前言¶
數學建模競賽（CUMCM / MCM / 國賽等）的常見痛點是：賽題、數據、代碼、圖表、論文散在多個工具裏，agent 每次從零開始。已經有人做的是把建模拆成一個長提示詞，讓 LLM 一口氣寫完，但結果不可復現、中間產物沒有驗收。dsh-mathmodeling-workflow 是 DSH 上的一個工作流插件，維護者是 xzwwwwww，它把整條鏈路固化成一個確定性 8 步流水線：賽題分析、建模求解、編程實現、數據圖、流程圖、邏輯對抗複覈、論文撰寫、編譯 PDF。下面介紹這個插件是什麼、怎麼裝、怎麼用。
這是什麼¶
一句話：把一個賽題文件夾當作輸入，插件逐號子代理串行跑完 8 個步驟，最終產出一份 LaTeX 論文 PDF，以及全部源碼、圖表和中間產物。它不是另一種模型，也不是通用 agent 框架，而是掛在 DSH 插件機制上的一個 bundle。
倉庫地址：https://github.com/xzwwwwww/dsh-mathmodeling-workflow
目錄頁：https://www.skillhub.cn/plugins/xzwwwwww/dsh-mathmodeling-workflow
分類是「工作流」，GitHub 星標 1，許可證 MIT，npm 版本 0.3.11。
它解決的具體問題是：建模結果是「跑完一輪後」纔有的，而現有做法缺少分步驗收節點。這個插件每一步結束都有確定性閘門檢查，不通過就帶着修復提示重派，最多重試 2 次，主會話只做調度和驗收。
核心功能¶
1. 8 步流水線¶
| # | 步驟 | 幹什麼 |
|---|---|---|
| 01 | 賽題分析 | 拆子問題、定義變量、規劃建模思路和圖表清單 |
| 02 | 建模求解 | 假設、模型建立、求解、檢驗、邏輯合同 |
| 03 | 編程實現 | 寫可運行代碼、跑出結果、生成結果 JSON |
| 04 | 圖表生成 | 數據圖（matplotlib，按 manifest 對賬） |
| 05 | 流程圖/架構圖 | DrawIO 或 HTML 引擎畫流程、架構、TikZ 圖 |
| 06 | 邏輯對抗複覈 | 六類邏輯缺口複覈（方向反、跨問矛盾、任務讀歪…） |
| 07 | 論文撰寫 | LaTeX 正文、摘要、圖表嵌入、引用；strict 時做數據真實性覈對 |
| 08 | 編譯與合規檢查 | XeLaTeX 編譯、模板完整性、圖嵌入、AI 聲明合規 |
步驟可以被開關裁掉：flowchart_engine=html 把第 05 步換成 HTML 引擎；skip_figures 去掉 04 和 05；enable_comp_review=false 去掉 06；fast 模式跳過 06 的深度複覈和數據覈對。
2. 閘門驗收¶
每個步驟結束由確定性閘門驗收，檢查點包括產物是否存在、圖表是否對賬、正文頁數是否達標、邏輯合同是否建立、AI 聲明是否合規、數據是否經過覈對。不通過就帶着修復提示重派，最多重試 2 次。
3. 賽項適配¶
competition 開關支持 11 種賽項（cumcm、wuyi、huazhong、apmcm_zh、diangong、mathorcup、zhongqing、yangtze、liaoning、huashu、huawei、generic），每個賽項對應不同的競賽規則、默認正文頁數和 LaTeX 模板。多數賽項默認正文 30 頁，apmcm_zh 是 25 頁。
安裝與啓用¶
前置條件：DSH（桌面版或 Web 版）。用 npx 方式安裝需要 Node.js + pnpm；如果只有純 Node 環境，先 npm i -g pnpm。DSH 桌面版自帶 pnpm。
其餘依賴按需安裝，缺哪個隻影響對應那一步：
- Python 3.10+（可
import matplotlib）：數據圖、結果核對 - XeLaTeX（TeX Live / MiKTeX）：編譯論文 PDF
- Chromium 內核瀏覽器（Edge / Chrome）：僅
flowchart_engine=html時需要 - 中文字體：編譯中文模板（初始化時會嘗試從系統字體回填）
兼容性：README 註明已在 DSH 0.2.2-rc.1 實測通過（工具註冊、系統提示注入、8 步流水線、提問中轉、開關改寫、閘門驗收全部正常）。升級 DSH 後如果插件管理裏顯示未啓用，重新啓用一次即可，因爲升級可能重置 profile 裏的 bundle 選擇。
方式一：npx 一條命令（推薦）¶
npx -y @deepseek-ai/dsh plugin --profile desktop add github:xzwwwwww/dsh-mathmodeling-workflow
這條命令會拉取倉庫、裝進 desktop profile、自動註冊進 bundle 列表。Web 版把 desktop 換成 web。
方式二：從本地目錄裝¶
先克隆倉庫：
git clone https://github.com/xzwwwwww/dsh-mathmodeling-workflow.git
然後在 DSH 裏二選一。桌面端在插件管理 → 安裝 bundle，目標填克隆下來的目錄；Agent 側直接調用：
plugin_manager({ action: "install_bundle", target: "<克隆目錄的絕對路徑>" })
更新：方式一重跑 npx 命令；方式二 git pull 後把插件關閉再啓用一次（或重啓 DSH）。卸載：插件管理裏移除，或 plugin_manager({ action: "remove_bundle", target: "@local/dsh-mathmodeling-workflow" })。
典型用法¶
1. 把賽題和數據放進一個文件夾¶
2026國賽A/
├─ 賽題A.docx # 賽題原文：PDF / DOCX / MD 都行
├─ 數據.csv # 附件數據：csv / xlsx / json
└─ 自定義要求.md # 可選：導師規範、評審偏好、必須包含的內容
2. 在 DSH 裏說一句話¶
最簡調用，全部開關走默認值：
用建模插件跑這個賽題：D:\2026國賽A
帶要求的調用，只寫在意的部分：
用建模插件跑：D:\2026國賽A，國賽 A 題，正文 25 頁，
數據圖用 nature 風格，流程圖用 HTML 引擎，嚴格審查
agent 收到後會回顯最終開關，然後生成工作區，目錄名形如 modeling-2026國賽A-<時間戳>/。
3. 一個完整示例¶
用建模插件跑：D:\2026國賽A，國賽 A 題，正文 25 頁，
數據圖用 nature 風格，流程圖用 HTML 引擎（modern 版式），
AI 聲明按"使用過 AI 工具"寫，開啓邏輯對抗複覈，
自定義要求：摘要不超過一頁，必須包含靈敏度分析。
agent 會回顯開關摘要，例如：
賽項：國賽 (CUMCM)(cumcm) ｜ 題號=A ｜ 頁數(正文)=25 ｜ 數據圖風格=nature
流程圖=html/modern ｜ 豐滿模式=關 ｜ 審查=strict ｜ AI聲明=used ｜ 對抗複覈=開
→ 8 步，工作區 modeling-2026國賽A-20261104-2030/
4. 跑起來之後的工作方式¶
- 每步一個子代理、串行執行，上一步閘門通過才進下一步，主會話只做調度和驗收。
- 子代理拿不準關鍵信息（題號口徑、數據取捨、硬性要求）會先來問，拿到回答再繼續；能靠合理假設推進的，會在產物裏寫明假設。
- 隨時可以問進度：
看下當前進度，會列出 8 步狀態、產物大小和待答問題。 - 工作區根目錄有
PROBLEM_ANALYSIS.md、MODELING_REPORT.md、RESULTS.md、code/、figures/、paper/main.pdf。
開關一覽（20 個）¶
初始化參數只有 3 個不是開關：input_dir（必填，賽題目錄）、workspace_name（工作區目錄名，默認按目錄名+時間戳）、overwrite（工作區已存在時是否重建）。
主要開關：
| 開關 | 取值 | 默認 | 用途 |
|---|---|---|---|
competition |
11 種賽項 | cumcm |
決定競賽規則、默認頁數、LaTeX 模板 |
problem_id |
A/B/C… | 空 | 題號，寫進參數和規則段 |
title |
任意字符串 | 空（取目錄名） | 論文標題 / 賽題簡稱 |
max_pages |
正整數 | 賽項默認 | 正文頁數目標（下限），不含摘要/目錄/參考文獻/附錄/AI 聲明 |
figure_style |
default / nature |
default |
數據圖風格 |
flowchart_engine |
drawio / html |
drawio |
流程圖引擎；drawio 產物可拖拽編輯 |
diagram_style |
mono / plain / modern |
mono |
流程圖版式，僅 html 引擎生效 |
rich_mode |
true / false | false |
豐滿模式：正文 40-60 頁、30+ 圖、摘要 1500-2200 字 |
validation_mode |
strict / fast |
strict |
strict 含論文數據真實性覈對；fast 跳過複覈和深度自修 |
enable_comp_review |
true / false | true |
是否插入邏輯對抗複覈步 |
ai_disclosure |
off / none / used |
off |
AI 聲明：off 不寫且不許殘留；none 一句話 |
skip_figures |
true / false | false |
跳過兩個圖表步 |
skip_drawio |
true / false | false |
只跳過流程圖步 |
flow_per_problem |
true / false | false |
逐問流程圖 |
min_figures / min_tables / min_models |
整數 或 auto |
auto |
數量下限參考，寫進 CLAUDE.md 供技能自檢 |
custom_requirements |
自由文本 | 空 | 自定義要求，最高優先級，會進 CLAUDE.md |
可選：生成概念圖 / 機理圖 / 逐問框架圖¶
數據圖和流程圖都是全本地的（matplotlib / 本機瀏覽器渲染），不需要任何 key。只有「概念圖 / 場景圖」這類需要圖像模型，工作區裏已經帶了配置文件：
<workspace>/_utils/_gpt_image_config.json
{
"api_key": "",
"base_url": ""
}
api_key 從中轉站或官方取得；base_url 中轉站給接口地址就填，留空則用官方 https://api.openai.com/v1。也可以不改文件，直接設環境變量 GPT_IMAGE_API_KEY / GPT_IMAGE_BASE_URL，環境變量優先級更高。檢查是否配好：python _utils/gpt_image.py --check。沒配也能跑，規劃裏的概念圖會被自動跳過，不影響其餘步驟。
場景圖和機理圖分別注入固定風格（MCM Academic Illustration / Scientific Mechanism Diagram），你只需寫內容主題。逐問框架圖（--style framework）默認關閉，只有 flow_per_problem: true 且 custom_requirements 裏明確寫了用 image 纔會規劃。
適用場景與注意¶
適合誰：在 DSH 裏做數學建模競賽、需要可復現的賽題到論文流水線的用戶；想用 agent 產出結構化 LaTeX 論文、又要求中間產物可驗收的場景。
注意事項：
- 插件以當前 DSH 進程權限運行，安裝第三方 bundle 前應先檢查源碼與許可證。許可證爲 MIT。
- 編譯 PDF 依賴 XeLaTeX，沒有 TeX 環境時第 08 步會失敗；中文模板還需要系統中文字體。
- 數據圖的第 04 步需要 Python 3.10+ 且
import matplotlib可用。 flowchart_engine=html額外依賴 Chromium 內核瀏覽器。- 20 個開關中
max_pages是正文頁數下限，不是全文上限，避免按「不超過 N 頁」來理解。 custom_requirements優先級最高，寫進 CLAUDE.md，子代理會照它執行。- 升級 DSH 後若 bundle 顯示未啓用，重新啓用即可。
結尾¶
這個插件的價值在於把建模競賽的一次性長任務拆成 8 個有閘門的步驟，每步產物落盤、對賬後再進下一步，降低返工成本。它仍依賴本機 LaTeX、Python、瀏覽器等環境，且是社區作者維護的工作流，不是 DeepSeek 官方應用。你可以通過目錄頁或 GitHub 倉庫查看完整說明並裝來試用。
目錄頁：https://www.skillhub.cn/plugins/xzwwwwww/dsh-mathmodeling-workflow
GitHub：https://github.com/xzwwwwww/dsh-mathmodeling-workflow
