sweetcornna/mathodology

解决的问题

数学建模竞赛需要结构化的工作流程：正确阅读问题、构建可解释的模型、通过实验测试结论、生成清晰的图表、仅引用真实参考文献，并撰写可读的论文。Mathodology 将该工作流程打包为可复用的技能、角色、模板和桌面应用，使 Claude Code、Codex 和 Antigravity CLI 等代理编码工具能够一致地执行。

工作原理

Mathodology 提供八项技能（例如，建模提示、证据检索、科学绘图、评审问题）和八个专业角色（协调员、问题分析员、建模员、程序员、文献员、评审员、写作者、打包员），按需并行运行。它包含 46 个用 Matplotlib 编写的图表模板——填入真实数据即可获得 PNG/PDF 输出——以及 18 个用于常见数学建模流程（如敏感性分析、蒙特卡洛、回测、消融和排名稳定性）的实验组件。verify_refs.py 脚本检查每个引用的 DOI、标题、作者、年份和撤稿状态。Mathodology Studio 桌面应用（macOS/Windows/Linux）驱动本地安装的代理 CLI，无需调用模型 API，并将每个图表/表格/代码更改存储为版本，以便比较和追溯。它还提供只读审查模式，将结论映射到工具日志，一个文献面板在 DOI 验证后写入 references.bib，以及一个可选的人性化器以减少 AI 典型措辞。

适用人群

适用于数学建模竞赛的参赛者和团队，他们希望使用 AI 编码代理，但需要结构化、可复现且引用安全的方法。也适用于任何希望其编码代理遵循严格建模流程的人——从理解提示到交付图表和干净的论文。

亮点

• 8 项技能和 8 个角色覆盖完整建模流程，从问题阅读到打包。
• 46 个图表模板，包含数据要求、布局、误导性示例和标题提示。
• 18 个实验组件与图表集成，并生成三行表格。
• verify_refs.py 检查每个参考文献的 DOI、标题、作者、年份和撤稿状态——标记可疑 ID。
• Studio 桌面应用对每个图表、表格和代码更改进行版本控制，并追溯到生成它们的代理回合。
• 双标签引用审查：将每个结论追溯到工具日志，并逐一验证每个参考文献。
• 通过其自身接口与许多代理 CLI（Claude Code、Codex、Antigravity CLI、Qoder CLI、pi 等）配合使用，可在回合之间切换。
• 在 MIT 许可下开源；Studio 应用不调用模型 API、不存储密钥、不收集数据。