sweetcornna/mathodology

解決する問題

数学モデリングコンテストでは、問題を正しく読み、説明可能なモデルを構築し、実験で結論をテストし、明確な図を作成し、実際の参考文献のみを引用し、読みやすい論文を書くという構造化されたワークフローが必要です。Mathodology はそのワークフローを再利用可能なスキル、役割、テンプレート、デスクトップアプリにパッケージ化し、Claude Code、Codex、Antigravity CLI などのエージェントコーディングツールが一貫して実行できるようにします。

仕組み

Mathodology は、8 つのスキル（例：モデリングプロンプト、証拠検索、科学的プロット、レビュー質問）と 8 つの専門役割（コーディネーター、問題分析者、モデラー、プログラマー、文献担当、レビューアー、ライター、パッケージャー）を提供し、必要に応じて並行して実行します。Matplotlib で書かれた 46 のチャートテンプレート（実際のデータを入力すると PNG/PDF 出力が得られます）と、感度分析、モンテカルロ、バックテスト、アブレーション、ランキング安定性などの一般的な数学モデリング手順のための 18 の実験コンポーネントが含まれています。verify_refs.py スクリプトは、各引用の DOI、タイトル、著者、年、撤回ステータスをチェックします。Mathodology Studio デスクトップアプリ（macOS/Windows/Linux）は、モデル API を呼び出さずにローカルにインストールされたエージェント CLI を駆動し、すべてのチャート/テーブル/コード変更をバージョンとして保存して比較とトレーサビリティを実現します。また、結論をツールログにマッピングする読み取り専用のレビューモード、DOI 検証後に references.bib を書き込む文献パネル、AI 特有の表現を減らすオプションのヒューマナイザーも提供します。

対象者

数学モデリングコンテストの参加者とチームで、AI コーディングエージェントを使用したいが、構造化され、再現可能で、引用が安全なアプローチを必要とする人々。また、コーディングエージェントに、プロンプトの理解からチャートとクリーンな論文の提供まで、厳密なモデリングパイプラインに従わせたい人にも適しています。

ハイライト

• 8 つのスキルと 8 つの役割が、問題の読み取りからパッケージングまで、完全なモデリングワークフローをカバーします。
• 46 のチャートテンプレートには、データ要件、レイアウト、誤解を招く例、キャプションプロンプトが含まれています。
• 18 の実験コンポーネントはチャートと統合され、3 行のテーブルを生成します。
• verify_refs.py は各参考文献の DOI、タイトル、著者、年、撤回ステータスをチェックし、疑わしい ID をフラグします。
• Studio デスクトップアプリは、すべてのチャート、テーブル、コード変更をバージョン管理し、それらを生成したエージェントターンにトレースします。
• 2 タブの引用レビュー：各結論をツールログにトレースし、各参考文献を 1 つずつ検証します。
• 多くのエージェント CLI（Claude Code、Codex、Antigravity CLI、Qoder CLI、pi など）と独自のインターフェースを介して動作し、ターン間で切り替え可能です。
• MIT ライセンスのオープンソース。Studio アプリではモデル API 呼び出し、キー保存、データ収集はありません。