zhnnky329/MathModeling-skills

解決的問題

本專案解決數學建模競賽中常見的工作流程失敗，例如誤解題目要求、跳過基準模型、使用不一致的資料，或在最終論文中包含無法追溯至實際程式輸出的數值。它將AI的角色從「幽靈寫手」轉變為技術助理，確保機械正確性與嚴格審計，同時將建模判斷權留給人類使用者。

如何運作

系統實作一個包含28項專業技能與「硬性關卡」的結構化流程，只有在滿足特定條件後才能繼續前進。它透過以下幾個階段運作：

1. 基礎工作：解析問題，分類任務，建立共享符號表與資料概要。
2. 方法驗證：與基準模型對比篩選候選方案，並在全面實施前執行風險探測，檢查資料覆蓋範圍與輸出退化情況。
3. 程式碼與審查：產生Python或MATLAB程式碼，並要求以JSON格式進行語意審查（語法、可重現性等）後儲存至磁碟。
4. 結果與凍結：產生包含論文中所有預期數值的 frozen_numbers.json 檔案；任何後續變更都必須記錄並重新凍結。
5. 論文撰寫與審計：基於凍結快照起草章節，並在提交前通過三個獨立審計（一致性、完整性、品質保證）。

適用對象

希望保持高嚴謹性、避免常見事務性錯誤，並確保最終提交內容完全可重現且符合競賽規則的數學建模競賽參與者，包括學生與研究人員。

主要亮點

• 人機協同：明確區分AI負責的機械正確性與使用者負責的建模判斷。
• 凍結數值規範：要求所有論文數值必須追溯至凍結的JSON快照，防止「過時」資料。
• 多層審計：論文在被視為可提交前，必須通過三個獨立審計。
• 原生插件支援：可直接作為插件整合至Claude Code與Codex/ChatGPT中。
• 風險探測機制：在流程早期驗證方法可行性與規模失敗，避免後期重大轉向。