XiaoMaColtAI/math-modeling-skill

解決する課題

このプロジェクトは、数学モデリングコンテストやプロジェクトのための構造化された3段階のワークフローを提供します。初期の問題分析とモデル設計から、コードの実装、最終的な学術論文の生成までの移行を調整することで、プロセスが断片化する問題を解決し、結果の再現性と視覚的な専門性を確保します。

仕組み

このシステムは、順次または独立して実行可能な3つの専門的な役割を通じて動作します。

1. モデリングアナリスト (Modeling Analyst)：問題を分析し、サブクエスチョンに分解し、適切なモデルを選択し、検証計画を設計します。
2. プログラマー (Programmer)：Python または MATLAB を使用してモデルを実装し、データテーブルを生成し、科学的な可視化を作成します。
3. 論文ライター (Paper Writer)：結果に基づいて最終的な議論を構築し、Word または LaTeX 形式で論文を生成します。

品質を確保するため、ワークフローには「品質ゲート」(独立したチェックポイント) と、文献調査やルール検証などの特定のタスクのためのオプションのサブエージェントが組み込まれています。学術論文検索 (OpenAlex および AnySearch 経由)、科学的プロット、ドキュメント変換のための統合ツールスイートが含まれています。

対象ユーザー

数学モデリングコンテスト (CUMCM, MCM/ICM, APMCM など) の参加者、および一般的な数学モデリングプロジェクトに取り組む研究者や学生向けに設計されています。

ハイライト

• 3段階のパイプライン：分析 $\rightarrow$ 実装 $\rightarrow$ 執筆という厳密なフロー。
• デュアル言語サポート：Python と MATLAB の両方をネイティブサポートし、動的な依存関係チェック機能を備えています。
• 出版品質のビジュアル：高 DPI、色覚多様性に配慮した科学的プロットツール (SVG/PNG)。
• 学術ツール：デュアルエンジン論文検索を統合し、Word および LaTeX の公式コンテストテンプレートをサポート。
• 再現性：乱数シード、ファイルハッシュ (SHA-256)、環境バージョンの自動記録。
• エージェント統合：DeepSeek Harness 用のすぐに使えるプリセットを提供し、Cursor や Claude Code などの AI コーディングアシスタントと互換性があります。