面向工业级运筹优化建模、算法选型、求解器路线设计、调参与排障的技能。用在需要把业务问题转成数学优化模型并选择合适求解路径的场景，包括 LP、MILP、QP、SOCP、NLP、CP/CP-SAT、网络流、路径规划、排班排产、选址、库存、资源分配、鲁棒/随机/多目标优化、分解算法、列生成、拉格朗日松弛、元启发式与 matheuristic。也用在模型无可行解、求解过慢、gap 长时间不收敛、规则约束复杂、需要 warm start、rolling horizon、fallback heuristic、以及判断何时从开源栈升级到商业求解器的场景。
用这个技能把业务目标、规则和数据约束转成可求解的运筹优化问题，并给出从建模到求解、从调参到工业落地的完整路线。默认优先使用 Python 开源栈：OR-Tools、Pyomo、SciPy、networkx，只有在升级条件明确时才建议 Gurobi、CPLEX、Xpress 或 Mosek。
先补齐以下输入，再开始给算法建议：
按问题结构决定第一条路线，而不是按流行算法拍脑袋。
OR-Tools 处理 CP-SAT、排班、离散逻辑和 Routing 类问题。Pyomo 统一表达 LP、MILP、QP、NLP、鲁棒/随机扩展和分解原型。SciPy 处理平滑连续优化、局部 NLP、校准类问题；需要高质量 NLP 时考虑 IPOPT。networkx 或专用图算法做纯图结构 baseline，再决定是否升级到 MIP/CP。HiGHS 做 LP/QP/MIP baseline；CBC 或 SCIP 作为离散补充；商业求解器只在开源路线被证明不足时升级。big-M，再讨论调参。time limit、relative gap、最差可接受 KPI、兜底策略。references/problem-framing-and-modeling.md
业务问题拆解、变量与约束设计、数据审计、常见建模反模式。references/linear-integer-and-convex.md
LP、MILP、QP、SOCP、凸优化、平滑 NLP、MINLP 的主路线和调参手册。references/constraint-programming-and-cp-sat.md
逻辑约束、排程、离散搜索、CP-SAT、LNS 和传播建模。references/network-flow-routing-and-graph.md
图结构、网络流、指派、匹配、TSP/VRP 和图上预处理。references/scheduling-location-inventory-and-planning.md
排班排产、选址、库存、生产计划、供应链规划等工业高频问题。references/stochastic-robust-online-and-multiobjective.md
不确定性、多目标、风险项、在线与滚动优化。references/decomposition-column-generation-and-lagrangian.md
Benders、列生成、拉格朗日松弛、branch-and-price、稳定化。references/metaheuristics-and-matheuristics.md
GA、SA、TS、GRASP、VNS/LNS/ALNS、混合精确法。references/solver-selection-and-tuning.md
OR-Tools、Pyomo、SciPy、networkx、HiGHS、CBC、SCIP 的路线选择与调参。references/industrial-playbooks-and-failure-modes.md
生产、配送、排班、选址、库存、资源配置的工业 playbook 与故障清单。触发这个技能时，默认输出以下内容，而不是只报算法名：
CP-SAT 能给出可行解但质量波动大，需要更强的线性松弛或更稳定的商业 MIP 支持。先读 SKILL.md 做路由，再只打开当前问题真正需要的 references/ 文件，避免把整套知识库一次性塞进上下文。