zhnnky329/MathModeling-skills

해결하는 문제

이 프로젝트는 수학적 모델링 대회에서 흔히 발생하는 워크플로우 실패, 예를 들어 문제 설명을 잘못 해석하거나 베이스라인 모델을 건너뛰고, 일관되지 않은 데이터를 사용하거나, 최종 논문에 포함된 수치가 실제 코드 출력과 연결되지 않는 등의 문제를 해결합니다. AI의 역할을 '유령 작가'에서 기계적 정확성과 엄격한 감사를 보장하는 기술적 보조자로 전환하며, 모델링 판단은 인간 사용자에게 남깁니다.

작동 방식

시스템은 28개의 전문 기술과 '하드 게이트'를 갖춘 구조화된 파이프라인을 구현하여 특정 조건이 충족되기 전까지 진행을 막습니다. 다음과 같은 단계로 작동합니다:

1. 기초 작업: 문제를 분석하고, 작업을 분류하며, 공유 심볼 테이블과 데이터 프로파일을 구축합니다.
2. 방법 검증: 베이스라인과 비교하여 후보를 스크리닝하고, 데이터 커버리지와 출력 저하 여부를 확인하기 위한 리스크 프로브를 실행한 후 완전한 구현에 들어갑니다.
3. 코드 및 리뷰: Python 또는 MATLAB 코드를 생성하고, JSON 기반 의미적 리뷰(구문, 재현성 등)를 디스크에 저장해야 합니다.
4. 결과 및 동결: 논문에 사용할 모든 수치를 포함하는 frozen_numbers.json 파일을 생성합니다. 이후 변경 사항은 로깅하고 재동결해야 합니다.
5. 논문 작성 및 감사: 동결된 스냅샷을 기반으로 세션을 초안 작성하고, 제출 전에 세 가지 독립적인 감사(일관성, 완전성, 품질 보증)를 통과시킵니다.

대상 사용자

높은 엄격성을 유지하고, 일반적인 사무적 실수를 피하며, 최종 제출물이 완전히 재현 가능하고 대회 규정에 부합되기를 원하는 수학적 모델링 대회 참가 학생 및 연구자.

주요 특징

• 사람이 중심인 워크플로우: AI가 담당하는 기계적 정확성과 사용자가 담당하는 모델링 판단을 명확히 분리합니다.
• 동결된 수치 관행: 모든 논문 값이 동결된 JSON 스냅샷에 연결되도록 요구하여 '오래된' 데이터를 방지합니다.
• 다중 감사 레이어: 논문이 제출 가능하다고 간주되기 전에 세 개의 별도 감사가 통과해야 합니다.
• 네이티브 플러그인 지원: Claude Code 및 Codex/ChatGPT에 직접 플러그인으로 통합 가능합니다.
• 리스크 프로빙: 프로세스 초기 단계에서 방법의 실현 가능성과 스케일 실패를 검증하여 후기 단계의 전환을 피합니다.