建议直接使用。
- 运行权限：插件以当前 DSH 进程权限运行，安装前建议检查源码与许可证。
总结¶
GateCraft 通过 Skill 协作和硬约束检查，将数学建模过程从“黑盒”转变为可控的流水线。它不提供无脑端到端自动化，而是提供工具链和检查机制，辅助人机协作完成带品味的建模成果。
- GitHub 仓库：crayonnan/dsh-math-modeling-skills-Gatecraft-
- 社区目录：GateCraft
