前言¶
做数学建模竞赛或赶 CUMCM、MCM、ICM 论文时，常见卡点不在「能不能跑出一个模型」，而在流程是否完整：图表有没有固定骨架、训练集有没有泄漏、公式和参考文献是否符合规范、成稿是否一眼像模板化 AI 写作。单靠通用对话式 Agent，这些约束往往要靠人反复提醒，且容易漏项。
下面介绍 SkillHub 上的社区 Skill「数学建模与论文工厂」（坐标 @user_0210c829/math-modeling-framework，当前版本 1.1.0）。它在官方说明里把数据分析、机器学习建模与论文产出绑成一条带质量门禁的流水线，并声明依赖 OpenClaw 环境；若交付物走腾讯文档，需使用 qclaw_tdoc_mcp_call。
这是什么¶
一句话定位：数据分析 + 机器学习建模 + 学术论文 / 数学建模竞赛论文的工厂化 Skill。
- 出品与维护：SkillHub 社区来源（
community），发布者user_0210c829，分类data-analysis。 - 解决的问题：在 XGBoost、回归、分类、聚类等建模之外，强制图表骨架、质量门禁、数据泄漏检查，以及 LaTeX 公式、GB/T 7714 文献与「去 AI 味」写作规范，面向 CUMCM、MCM、ICM 等场景成稿。
- 标签说明：页面标注
requires_api_key=false，即按 SkillHub 展示无需额外 API Key 配置。
官方 Skill 页：数学建模与论文工厂。API 坐标页：api.skillhub.cn。
核心功能¶
以下均来自 SkillHub 简介与页面描述，不展开未在资料中出现的具体脚本名或目录结构。
-
数据分析与机器学习建模
覆盖 XGBoost，以及回归、分类、聚类等常规模型路径，与竞赛 / 论文中常见的实证章节衔接。 -
论文工厂与竞赛导向
面向学术论文与数学建模竞赛（CUMCM、MCM、ICM）的成稿流程，而非仅输出代码或零散图表。 -
图表与质量门禁
「强制图表骨架」与「质量门禁」表示成稿前需满足预设结构与检查项，减少缺图、结构混乱等问题。 -
数据泄漏检查
在建模流程中显式纳入泄漏检查，降低因切分或特征工程不当导致的虚高指标。 -
排版与写作规范
LaTeX 公式规范、GB/T 7714 文献格式，以及「去 AI 味」写作约束，对齐国内论文与竞赛常见要求。 -
环境与交付
需 OpenClaw 环境；若使用腾讯文档交付，官方说明要求通过qclaw_tdoc_mcp_call完成相关调用。
安装与启用¶
Skill 基于通用 SKILL.md 格式。SkillHub 页面给出的安装方式是：让 Agent 按官方安装文档操作，并安装坐标 @user_0210c829/math-modeling-framework。
1、安装 SkillHub CLI（若尚未安装）¶
先确认本机是否已有 skillhub：
command -v skillhub && skillhub --version
未安装时，可按 SkillHub 安装文档 执行完整安装（文档中的推荐方式）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅需要 CLI 时，同一文档提供带 --cli-only 的安装方式。
2、安装本 Skill 到当前 Agent 的 skills 目录¶
安装技能时必须用 --dir 指向当前 Agent 实际读取的 skills 目录；默认装到 ./skills/ 可能不会被识别。文档中列出的常用路径示例：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
在已安装 CLI 的前提下，安装命令形如（将 <skills 目录> 换成你的环境路径）：
skillhub install user_0210c829/math-modeling-framework --dir <skills 目录>
也可将下面提示词发给 AI，由其按安装文档完成安装：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_0210c829/math-modeling-framework`。
3、OpenClaw 与腾讯文档¶
官方简介写明需 OpenClaw 环境。若交付链路使用腾讯文档，需具备 qclaw_tdoc_mcp_call 能力；具体 MCP 配置以你所用的 OpenClaw / QClaw 环境文档为准，SkillHub 页面未给出逐步配置字段。
安装或切换 skills 后，若 Agent 未加载新 Skill，按你所用客户端说明重启或刷新 skills 目录。
典型用法¶
SkillHub 页面未提供独立的长示例仓库或逐步教程，可复现的入口如下。
- 按上一节将
@user_0210c829/math-modeling-framework安装到当前 Agent 的 skills 目录。 - 在 OpenClaw（或文档列出的 OpenClaw 变体）中启用该 Skill，用自然语言描述任务，例如：给定赛题数据，完成探索性分析、选定回归 / 分类 / 聚类或 XGBoost 建模，并生成符合图表骨架与质量门禁的竞赛论文初稿。
- 若成果需写入腾讯文档，在环境中确认
qclaw_tdoc_mcp_call可用，再让 Agent 按 Skill 内 SKILL.md 的流程交付。
具体子步骤、检查清单与模板内容在 Skill 包内的 SKILL.md 中定义；安装完成后由 Agent 读取该文件执行，本文不臆造包内文件名或配置项。
适用场景与注意¶
适合谁
- 参加 CUMCM、MCM、ICM 等数学建模竞赛，需要「建模 + 图表 + 论文」一体产出的人。
- 写实证类学术论文，希望统一 LaTeX、GB/T 7714 与写作风格约束的团队或个人。
- 已在用 Cursor、Claude Code、Codex 等支持 SkillHub skills 的客户端，并愿意使用 OpenClaw 生态的用户。
限制与注意
- 环境：非 OpenClaw 或未配置
qclaw_tdoc_mcp_call时，腾讯文档交付链路可能无法按官方说明完成。 - 社区 Skill：来源为
community，质量与更新节奏依赖发布者user_0210c829；使用前可在 SkillHub 查看版本（当前 1.1.0）与简介是否匹配你的赛题 / 期刊要求。 - 统计信息：以抓取资料为准，SkillHub 展示评分 100000、下载 3229（页面数据会变动，以官网为准）。
- 勿替代人工审校：数据泄漏检查与质量门禁能降低风险，竞赛规则、查重与学术诚信仍须本人把关。
结尾¶
「数学建模与论文工厂」把数据分析、XGBoost / 回归 / 分类 / 聚类建模，与图表骨架、泄漏检查、LaTeX 与 GB/T 7714 规范、去 AI 味写作压进同一条 Skill 流水线，并面向 CUMCM、MCM、ICM 等成稿场景。若你已在 OpenClaw 侧工作，可通过 SkillHub 安装坐标 @user_0210c829/math-modeling-framework 接入。
- Skill 页：https://www.skillhub.cn/skills/user_0210c829/math-modeling-framework
- 坐标 API：https://api.skillhub.cn/user_0210c829/math-modeling-framework
- 安装说明：https://skillhub.cn/install/skillhub.md
