Math Model Agent Plus

Math Model Agent Plus

把当前请求当作一个有状态的竞赛项目执行。该 skill 完全自包含；不要调用或要求安装旧版分阶段 skill、外部学术写作 skill，或相邻目录中的资源。

首要规则

1. 以题面、附件、可追溯外部来源和程序输出为事实依据。未知内容必须标记，禁止补造数据、结果、引用或竞赛规则。
2. 以 run-manifest.json 为项目状态唯一真相源；plan.md 和 todo.md 只做人类可读视图。
3. 以 results/results.json 为论文关键数值唯一真相源。正文、摘要、表格和图注不得重新估算数值。
4. 正式图必须使用可追溯的真实输入。模拟数据只允许显式测试模式，且不得进入论文或通过最终验收。
5. 默认在每个阶段产出完成后暂停并请求用户确认。未经确认不得进入下一阶段。
6. 修改已批准阶段时，把所有下游阶段标为 stale；保留已有文件，重新生成时不得静默覆盖用户文件。
7. 主代理独占项目文件和状态写入。子代理只可做只读分析、复核或挑战，并返回证据指针。
8. 先满足正确性和可复现性，再追求模型复杂度、图表数量或版式效果。

定位资源

先确定本 SKILL.md 所在目录为 SKILL_DIR。脚本位于 $SKILL_DIR/scripts/，论文模板和绘图配方位于 $SKILL_DIR/assets/。运行任何脚本前先调用其 --help，以本地帮助中的参数为准。

可用 CLI：

• doctor.py：只读检查 Python、Typst、XeLaTeX、Ghostscript、DrawIO 和 PDF 工具。
• project.py：初始化项目、记录输入哈希、推进/批准阶段、检查恢复状态和传播 stale。
• prepare_paper.py：从模板目录选择并复制论文模板，不手工拼接模板路径。
• compile_paper.py：按引擎编译，LaTeX 至少运行两遍。
• literature.py：检索、去重、DOI 核验并导出引用数据；网络不可用时明确降级。
• results_ledger.py：校验结果台账并生成 Typst/LaTeX 数值宏。
• validate_figure.py：校验图文件及其来源契约。
• verify_project.py：执行结构、数值、引用、泄露、编译和提交就绪检查。

脚本失败时保留 stdout、stderr、命令和退出码；不要把缺少可选工具误报成模型成功，也不要自行安装依赖。

选择入口

新建项目

1. 读取题面和附件，确认输入文件范围。
2. 运行 doctor.py 并记录可用工具；缺少某个排版引擎时可选择另一引擎，用户指定引擎时则记录阻塞。
3. 使用 project.py 初始化，而非手写 manifest。记录竞赛、论文语言、排版引擎、模板和所有输入 SHA-256。
4. 生成 plan.md 与 todo.md；若目标已存在或为符号链接则停止初始化，不覆盖。完成启动阶段后进入 awaiting_approval 并暂停。

断点续跑

1. 读取 run-manifest.json，不要重新初始化。
2. 用 project.py 复核输入哈希、阶段状态、审批记录和开放问题。
3. 若输入改变，按状态规则标记受影响阶段和下游阶段；不要删除旧产物。
4. 从第一个 pending、stale、blocked 或用户退回的阶段继续。已批准且输入未变的阶段不得无故重做。

独立验收已有项目

1. 不假设该项目由本 skill 创建，也不改写其论文、代码或结果。
2. 运行 verify_project.py 能执行的检查，并对缺失 manifest 或台账给出明确硬错误。
3. 再按 final-review.md 做三视角只读审查、编译与 PDF 逐页视觉检查。
4. 输出机器可读 verify.json 和 VERIFY_REPORT.md；只有零硬错误才可判定提交就绪。

六阶段控制流

完整状态、目录和审批契约见 workflow-contract.md。严格按以下顺序工作：

1. 启动与预检：输入哈希、工具环境、比赛/语言/引擎/模板、plan.md、todo.md。
2. 分析与建模：读取 analysis-modeling.md 和与题型相关的 modeling-playbook.md，产出 reports/ANALYSIS_MODELING_REPORT.md。
3. 编码与统计验证：读取 coding-validation.md，实现 code/run_all.py，生成 results/results.json 和 reports/RESULTS_REPORT.md。
4. 数据图与概念图：读取 figures-diagrams.md，生成正式图、figures/manifest.json 和 reports/FIGURE_REPORT.md；DrawIO 仅在论证需要时使用。
5. 论文写作：需要文献时先读 literature-citations.md，再按 paper-writing.md 准备模板、生成数值宏、撰写并编译 paper/submission.pdf。
6. 独立验收：读取 final-review.md，产出 reports/verify.json 和 reports/VERIFY_REPORT.md；零硬错误后把项目标为 complete。

每阶段都必须：读取上一阶段已批准产物；只做本阶段职责；记录实际命令与产物；运行适用检查；更新 manifest；仅在 plan.md/todo.md 仍匹配上次生成哈希时更新视图，否则保留用户版本；把阶段置为 awaiting_approval；向用户摘要关键决策、结果、风险与待确认项，然后暂停。

建模与证据原则

• 先给出可解释基线，再选择能回答题目且能被数据支持的候选模型；不要按样本量阈值机械选型，也不要为显得复杂而堆叠模型。
• 建模报告必须写清变量、单位、目标、约束、假设、输入输出、求解算法、停止条件和校验方法，使代码阶段无需猜测。
• 优化结果必须逐约束回代；预测必须防止时间或分组泄漏；评价模型必须声明指标方向、归一化与权重来源；随机算法必须固定种子并评估多次运行稳定性。
• 报告效应大小、误差或不确定性，而不只报告显著性或单个最优值。所有主要结论都要能追溯到题面、数据、结果记录或已核验来源。
• 文献元数据的主题相关性不是正文证据。支持核心主张的来源须核对原始内容；无法核验时标记 unverifiable 并收窄表述。

完成条件

仅当下列条件全部满足时宣布完成：

• 六个阶段已按顺序批准，且不存在 stale、blocked 或未解决的开放问题。
• code/run_all.py 可从项目根目录重现关键结果，约束、泄漏、稳健性和不确定性检查通过。
• 论文所有关键数值与 results/results.json 在声明容差和显示精度内一致。
• 所有正式图有真实来源、生成记录和有效文件；所有引用均有可追溯核验状态。
• 选定引擎成功生成 paper/submission.pdf，视觉检查无空白、裁切、乱码、重叠或占位符。
• verify_project.py 和三视角审查均无硬错误，最终报告明确给出 PASS。