yushui2022/MathModel-Skill
Agent-native mathematical modeling workflow skills for Trae, Claude Code, and Codex, covering problem parsing, modeling, code generation, evidence checks, paper writing, and Word delivery.
해결하는 문제
MathModel Skill은 수학적 모델링 경진대회 전반의 라이프사이클을 처리하기 위한 구조화된 프레임워크를 AI 프로그래밍 에이전트에게 제공합니다. 단일 프롬프트로 논문을 생성하는 것이 아니라, 실제 계산이 수행되고 증거가 수집되며 전문적인 형식(Word/PDF)으로 공식 논문이 생성되는 검증 가능한 워크플로우로 프로세스를 전환합니다.
작동 방식
이 프로젝트는 S0에서 S8까지의 다단계 파이프라인을 구현하며, 각각의 '스킬'이 특정 작업을 담당합니다. 입력 사전 검사 및 문제 분석에서 시작하여 모델 선택, 코드 작성, 실행, 마지막으로 공식적 글쓰기 및 렌더링 검사로 진행됩니다.
핵심 메커니즘은 다음과 같습니다:
- 증거 기반 워크플로우: 각 단계에서 실제 파일과 증거(sha256로 기록)가 생성되며, 다음 단계는 이를 기반으로 하므로 에이전트가 결과를 환상적으로 생성하는 것을 방지합니다.
- 단계별 능력 수준: 기본 보고서부터 다중 경로 비교 및 강건성 실험을 포함한 고강도 연구까지 가능한 세 가지 버전(Lite, Standard, Pro)을 제공하여 다양한 LLM 능력에 맞춥니다.
- 공식적 저작: 전용 작가 컴포넌트가 논문을 섹션별로 작성하고 내용을 감사한 후, 네이티브 Word 수식과 LibreOffice를 통한 PDF 렌더링을 포함하여 최종 문서로 통합합니다.
대상 사용자
AI 에이전트(Codex, Claude Code, Trae 등)를 사용하여 문제 분석, 데이터 처리, 논문 초안 작성에 도움을 받는 수학적 모델링 경진대회 참가자(학생 또는 연구자).
주요 특징
- 검증 가능한 실행: 에이전트가 실제 코드를 실행하고 증거를 보관하도록 강제하여 프로세스 시뮬레이션에 그치지 않도록 합니다.
- 다중 플랫폼 지원: Codex, Claude Code, Trae용 사전 제작된 설치 패키지를 제공합니다.
- 형식의 엄격함: 논문 길이, 네이티브 Word OMML 수식, PDF 렌더링 검증을 자동으로 체크합니다.
- 단계별 워크플로우: 선택한 LLM의 추론 능력과 비용에 맞춰 유연하게 사용 가능한 버전(Lite, Standard, Pro)을 제공합니다.
관련
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트