前言¶

工程类问题通常不是「不知道方法」，而是方法散落在运筹学、TRIZ、质量管理三套体系里，彼此不通话；更难的是没有一条强制的闭环，导致诊断没做完就去优化，优化不动又回去改需求。这个 Skill 的做法是把三套方法压成一条 DIO（诊断 → 创新 → 优化）工作流，并配了自检、发散守卫和交付验证，让结论可以被复核而不是被”讲通”。下面介绍它的定位、能力边界和使用方式。

这是什么¶

一句话定位：面向复杂工程/科研问题的系统化解题 Skill，用运筹学（优化）、TRIZ（突破）、项目质量管理（诊断）三套方法级知识，提供诊断 → 创新 → 优化（DIO）闭环工作流。

• 名称：系统化问题解决顾问
• 坐标：@user_3851e389/dio-consultant
• 官方地址：https://api.skillhub.cn/user_3851e389/dio-consultant
• 页面：https://www.skillhub.cn/skills/user_3851e389/dio-consultant
• 发布者：user_3851e389
• 来源：community（社区）
• 分类：professional
• 当前版本：12.0.0
• 无需 API Key（requires_api_key=false）
• 页面评分 100000、下载 4706、安装 0（截至资料抓取时）

它和”知识问答型 Skill”的差别在于：不止给方法论解释，还带可执行脚本、错误码体系、经验账本和出图/物理校核的落地纪律。

核心能力¶

1. DIO 方法内核与工具库¶

• 诊断（D）：项目质量管理 11 法、DOE 实验设计、PMBOK 过程组知识。
• 创新（I）：TRIZ 矛盾矩阵、40 发明原理、科学效应库。
• 优化（O）：运筹学 10 法。
• 知识经验库 KEB：四库合一，配多源获取协议（web / journal / conference / magazine / video）。
• 文档与纪律：错误码体系（error_codes.md）、稳定性守护（stability_guard.py，30s 超时 / 熔断 / 降级）、读者地图、触发三分类、全章节 TL;DR。

2. 路由与评估¶

• DIO-SEF 评估框架用于在候选策略中选优。
• 语义路由：用本地 text2vec-base-chinese 句向量做 embedding 匹配，以「DIO-SEF 为基底 + 语义降权修正」排序，并补入漏掉 gold 的候选；作者称统一路由基准 top-1 单/多案例均 91.7%。
• 阶段 0 的流程为：发散（0）→ 并行供给（0a 知识引子 + 0b 方法路由）→ 规则收敛（0c）→ D/I/O 闭环。0a 相关性分析不再作为前置门控，目的是让无边界思考先于收敛，扩展性不被索引过早拘束。

3. 知识域路由（v4.0/v4.1）¶

• 学科按《学位授予和人才培养学科目录》13 门类 + 一级学科；行业按申万一级 31 个。
• 相关性引擎：scripts/keb.py。
• 知识积累双轨：主动预填（proactive，后台持续补 KEB 空白槽）+ 被动补缺（reactive，解题时触发补全指令），把知识积累与解题关键路径解耦。

4. 科研能力栈（v3.0）¶

可调度 8 个科研 Skill（文献综述 / 论文写作 / AI 实验 / 开放探索），用于科研与知识创造类问题，再用 DIO-SEF 在候选策略中选最优。

5. 落地执行：CAD 与工程图¶

这部分是它区别于纯文档型 Skill 的关键，作者标注了多轮实机验证。

• 出图通道：按需调度 solidworks-bridge / autocad-2017-bridge，按 GB 出图；SW2025 COM 可达可靠，圆柱工程图 e2e 全绿（STEP/PDF/DWG）。程序化视图 SaveAs 存在「出图墙」，已用 ezdxf 直出 DXF+PDF 作为可靠 fallback。
• 自有内化库：scripts/lightweight_cad/（仅依赖 ezdxf/matplotlib/numpy，零外部技能依赖），可出建筑/机械/电气/管道/结构五行业 2D 工程图，全量自检 96/96 PASS；CJK 字体回退链解决中文方块，保留 ⌀ 直径符号。
• 反向重绘（v11.1/v11.2/v11.3）：scripts/image_to_dwg/（15 模块、15/15 自检全绿），栅格图 → 几何基元 → DXF/DWG 反向重绘；dwg_modify 按句柄编辑文本/字高/图层/平移/删除，DWG 经 AutoCAD COM 桥接；批量 Plot 反绘件经真机 Window+1:1 配方端到端验证出矢量 PDF。
• OCR：内化 layout_analyze（噪声过滤 + 行列合并 + 标题栏/尺寸/注释/正文分区，ocr_image_enriched 返回带 block_type 区块），保留 paddleocr 惰性后端 + sidecar 真机可用（锁 2.6.2/2.10.0，Python 3.13 无 paddlepaddle wheel 时走 3.11 sidecar-venv 子进程 bridge）。
• 证据等级纪律：KNOWN / SCALED / INFERRED / UNREADABLE + 四种 profile，缺标定不臆造 mm。
• 设计-出图闭环纪律（v4.2）：纪律 5 重写为「CAD 自动化出图」统一闭环，新增引擎调度矩阵（SW2025 COM / AutoCAD 交互 COM / Python 轨，多轨择稳、遇坑即降级）；沉淀 SolidWorks 2025 自动化纪律（late-binding + gb_a3 模板 + 比例反算 clamp + 防空白导出）与 AutoCAD 自动化铁律（headless 已坏 → 交互 COM、文档空闲前置、PlotToFile 前必 GetPlotDeviceNames、视口 status=2、VARIANT 包）。

6. 工程物理建模（v3.9/v10）¶

• 案例 7（TF-1 三模态机器人飞行指标达标）：能源螺旋固定点模型诊断「≤16kg 不可达」——物理绝对地板 7.7kg → 最小 MTOW≈17.3kg，结构 117kg 发散；TRIZ #1/#2/#31/#40 轻量化（CFRP + 拓扑 + 点阵）将结构压至 S_A≈30kg，固定点重算 MTOW≈58.3kg，达标 30min/10km。
• 工程物理建模纪律：固定点/迭代模型必带发散守卫（返回 FAIL 而非伪造数值）；轻量化与电池比能须并列管控；字面目标不可达时先诊断不可能性，再提议 DECIDED 修正目标。
• 数值工具链（v10.x）：tolerance_chain.py（极值/RSS/蒙特卡洛 + 贡献度缩差排序 + 8 工艺公差库）、physics_checks.py（结构弯曲/挠度/欧拉屈曲 + 热传导/热阻链 + 达西压降解析校核）、fea_adapter.py（CalculiX inp 生成/解析 + SolidWorks Simulation COM 双桥）、hardware_loop.py（实测 schema 导入 → OK/WARN/FAIL 分级对比 → 自动更新标定系数 → 验收报告）、world_model.py（白盒 RK4 仿真 + RSSM 式潜在线性模型 + 反事实 rollout + 蒙特卡洛不确定性 + sim-to-real 误差校正）。
• 世界模型纪律：物理规律已知首选白盒可微仿真（Genesis/MuJoCo/XFLR5/FEA），环境动力学未知才用神经世界模型（DreamerV3）；不免费降档、误差累积须回灌真实验证兜底。

7. 自我进化与交付验证¶

• 阶段 5 POST 量化晋升阈值：30 天 / ≥2 任务 / ≥3 次或重大避坑。
• 失败必入账：partial/fail 写 reproducible / priority / context。
• Skill 沉淀质量门：实测 / 自洽 / 无硬编码 / 命名 / 自包含 五关。
• 经验账本：外部账本已沉淀 E0001–E0003、E0028 等避坑记录。
• 交付验证纪律：出图类交付必带 PyMuPDF 矢量图元 / 非白像素比客观判据 + 视觉确认。
• 发布纪律：本地迭代自由，发布须用户明确「发布」才执行。

安装与启用¶

官方页面未在资料中给出可直接引用的安装命令，且本次抓取官方页面失败，因此这里不臆造命令。Skill 基于通用 SKILL.md 格式，常见做法是把仓库放在本地 skills 目录后按名称调用。启用前请按下面步骤自行核对：

1、打开官方地址，确认版本号、分类与是否需要 API Key。
2、下载或克隆到本地 skills 目录（本例为 dio-consultant）。
3、在宿主 Agent（Cursor / Codex CLI / Claude Code 等）中指向该目录，按需在项目配置里声明。
4、首次使用先跑作者提供的验证脚本，确认环境可用：

python scripts/keb.py --help        # 相关性引擎
python scripts/stability_guard.py   # 稳定性守护（超时/熔断/降级）
python v10_validation.py            # 整体验证

以上脚本路径来自作者在版本说明中列出的文件名，具体调用参数请以仓库内 SKILL.md 为准。

典型用法¶

作者在版本说明中给出了三类可复现场景，下面按”输入 → 关键步骤 → 交付物”复述。

用法一：工程指标不可达诊断（TF-1）

输入：飞行指标（续航/航程/重量上限）
1. 建立能源螺旋固定点模型，先算物理绝对地板与最小 MTOW
2. 模型发散（结构质量发散）时直接返回 FAIL，不伪造数值
3. TRIZ #1/#2/#31/#40 轻量化（CFRP + 拓扑 + 点阵）
4. 固定点重算，得到 MTOW≈58.3kg，达标 30min/10km
交付：诊断结论 + 量化权衡 + DECIDED 修正目标

用法二：设计-出图闭环（TF-1 M1 制造级标注）

输入：三维模型 + 制图要求
1. 按引擎调度矩阵择稳（SW2025 COM / AutoCAD 交互 COM / Python 轨）
2. 出图后用 PyMuPDF 统计矢量图元 / 非白像素比，再做视觉确认
3. 反向重绘走 image_to_dwg 或 dwg_modify 补齐
交付：DXF/PDF + 客观判据 + 验证报告

用法三：知识域路由

输入：问题文本
1. 发散（阶段 0）
2. 并行供给：0a 知识引子（KEB 相关性）+ 0b 方法路由（DIO-SEF + 语义降权）
3. 规则收敛（0c）
4. 进入 D/I/O 闭环执行

适用场景与注意¶

适合：需要跨方法体系解题的工程/科研问题，尤其是指标不可达诊断、制图与反向重绘、需要客观交付判据的场景。

注意：

1、评分、下载量等数值来自社区页面抓取时点，可能与最新状态不一致；安装数为 0 说明公开采用量有限，建议先小范围验证。
2、CAD 能力依赖本机 SolidWorks / AutoCAD COM 环境，不同版本行为不一致（作者记录了 headless 已坏、SaveAs 出图墙等坑），缺失时应走 ezdxf 降级路径。
3、OCR 相关能力受 Python 版本与 paddlepaddle wheel 限制，作者给出的方案是 3.11 sidecar-venv 子进程桥接。
4、文中 91.7% 路由准确率、96/96 PASS、e2e 全绿等为作者自报结果，未经本方独立复现。
5、发散守卫要求模型发散时返回 FAIL，使用时不要绕过这道纪律去”凑”结论。

结尾¶

它的价值不在新增一套方法论，而在把诊断、创新、优化串成强制闭环，并把出图、物理校核、自我进化都做成了可执行、可验证的纪律。如果你需要在工程问题上拿到可复核的结论而不是一段解释，可以从官方地址开始试用。

官方地址：https://api.skillhub.cn/user_3851e389/dio-consultant