math-modeling-skills
数学建模竞赛全流程辅助工具，覆盖解题与论文写作。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：math-modeling-skills。 它的用途是：数学建模竞赛全流程辅助工具，覆盖解题与论文写作。 完整的 Skill 内容见：https://321skill.com/skills/math-modeling-skills/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“我收到了今年美赛的D题，关于网络流优化，请用 math-modeling-solver 技能帮我分析一下。” 它会引导你进行问题拆解，判定为网络科学类型，生成检索关键词，匹配出网络流或最短路径模型，并给出对应的Python代码模板。建模完成后，
对AI说：“现在开始写论文。” 它会自动衔接至 `math-modeling-paper` 技能，为你提供美赛论文的结构、摘要写法、图表规范及英文润色建议。
介绍
本工具旨在为数学建模竞赛（如国赛CUMCM、美赛MCM/ICM）的参赛者提供从拿到赛题到完成论文的全流程辅助。它包含两个核心技能：math-modeling-solver 负责解题，通过问题拆解、文献检索、模型匹配、代码模板等步骤，将赛题转化为可执行的解决方案；math-modeling-paper 负责写作，提供结构模板、摘要指导、文献引用、模型检验、英文润色等全方位支持，帮助用户将建模成果转化为高质量的竞赛论文。
使用方式非常直接。用户拿到赛题后，先启用 math-modeling-solver 技能，按照其引导的“五步法”进行分析和建模，最终会输出一个准备撰写论文的信号。随后，用户可无缝切换到 math-modeling-paper 技能，它会检测到该信号并开始提供针对性的论文写作指导，直至完成排版。
该工具主要面向参加数学建模竞赛的高校学生，无论是初次参赛的新手还是希望提升获奖率的老手，都能从中获益。对于学术研究者或需要系统性解决复杂优化、预测问题的数据分析师，它也是一个强大的参考工具箱。
建议用户在赛前熟悉工具的基本结构和文件，了解其工作流。使用时，应充分利用其基于150+篇获奖论文提炼的规则和模板，但也要结合自身对题目的理解进行灵活调整。注意，其文献检索功能设有“硬上限”，旨在引导高效搜索，避免陷入文献海洋。
核心特点
基于对150+篇国赛一等奖及美赛O/F奖论文（2018-2025）的系统分析，提炼出覆盖全部题型的决策矩阵和写作模板，提供从“题目到代码”再到“空白页到排版”的端到端、高度结构化的竞赛工作流，而非零散的技巧提示。
注意事项
不适合需要高度原创性理论创新或解决极其前沿、尚无成熟模型可借鉴的纯科研问题。
常见问题
这个技能能帮我直接写论文吗？
能。`math-modeling-paper` 技能提供从结构、摘要、各章节写作到排版、润色的全程指导，并包含大量模板和实例，但需要你输入建模结果和关键分析。
适合美赛哪种题型？
覆盖美赛MCM/ICM全部A-F六种题型，并针对不同题型提供了差异化的写作策略和Memo/Letter专项模板。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/math-modeling-skills/raw/index.md 读取 math-modeling-skills 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/math-modeling-skills/raw/index.md（查看排版版本）