MathModelAgent：3 天的数学建模比赛，1 小时跑完

数学建模比赛的标准节奏是：3 天 3 夜，三个人，一个建模、一个写代码、一个写论文，最后通宵排版。然后交一份 PDF。

MathModelAgent 的作者把这个过程压缩到 1 小时。不是 1 小时辅助你做，是 1 小时全自动跑完——分析问题、建模、写代码、纠错、写论文、排版，输出一份可以直接提交的 PDF。

一天涨 264 颗星。这个项目的野心写在 README 第一行：专为数学建模设计的 Agent，自动完成数学建模，生成一份完整的可以直接提交的论文。

SKILLS 驱动：不做 Harness 层

MathModelAgent 最反直觉的设计决策是：项目只做 SKILLS 层，不做 Harness 层。

这是什么意思？大部分 agent 项目自己写一套 agent 框架——任务规划、工具调用、记忆管理、错误恢复，全自己来。MathModelAgent 放弃了这条路，直接用 Claude Code / Codex / Cursor 当 Harness（运行环境），自己只写 skill 文件。

每个 skill 是一个 Markdown 文件，描述一个特定阶段的任务（分析问题、建模、编码、写论文、验收）。Harness（Claude Code 等）读 skill 文件，按描述执行。

作者在 README 里说得很直白：

两年前，我都是自己实现一套 Agent 框架，现在和以后更多的 Agent 产品直接基于 Harness 如 Codex / Claude Code / Pi + SKILLS 来构建

这是一个范式判断：agent 框架层正在被 Harness 层吃掉。你不需要自己写任务规划器，Claude Code 已经是很好的任务规划器；你不需要自己写工具调用，MCP 协议已经标准化了工具调用；你需要的只是领域知识，而领域知识最适合的载体是 skill 文件。

多 agent 分工：建模手、代码手、论文手

MathModelAgent 内部不是单个 agent，是三个角色的协作：

• 建模手：分析问题，选择模型（AHP、TOPSIS、ARIMA、GA 等），输出数学公式与建模思路
• 代码手：根据建模思路写代码，跑出结果，生成图表
• 论文手：把建模思路、代码结果、图表整合成论文，按模板排版

9 步验收：论文不能有低级错误

数学建模论文的"低级错误"很致命——公式写错、数据对不上、图表缺失、格式混乱。MathModelAgent 的验收流水线有 9 步：

1. 文本泄漏检测（不能把 prompt 或内部思考写进论文） 2. 数值一致性校验（论文里的数字必须和代码输出一致） 3. Typst 编译（论文必须能编译成 PDF） 4. PDF 可视化检查（编译出来的 PDF 必须看起来正常） 5-9. 其他格式与内容检查

这 9 步是自动化的 QA 流程，不是人工审阅。这意味着 agent 不仅写论文，还自己审自己的论文。

17 套 Typst 模板：覆盖主流赛事

数学建模比赛的论文格式要求很具体——国赛、华数杯、华为杯、MCM/ICM，每个赛事有自己的模板。MathModelAgent 内置 17 套 Typst 模板，自动匹配赛事类型。

选 Typst 而不是 LaTeX 是一个有意思的判断。Typst 是 Rust 写的现代排版系统，编译速度比 LaTeX 快几个数量级，语法也更简洁。对于 agent 来说，生成 Typst 源码比生成 LaTeX 源码更容易——语法更简单，错误更少，编译反馈更快。

HIL：关键节点暂停等你

全自动不意味着完全无人。MathModelAgent 的 HIL（Human-in-the-Loop）机制在关键节点暂停，等用户审批。6 种决策动作：

• confirm：确认通过
• edit：修改后继续
• regenerate：重新生成
• ask：问 agent 一个问题
• skip：跳过这一步
• abort：终止整个流程

四层容错：agent 失败了怎么办

agent 不可能 100% 成功。MathModelAgent 的四层容错：

1. 有限重试：失败先重试几次 2. Fallback Hand Off：重试不行就换备用模型 3. Evaluator Shadow Mode：评估器并行打分，发现质量问题 4. Feedback Rerun：把反馈注入重跑

这是工程化的容错思路——不是指望 agent 一次做对，是假设 agent 会错，设计机制让它错了也能恢复。

桌面版：开箱即用

MathModelAgent 有桌面版（macOS / Windows），内置 Claude Code 与全套 SKILLS。用户不需要装 Python、Node.js、Redis，下载 dmg/exe 装上，填一个 API key 就能用。

这是 agent 产品化的关键一步——把环境配置的痛苦从用户转移到开发者。开发者打包好整个运行环境，用户只管用。

值得关注的点

MathModelAgent 不是最复杂的 agent 项目，但它代表了一个趋势：

1. SKILLS 层独立于 Harness 层——agent 框架被 Claude Code 等 Harness 吃掉，领域知识用 skill 文件承载 2. 多 agent 异构分工——不同角色用不同模型，而不是一个模型干所有事 3. 自动验收流水线——agent 不仅生产，还自我审核 4. HIL 6 种决策动作——不是简单的"确认/取消"，是细粒度的人机协作 5. Typst 替代 LaTeX——agent 友好的排版系统，编译快、语法简、错误少

这个项目的深层判断是：agent 的未来不是更大的模型，是更好的 skill 设计。模型能力已经够强，瓶颈在于如何把领域知识结构化地喂给模型。MathModelAgent 用 skill 文件做了这件事，效果是 3 天的比赛 1 小时跑完。

不是所有任务都能这么压缩，但有标准流程、有明确输出格式、有可验证质量标准的任务，都适合这个模式。数学建模只是第一个被 skill 化的垂直领域。

GitHub: https://github.com/jihe520/MathModelAgent