Mcm Solver Matlab

• 原始数据或样例数据
• 目标函数或评价标准
• 约束条件、边界条件、初值
• 时间范围、单位、精度要求

11. 详细关键词到模型的映射参考见 references/keyword-to-model-routing.md。
12. 人类确认步骤的具体执行方式见 references/human-model-confirmation.md。
13. 在给出候选模型前，默认先读取 assets/cases/2023a-a/problem/ 与 assets/cases/2023a-a/solutions/，提取题型、结构、图表和叙述层面的参考。

题型判断

• 优化类：资源分配、路径、排程、选址、组合决策。
• 预测/拟合类：时间序列、回归、插值、趋势外推。
• 统计分析类：相关性、显著性、降维、聚类、分类。
• 微分方程类：动态系统、传播、种群、机理过程。
• 图论/网络类：最短路、最小生成树、最大流、网络鲁棒性。
• 评价模型类：层次分析、TOPSIS、熵权、模糊综合评价。
• 仿真类：蒙特卡罗、离散事件、基于规则的多轮试验。

详细选型与常见函数见 references/modeling-patterns.md。

工作流

1. 先提取关键词并做模型路由：

• 关键词
• 候选模型
• 推荐模型
• 选择理由
• 不优先采用的备选模型及原因

2. 向人类确认模型选择，不确认就不要继续实现。
3. 确认后再定义变量、参数、符号和单位。
4. 写出关键公式或目标函数/约束。
5. 把公式映射为 MATLAB 实现方案。
6. 组织代码结构，至少保证：

• 参数区
• 数据读入或数据生成区
• 核心求解区
• 结果输出区
• 可视化区

7. 检查数值稳定性、维度一致性、边界条件和异常输入。
8. 若用户需要论文，再把模型、代码结果和图表整理为 LaTeX 结构。
9. 给出结果解释、模型局限和可改进方向。

Subagent 并行策略

• 默认启用 subagent，但拆分必须服务于当前阶段目标，不要把小任务机械拆碎。
• 人类确认模型方向前，subagent 只能用于“模型准备”，不能提前产出最终 MATLAB 实现、实验结论或论文正文。
• 人类确认模型方向后，subagent 可继续用于实现、实验记录和论文整理。
• 默认触发 subagent 的典型情形：
• 需要并行完成案例阅读、模型择优和合理性校验，以支撑人类确认前的模型准备
• 用户同时要求题意分析、MATLAB 实现和论文整理
• 题目附件较多，需要并行阅读数据、建模和实现
• 既要当前题求解，又要参考案例或模板
• 用户明确要求“并行”“subagent”“分工”
• 若任务只是单一 MATLAB 函数、单个模型说明、局部 LaTeX 修改或单文件修订，可以不启用 subagent。
• 启用后，主 agent 先定总方案，再派发子任务；不要先并行、后补计划。
• 详细分工协议见 references/subagent-orchestration.md。

Subagent 默认分工

• 范例阅读 subagent

• 在人类确认前默认启用。

• 负责读取内置案例的 problem 与 solutions，提取题型、数据组织、论文章节结构、图表表达和常见建模路径。

• 输出“案例参考包”，只提供结构与方法层面的借鉴，不输出可复用正文。

• 模型择优 subagent

• 在人类确认前默认启用。

• 负责基于当前题目关键词、约束和案例参考，比较 1 到 3 个候选模型并给出推荐。

• 输出“模型比较包”，包含候选模型、优先级排序、适用条件和不优先原因。

• 合理性校验 subagent

• 在人类确认前默认启用。

• 负责检查推荐模型是否满足题目目标、数据条件、约束形式、求解代价和 MATLAB 可实现性。

• 输出“校验包”，指出风险点、必要前提和需要用户确认的关键不确定项。

• 题意/建模 subagent

• 主要在模型确认后使用；若题目很大，也可吸收前述三个准备子任务的结论继续深化。

• 负责题目重述、题型判断、建模假设、变量与约束梳理、候选模型比较。

• 输出“建模决策包”，不要直接主导最终代码实现。

• MATLAB 实现 subagent

• 负责把已确定模型落成 .m 或 .ipynb，补齐实验、可视化和运行说明。

• 输出可运行实现、文件结构建议、结果产物说明和未验证风险。

• 论文整理 subagent

• 仅在用户要求论文、LaTeX 或 cumcmthesis 模板交付时启用。

• 负责把已确认的模型、代码结果和图表整理为论文结构，不负责重新发明模型。

主 Agent 责任

• 主 agent 永远负责最终方案与最终答案，不把最终判断外包给 subagent。
• 主 agent 负责：
• 判断是否启用 subagent
• 判断确认前只允许哪些 subagent 参与模型准备
• 定义每个 subagent 的边界、目标和写入范围
• 合并冲突结论
• 做最终一致性检查
• 输出最终文件或最终答复
• 若 subagent 之间结论冲突，以主 agent 基于题目、数据和 MATLAB 结果做最终裁决。

确认前默认 Subagent 调度模板

• 当任务处于“模型确认前”阶段时，默认按此模板组织 subagent。
• 此阶段目标是为人类确认准备清晰、可比较、可校验的模型材料，而不是直接开始 MATLAB 实现。

总原则

• 主 agent 先读取用户题目，并快速提取：
• 关键词
• 目标类型
• 已知数据
• 待确认约束
• 主 agent 默认先读取：
• assets/cases/2023a-a/problem/
• assets/cases/2023a-a/solutions/
• 然后主 agent 并行派发 3 个确认前 subagent：
• 范例阅读 subagent
• 模型择优 subagent
• 合理性校验 subagent
• 此阶段禁止：
• 直接输出最终 MATLAB 实现
• 直接产出实验结论
• 直接撰写最终论文正文

1. 范例阅读 subagent

• 任务：
• 阅读内置案例的 problem 与 solutions
• 提取与当前题可能相关的题型判断方式、建模路径、论文章节组织、图表表达方式和数据整理形式
• 输出要求：
• 只输出“结构与方法参考”
• 不复用原文表述
• 不把案例结论直接迁移到当前题
• 建议输出格式：
• 案例题型：
• 可借鉴的模型路线：
• 可借鉴的结构/图表形式：
• 不应直接照搬的部分：

2. 模型择优 subagent

• 任务：
• 基于当前题关键词、目标、约束和案例参考，提出 1 到 3 个候选模型
• 对候选模型做比较并给出推荐顺序
• 输出要求：
• 明确推荐模型
• 明确备选模型
• 明确每个模型适用条件
• 明确不优先采用的原因
• 建议输出格式：
• 候选模型 A：
• 候选模型 B：
• 推荐模型：
• 推荐理由：
• 不优先模型及原因：
• 需要用户确认的分歧点：

3. 合理性校验 subagent

• 任务：
• 校验推荐模型是否满足题目目标、数据可得性、约束完整性、MATLAB 可实现性和计算代价可接受性
• 提前暴露风险和缺口
• 输出要求：
• 不重新发明模型
• 不替代主 agent 决策
• 只做约束、数据、求解和实现层面的校验
• 建议输出格式：
• 模型可行性判断：
• 数据前提：
• 约束风险：
• MATLAB 实现风险：
• 仍需用户补充的信息：

主 agent 汇总模板

• 主 agent 收到三个 subagent 输出后，应整理为：

# 关键词与模型路由
- 关键词：
- 候选模型：
- 推荐模型：
- 推荐理由：
- 不优先模型及原因：

# 案例参考
- 可借鉴的题型/结构：
- 可借鉴的图表与表达方式：
- 不应照搬的内容：

# 合理性校验
- 可行性结论：
- 主要风险：
- 信息缺口：
- 对 MATLAB 实现的前置提醒：

# 人类确认
- 是否接受推荐模型：
- 是否改用备选模型：
- 是否有额外约束、目标或偏好的建模方法需要提前纳入：

进入下一阶段的条件

• 只有当用户明确确认模型方向后，才允许继续：
• MATLAB .ipynb 实现
• .m 补充版本
• 实验结果整理
• LaTeX 论文组织

继续分工规则

• 仅当一级 subagent 自身任务仍明显过大，且继续分工后的职责边界清晰时，才允许继续分工。
• 不允许为了“看起来很并行”而机械拆分。
• 推荐的二级拆分方式：
• MATLAB 实现 -> 数据处理 + 核心求解 + 可视化/实验记录
• 论文整理 -> 结构与摘要 + 图表表格落版
• 题意/建模 一般不继续拆分；仅当题目天然分成多个相对独立子问题时再拆。
• 继续分工后，下级 subagent 仍只负责自己的局部产物；整合权始终回到上级或主 agent。

MATLAB 代码要求

• 默认输出完整可运行脚本，不要只给零散代码片段。
• 若题目复杂，可拆成主脚本加本地函数，但优先保持用户一键运行。
• 明确说明依赖的工具箱或函数，例如 Optimization Toolbox、Statistics and Machine Learning Toolbox。
• 若使用随机方法，固定随机种子并说明。
• 变量名保持有语义，避免单字母泛滥。
• 关键步骤前可加少量注释，但不要把注释写成教程。
• 对输入数据格式给出清晰假设；若无真实数据，可先生成占位样例并显式标注。

.ipynb 使用规则

• .ipynb 为默认交付形式；除非用户明确只要 .m，否则优先组织为 notebook。
• Notebook 中仍应以 MATLAB 代码单元为主，而不是改写成 Python。
• 把每个单元组织为：问题设置、数据准备、求解、结果展示、敏感性分析。
• 保存运行结果时，优先保留关键表格、指标和图像，避免冗长原始输出污染笔记本。
• 若同时提供 .m 与 .ipynb，让 .m 作为稳定主版本，.ipynb 作为实验和结果记录版本。

LaTeX 论文模式

• 当用户要求“论文版”“LaTeX 版”“按国赛模板写”时，使用 assets/latex-template/ 中的模板文件。
• 模板资源：
• assets/latex-template/example.tex
• assets/latex-template/cumcmthesis.cls
• 优先保留模板既有结构和宏命令，不要无根据重写类文件。
• 论文内容应来自建模过程与 MATLAB 结果，不要脱离代码结果凭空扩写结论。
• 默认组织为：摘要、问题重述、模型假设、符号说明、模型建立、模型求解、结果分析、敏感性/误差分析、优缺点、结论。
• 若用户同时要代码与论文，先稳定 .m 或 .ipynb，再回填论文中的公式、表格和图。

案例资产使用

• 在任务开始阶段，默认读取一份内置案例的 problem 与 solutions 作为思路参考；若案例明显不相关，再降低其权重。
• 当前内置案例：
• assets/cases/2023a-a/problem/
• assets/cases/2023a-a/solutions/
• 这些案例适合用于：
• 对照题目数据结构
• 参考论文章节组织
• 学习图表、表格和结果表达方式
• 判断同类问题常见的建模路径
• 在人类确认前支持 subagent 并行读取案例，分别提取题意结构、模型路线和表达方式参考。
• 不要照抄优秀解答的正文、结论或大段表述；应把它们当作方法与结构参考，而不是直接复用答案。
• 若引用案例思路，必须结合当前用户题目、当前数据和当前 MATLAB 结果重新组织。

Windows 环境约束

• 路径示例优先使用 Windows 风格，如 C:\Users\name\Documents\data.xlsx。
• 读取文件时提醒用户注意反斜杠转义、中文路径、Excel 工作表名和当前工作目录。
• 若涉及命令行启动 MATLAB，优先给 Windows 示例；若不确定用户安装位置，不要硬编码绝对安装路径。
• 若涉及 LaTeX 编译，优先给 Windows 编译器和 Windows 路径示例；不要默认使用 Linux/macOS TeX 环境说明。
• 避免默认依赖类 Unix shell 行为。

默认输出

除非用户另有要求，否则按以下结构输出：

# 关键词与模型路由
- 关键词：<关键词 1>, <关键词 2>
- 候选模型：<模型 A>, <模型 B>
- 推荐模型：<模型 A>
- 选择理由：<为什么选它>
- 不优先模型：<模型 B 及原因>

# 人类确认
- 是否接受推荐模型：<待确认/是/否>
- 是否改用备选模型：<待确认/模型名/否>
- 额外约束或偏好：<待补充/内容>

# 问题类型判断
- <题型>
- <为什么这样判断>

# 建模假设
1. <假设 1>
2. <假设 2>

# 变量与符号
- <变量>: <含义>

# 求解思路
1. <步骤 1>
2. <步骤 2>

# MATLAB 实现
```matlab
% Notebook 或脚本中的核心 MATLAB 代码

结果解释

• <核心结论>

可视化建议

• <图 1>
• <图 2>

风险与改进

• <局限>

## 避免的问题

- 不要在未经过人类确认前直接进入 MATLAB 实现。
- 不要未建模就直接写代码。
- 不要把 Python 思路机械翻译成 MATLAB 语法。
- 不要虚构数据来源、约束或结论。
- 不要忽略单位、量纲、边界条件和初始条件。
- 不要输出无法独立运行的残缺脚本，除非用户明确只要片段。

## 典型触发请求

- “用 MATLAB 解这个数学建模题”
- “给我一个数学建模题的 MATLAB 代码”
- “用 MATLAB 做优化/预测/回归/仿真”
- “把这道建模题写成 MATLAB 可运行脚本”
- “用 MATLAB notebook 记录建模过程和结果”
- “按 cumcmthesis 模板生成这道题的 LaTeX 论文”