前言¶
數學建模競賽（如華中杯、全國大學生數學建模競賽 CUMCM）往往是多小問、多數據文件、約束層層疊加。常見做法是直接讓 AI「寫個優化模型」，結果容易漏讀題面參數、目錄混亂、各小問之間無法複用代碼，調試時也難以定位約束違反來自哪一段邏輯。
下面介紹 SkillHub 上的社區 Skill「通用數學建模工作流」（@user_3937f0b6/math-modeling-solver）。它用標準 SKILL.md 把解題過程固定爲五個階段：理解題意、架構設計、實現求解器、校驗調試、結果分析，並附帶數據結構、代價函數與貪心插入等可複用模式，適合在 Cursor 等 Agent 裏作爲長期啓用的工作流說明。
這是什麼¶
一句話定位：面向數學建模競賽多小問賽題的系統化 Agent Skill，指導從讀題與探數到建模、編碼、驗證與交付的完整流程。
- 座標：
@user_3937f0b6/math-modeling-solver - 版本：1.0.0
- 來源：SkillHub 社區（
community），發佈者user_3937f0b6 - 分類：education
- 標籤：
requires_api_key=false（無需配置 API Key） - 官方頁面：SkillHub - 通用數學建模工作流
Skill 英文簡介與頁面一致：Solve math modeling competition problems (Huazhong Cup, CUMCM, etc.) with a systematic workflow — data exploration, model building, algorithm implementation, result analysis.
核心功能¶
以下內容均來自該 Skill 的 SKILL.md，安裝後 Agent 會按此文檔響應「解建模賽題」類請求。
五階段工作流¶
- Phase 1：理解問題 — 通讀各小問與數據文件；加載並檢查 Excel/CSV；從題面提取全部模型參數（速度、懲罰係數、排放因子等）。
- Phase 2：設計解法架構 — 約定目錄（如
problem_A/code、data、figures）；選定建模方法（混合整數規劃、啓發式、動態規劃等）；規劃求解管線（加載預處理、初解構造、局部搜索、約束檢查、多分量代價）；約定 JSON + TXT 輸出。 - Phase 3：實現求解器 — 以 Python + pandas/numpy 爲主；實現時變速度、U 型能耗、載重修正、軟時間窗懲罰、碳價等代價項；貪心構造 + 2-opt；車隊規模約束；多小問可增量疊加約束。
- Phase 4：校驗與調試 — 檢查容量、時間窗等約束；針對具體違反寫修復邏輯而非通用補丁；與更簡單基線對比合理性。
- Phase 5：結果分析 — JSON 結構化結果、可讀摘要、彙總統計（總成本、里程、CO₂、車型數量、裝載率等）；跨小問對比。
內嵌模式與交付物¶
Skill 文檔中給出了可照抄的代碼結構示例，包括：
- 圖/路網類數據的
info字典結構（節點、距離矩陣、時間窗、綠區客戶等） route_cost式多分量路徑代價計算- 按時間窗排序的貪心插入與違規掃描/修復思路
- 多小問遞進：第 N+1 問在上問基線上加約束並對比
每個小問建議產出：problemX_solver.py、problemX_result.json、problemX_result.txt、figures/*.png；跨小問還可有對比報告與論文模板（DOCX/TXT）等，具體以你在對話中與 Agent 約定的賽題爲準。
安裝與啓用¶
安裝方式以 SkillHub 安裝文檔 爲準。先確認 CLI：
command -v skillhub && skillhub --version
未安裝時可執行完整安裝（文檔推薦）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安裝 Skill 時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 可能不會被識別：
skillhub install @user_3937f0b6/math-modeling-solver --dir <skills 目錄>
常用路徑（摘自 SkillHub 安裝文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
也可按 SkillHub 頁面提示，讓 AI 根據 https://skillhub.cn/install/skillhub.md 安裝 @user_3937f0b6/math-modeling-solver。安裝後按你所用客戶端要求重啓或刷新 Agent，使 Skill 生效。
典型用法¶
Skill 在 description 中聲明：當用戶要求解數學建模競賽題（尤其華中杯、CUMCM 等多小問形式）時使用本 Skill。下面是可以直接復現的交互方式，不涉及虛構賽題數據。
- 在 Cursor 等環境中完成上述安裝，確保
math-modeling-solver出現在 skills 目錄。 - 新建或打開賽題工作區，把官方數據文件放在約定目錄（如
problem_A/data/）。 - 用自然語言說明任務，例如：「這是 CUMCM 某年 A 題，共三問，請按通用數學建模工作流：先讀題並列出參數，再爲每問建
code/data/figures目錄，用 Python 實現求解並輸出 JSON 和 TXT。」 - Agent 應按 Phase 1→5 推進：先探數與參數表，再選模型與管線，實現後跑約束檢查，最後彙總統計與跨問對比。
若賽題屬於路徑優化、車隊調度類，Skill 中的 info 結構、代價函數與貪心插入片段可作爲實現參考；其他題型仍適用階段劃分與交付物清單，具體模型需結合題面由 Agent 調整。
適用場景與注意¶
適合誰
- 參加華中杯、CUMCM 等競賽，需要穩定目錄結構與可迭代的多小問求解流程的團隊或個人。
- 希望 Agent 少跳步、先讀數據再寫模型，並輸出 JSON/圖表/報告等標準交付物的開發者。
限制與注意
- 本 Skill 是工作流與模式說明，不自帶可執行 Python 包；實現質量仍依賴題面、數據與你在對話中的約束。
- 文檔示例偏重組合優化、路徑與代價分解；非此類賽題需自行替換 Phase 2 的建模選型，但五階段順序仍可用。
- 社區來源 Skill，使用前可在 SkillHub 頁面查看版本與說明；當前抓取信息爲評分 100000、下載 1825 次、安裝 5 次（以 SkillHub 展示爲準，會隨時間變化）。
requires_api_key=false僅表示 Skill 本身不要求 Key；本地運行求解器仍可能需要 Python 環境與 pandas、numpy 等依賴，由你在項目中安裝。
結尾¶
「通用數學建模工作流」把競賽建模從「一次性生成代碼」改成可檢查的五階段流水線，並寫清目錄、代價函數與交付物格式，適合掛在 Cursor 的 skills 目錄里長期啓用。安裝與詳情見 SkillHub：https://www.skillhub.cn/skills/user_3937f0b6/math-modeling-solver，API 條目：https://api.skillhub.cn/user_3937f0b6/math-modeling-solver。
