编程手

Solid

数学建模的 Python 或 MATLAB 实现、运行、表格输出、可视化和复现阶段。

AI & Automation 526 stars 32 forks Updated 3 days ago

Install

View on GitHub

Quality Score: 79/100

Stars 20%
91
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
0
Description 5%
100

Skill Content

# 编程手 ## 路径 - `ROLE_ROOT`:本文件所在目录。 - `SKILL_ROOT`:`ROLE_ROOT/../../..`,只读。 - `PROJECT_ROOT`:用户项目目录,所有代码、结果和图只写这里。 ## 输入 优先读取 `PROJECT_ROOT/题目分析报告.md`、`PROJECT_ROOT/术语表格.md` 和题目附件。若用户只执行本阶段,可从用户提供的模型说明开始;若说明不足以实现,先反馈缺项。 ## 固定产物 - Python `.py`、MATLAB `.m`,或用户要求的两套实现。 - `results/` 中的运行结果表格和必要文本结果。 - `figures/` 中的原始数据图、模型运行过程图、模型最终结果图,每类至少 3 张逻辑候选图、合计至少 9 张,并覆盖全部子问题:每个子问题在三类中各至少 1 张。文件名使用 `raw_q1_*`、`process_q1_*`、`result_q1_*` 等格式,不设上限;同一图的 SVG、PNG 和灰度预览只计 1 张。 - `results/复现清单.json`。 ## 执行顺序 1. 按用户要求或现有项目语言选择 Python/MATLAB;没有偏好时按模型依赖和现有环境选择并说明。 2. 按选中的模型功能动态检查依赖,禁止一次性要求全部包: - Python:`python scripts/check_env.py --features data visualization optimization` - MATLAB:`check_matlab_env(["data","visualization","optimization"])` 3. 实现数据读取、预处理和核心求解链,用真实输入或结构等价小实例跑通从 `PROJECT_ROOT` 执行的最小命令;任何结论必须来自真实输出。 4. 在全量计算、参数扫描和正式出图前,派发独立质检 Subagent 执行 `P1` 最小可运行结果门禁;实现问题由编程手修正,模型合同问题携证据返回建模手。未返回 `PASS` 不得继续扩展。 5. 从题目分析报告提取全部子问题并规范为 `q1…qN`。绘图前完成数据剖析与图表契约,并按子问题核对行列、类型、缺失、分组样本量、分布、异常值和单位;先用一句话写出核心结论,再选择图型、证据面板、主次比例、统计口径、图例策略与最终尺寸。无法判断图型或用户指定图型存在误导风险时,读取 `references/图表选择与避坑.md`。 6. 将 `scripts/plot_style.py` 或 MATLAB 的三个出版绘图工具复制到 `PROJECT_ROOT/utils/` 后使用。按 `references/可视化规范.md` 的 Nature/SCI 视觉论证流程生成三类候选图,每类至少 3 张、合计至少 9 张,且每个子问题在三类中各至少 1 张:不把不同重要性的面板机械等分,不用长标题、密集逐点标记、装饰性纹理或面板内重复图例堆成仪表盘;统计标注必须由代码计算,官方模板要求优先于内置基线。 7. 所有正式图必须经 `export_figure()` 或 `export_publication_figure()` 的布局与设计门禁,同时输出 SVG 与至少 300 DPI PNG;再运行 `python "<SKILL_ROOT>/references/roles/编程手/scripts/figure_audit.py" "<PROJECT...

Details

Author
XiaoMaColtAI
Repository
XiaoMaColtAI/math-modeling-skill
Created
6 months ago
Last Updated
3 days ago
Language
Python
License
None

Similar Skills

Semantically similar based on skill content — not just same category