📌 项目地址：jihe520/MathModelAgent | ⭐ 4,811 颗星 | 🔧 Python | 📜 未标注
📌 项目地址：jihe520/MathModelAgent | ⭐ 4,811 | Python
它到底做什么
数学建模比赛的流程大家都熟：读题、查文献、选模型、写代码跑数据、画图、排版论文。三人小队，三天时间，最后两天基本靠熬夜。MathModelAgent 的愿景写在 README 第一屏：把 3 天压缩到 1 小时，自动产出一份获奖级别的建模论文。
4,811 个 Star，Python 项目。它不是聊天机器人加个提示词，而是一条完整流水线：分析问题 → 建模 → 写代码并纠错 → 绘图 → Typst 排版生成 PDF → 自动验收。全程一条命令串联。
三种上手方式，按折腾程度排序
1. 桌面版（最省事）
从 Releases 页面 下载安装包：
| 系统 | 下载文件 |
|---|---|
| macOS（Apple M 系列） | mathmodel--arm64.dmg |
| macOS（Intel） | mathmodel--x64.dmg |
| Windows 64 位 | mathmodel--x64.exe |
桌面版内置 Claude Code 和全套 SKILLS，不用装 Python / Node.js / Redis，填一个模型 API Key 就能跑。macOS 包有 Developer ID 签名并过了公证；Windows 包没签名，首次运行会弹 SmartScreen，选「更多信息」→「仍要运行」。只从官方 Releases 下载。
不确定 Mac 芯片型号：左上角 → 关于本机，看「芯片」一栏。
2. 在线版
作者托管了一个：https://mathmodel.top/home
3. SKILL 方式（适合已有 Claude Code 或 Codex 的开发者）
项目重构后完全由 SKILLS 驱动，不再做 Harness 层。装进现有工具：
npx skills add jihe520/MathModelAgent --all
Claude Code 里运行：
claude --dangerously-skip-permissions
# 进入后输入
/1start-mathmodel 完成这个数学建模任务
Codex 里：
codex --yolo
# 进入后输入
$start-mathmodel 完成这个数学建模任务
几个我认为值得说的设计
17 套 Typst 论文模板。 国赛、华数杯、华为杯、MCM/ICM 等中英文赛事都覆盖，自动匹配赛事类型。用 Typst 而不是 LaTeX 编译，出 PDF 快很多。
内置建模知识库。 建模规范、模型选择决策树（AHP、TOPSIS、ARIMA、GA 等）、常见易错模式、MCM/ICM 评分标准。每个阶段自动参考，目的是压低模型幻觉——这是纯 prompt 方案做不到的。
9 步自动验收。 文本泄漏检测 → 数值一致性校验 → Typst 编译 → PDF 可视化检查。AI 写论文最容易翻车的地方是正文里残留提示词、数字前后对不上，这一步专门治这个。
agentless workflow。 不依赖重型 Agent 框架，成本压得比较低。通过 litellm 支持任意模型，而且可以给不同 agent 配不同模型——建模手用一个强模型，论文手换个便宜的，钱花在刀刃上。
四层容错。 有限重试 → Fallback Hand Off → Evaluator Shadow Mode → Feedback Rerun。跑三小时的任务中途挂掉重头再来，是最难受的事，这套机制就是防这个。
人机协作。 关键节点会暂停等你审批，支持 6 种动作：confirm / edit / regenerate / ask / skip / abort。不是黑盒跑到底。
其他能力：本地 Jupyter 或云端（E2B / daytona）代码解释器，Tavily 联网搜索拿真实数据，ChromaDB + Rerank 的本地 RAG。每个阶段是独立 Skill，可以只跑分析或只写论文。
姊妹项目：sci-box
科研绘图独立成了 jihe520/sci-box，单独装：
npx skills add jihe520/sci-box
两个 Skill：scibox-figure 是 Python + Matplotlib 的科研图表模板（SHAP / ROC / Taylor / 云雨图 / 和弦图 / 环形热图，导出 PNG / PDF / SVG）；scibox-diagram 是可编辑的 draw.io 模板（五层技术路线图、三栏研究框架、流程图）。不参加比赛、只是写论文要画图，也能直接用。
用之前想清楚两件事
一是合规。多数建模比赛对 AI 使用有明确规定，美赛就要求披露 LLM 使用。直接把 AI 生成的论文交上去之前，查清楚赛事规则，内容自己过一遍——责任在提交者。
二是安全。SKILL 运行方式需要 --dangerously-skip-permissions 或 --yolo，等于放开了权限门槛。跑之前确认任务文件来源可信，别在放重要数据的环境里裸奔。