Install
$ agentstack add skill-woodfishhhh-ez-math-model-ez-math-model ✓ scanned · ✓ verified, works with Claude Code, Cursor, and more.
Security review
✓ PassedNo issues found. Passed automated security review. · v0.1.0 How review works →
- ✓ Prompt-injection patterns
- ✓ Secret / credential exfiltration
- ✓ Dangerous shell & filesystem operations
- ✓ Untrusted network calls
- ✓ Known-malicious package signatures
What it can access
- ✓ Network access No
- ✓ Filesystem access No
- ✓ Shell / process execution No
- ● Environment & secrets Used
- ✓ Dynamic code execution No
From automated source analysis of v0.1.0. “Used” means the capability is present in the source — more access means more to trust, not that it’s unsafe.
Verified badge
Passed review? Show it. Paste this badge into your README, it links to the public security report.
Reliability & compatibility
Declared compatibility
Compatibility is declared by the source manifest. End-to-end runtime verification is coming, see below.
We're building live execution health for every listing: tool-call success rate, median latency, uptime, and last-checked timestamps, measured, not self-reported. It isn't live yet, so we don't show numbers we can't stand behind.
How agent discovery & health will work →About
ez-math-model
数学建模一站式 skill。把题目交给我,我会自动走完七个阶段:setup → 题目解析 → 建模方案 → 代码求解 → 论文撰写 → 质量审查 → 标准打包交付。首次使用必须完成 setup 提问;完成后写入 external/tools/setup_state.json。未经用户确认,只能使用本次临时默认, 不得写永久配置。
一句话主流程
> 收到题目 → 识别项目总文件夹 → 检查 external/tools/setup_state.json → > 创建 用户输入/runtime/output 标准目录 → 判定 formal/demo/blocked → > 识别赛事/年份/题号 → 选择模型 → 写脚本并执行 → 出图并过 chart gate → > 写论文 → 跑对象级质量门 → staging 导出与审查 → 原子同步到 output/ 并打包 > output.zip。
触发后的第一动作
先读以下七份文件确认本次运行的契约:
pipeline/00-environment-setup.md— 验环境(Python、字体、工作目录、上游缓存状态)references/project-root-protocol.md— 项目总文件夹与用户输入/runtime/outputreferences/setup-policy.md— setup 硬门与临时默认边界references/run-mode-protocol.md—formal/demo/blocked判定references/workdir-protocol.md— runtime 产物结构与命名references/chart-quality-gate.md— 图表有效性门references/artifact-manifest.md— 产物 manifest 契约
formal 交付不得只检查“文件是否存在”。质量门必须覆盖图表语义、公式语法、 表格对象、优秀论文格式抽取、正文工程痕迹、DOCX/PDF 对象级导出和 zip/manifest 一致性。
然后立刻执行 setup gate:
- 读取
external/tools/setup_state.json。 - 若文件不存在、JSON 无法解析、
setup_completed不是true,或用户说"重新配置工具 /
重置 setup / 重新 setup",必须先运行 pipeline 00 的强制提问,禁止进入 pipeline 01、建模、写代码或写论文。
- setup 提问完成后,必须写入
external/tools/setup_state.json,再继续本次任务。 - 若
setup_completed: true,默认跳过交互式 setup,只做本次任务所需的轻量环境检查
和工作目录创建。
不要用"默认不追问"绕过首次 setup;首次 setup 是硬门禁。若用户要求继续但无法 完成交互式 setup,只能写 runtime/{task_id}/setup_assumptions.json,并把 setup_status 标为 temporary_default,最终质量等级最高为 provisional_pass。
Pipeline 索引
| # | 文件 | 入口条件 | 关键产出 | |---|---|---|---| | 00 | pipeline/00-environment-setup.md | 用户给出题目或附件;setup gate 未完成时必须先问 | setup 状态明确、runtime/ 创建完成、env-check 通过 | | 01 | pipeline/01-problem-intake.md | env-check 通过 | runtime/.../problem.md、intake.json、attachments/、run_state.json | | 02 | pipeline/02-modeling-plan.md | intake 完成 | modeling_plan.md、(首次询问 zhanwen 拉取) | | 03 | pipeline/03-coding-solve.md | modeling_plan 落盘 | src/*.py、results/*、figures/*.png | | 04 | pipeline/04-paper-writing.md | coding 完成 | paper.md | | 05 | pipeline/05-quality-audit.md | paper.md 落盘 | quality_report.json、quality_report.md(含证据与未通过项) | | 06 | pipeline/06-packaging-output.md | 质量门评估完成 | export_report.json、export_audit.json、output/paper/* 四格式、output/manifest.json、output.zip |
角色 prompt 索引
需要在阶段中扮演具体角色时载入:
| 角色 | 文件 | 用途 | |---|---|---| | coordinator | prompts/coordinator.md | 拆题,识别赛事/年份/题号/小问 | | modeler | prompts/modeler.md | 建模分析,模型选择树 + 物理可行性 | | coder | prompts/coder.md | 写脚本、出图、防数据泄露、参数有据 | | writer | prompts/writer.md | 写论文,段落式、图必引、文献唯一编号 |
角色守则索引
执行阶段开始前必读对应角色守则(比 prompt 更关注流程纪律):
references/roles/modeler-guide.mdreferences/roles/coder-guide.mdreferences/roles/writer-guide.md
模板索引
templates/paper_zh.md— 中文 CUMCM 论文 markdown 兜底模板templates/paper_en.md— 英文 MCM/ICM 论文 markdown 兜底模板templates/chapter_outline.toml— 章节占比与必备小节templates/readme_workdir.md— 任务工作目录的 README 模板
算法库索引
references/algorithms/README.md 提供「问题类型 → 推荐算法」速查表;按类别细看:
01 优化 / 02 预测 / 03 评价 / 04 图论 / 05 统计 / 06 综合 / 07 机器学习。
优秀论文样例
references/exemplar-papers/ 下提供 7 篇 CUMCM / MCM 优秀论文的 markdown 摘录(由 MinerU 从 zhanwen/MathModel 转换,前 20 页)。modeler 与 writer 在动笔前应读取与本题最相关的 1-2 篇,抽取格式规则并写 style_reference_notes.md,仅作风格 / 章节 / 表述参考,禁止照抄或同义改写。 索引详见 references/exemplar-papers/README.md。
容错与失败处理
references/fault-tolerance.md 是单一信息源,定义 4 层容错: L1 Bounded Retry / L2 Fallback Switch / L3 Evaluator Shadow / L4 Feedback Rerun。每个 pipeline 阶段都遵守同一套容错协议,绝不死循环。
Agent 工作模式
references/agent-mode.md 单一信息源,定义三种工作模式:
- single:所有阶段在主对话顺序推进;上下文压力大但失败定位最容易
- multi:每个独立子任务派 subagent 并行;并发强但 token 成本高
- hybrid(默认):关键阶段主对话、琐碎阶段 subagent;兼顾稳定与并发
pipeline 00 首次会强制询问,决策落到 external/tools/setup_state.json 与 external/tools/agent_mode.{single,multi,hybrid}。
继承的辅助 Skills
ezmm 内置 9 个辅助子 skills(在用户机器上检测到才启用):
| 子 skill | 何时调 | |---|---| | tools/humanizer/SKILL.md | writer 后去 AI 味 | | tools/simplify/SKILL.md | coder 后做代码精简 | | tools/scientific-slides/SKILL.md | 答辩 PPT | | tools/systematic-debugging/SKILL.md | coder 失败的根因分析 | | tools/brainstorming/SKILL.md | modeler 决策卡住时 | | tools/external-context/SKILL.md | multi/hybrid 模式下并行多领域查文献 | | tools/dispatching-parallel-agents/SKILL.md | multi/hybrid 派单方法论 | | tools/subagent-driven-development/SKILL.md | 扩展 ezmm 本身(非建模题) | | tools/verification-before-completion/SKILL.md | quality_audit 强化 |
宿主未安装对应 skill 时,子 skill 文档给出降级方案。详见 references/external-tools-catalog.md 与各子 skill 文件。
共享 Prompt 协议
prompts/shared.md 是所有角色 prompt 隐含加载的通用约束(输出语言 / JSON 格式 / 工具调用 / 反思 / 失败重试 / 段落式 / 引用编号 等),角色 prompt 不 重复列举。
子工具 Skills
ez-math-model 不内嵌 docx/pdf/xlsx/paper-search 实现,而是通过子 skill 协议 调用宿主已安装的同名 skill 或公共 API:
| 域 | 文件 | 何时用 | |---|---|---| | Word 转换 | tools/docx/SKILL.md | paper.md → paper.docx | | PDF 提取(基础) | tools/pdf/SKILL.md | 题目 / 论文 PDF 转文本 | | PDF 高质量解析 | tools/mineru/SKILL.md | 含表格 / 公式的中文学术 PDF | | 表格附件 | tools/xlsx/SKILL.md | csv / xlsx 读写 | | 文献检索(基础) | tools/paper_search/SKILL.md | OpenAlex 单源 | | 多源学术搜索 | tools/scholar/SKILL.md | OpenAlex + arXiv + S2 + SerpAPI 聚合 | | 论文写作编排 | tools/paper-orchestra/SKILL.md | writer 阶段调用 PaperOrchestra 子 skill 做大纲、文献、成文与精修 | | 数据集发现 | tools/dataset/SKILL.md | Kaggle / UCI / HuggingFace / 天池 | | 网页抓取 | tools/webcrawl/SKILL.md | Jina / Firecrawl / Tavily / Exa | | 用户自带 corpus | tools/user-corpus-explorer/SKILL.md | 扫 external/user-corpus/,产出 AGENTS.md |
外部工具的元信息(价格 / 配额 / 何时启用)单一信息源在 references/external-tools-catalog.md。
外部工具配置
启用付费 / 注册类工具前,pipeline 00 会在首次使用时强制问一次,按 7 个域 分组询问,每组给固定选项。决策落到 external/tools/setup_state.json,永久缓存; 后续默认不再进入交互式 setup。详见 pipeline/00-environment-setup.md。
env var 一律以 EZMM_ 开头,写入用户级 ~/.ezmm.env(参考仓库根 .env.example),绝不提交到 git。
7 个域:pdf / scholar / dataset / webcrawl / corpus / agent_mode / inherited_skills。
用户自带参考资料
仓库内 external/user-corpus/ 是给你专门的投放区。把想让 ez-math-model 参考的论文、教材、笔记、历年题解直接拖进去(不限格式 / 层级 / 文件名), 启用后 pipeline 01 末尾派 subagent 扫描,产出 AGENTS.md 给 modeler / writer 用。详见 tools/user-corpus-explorer/SKILL.md 与 external/user-corpus/README.md。
zhanwen/MathModel 集成
scripts/install/fetch_zhanwen.ps1 / .sh 负责按需拉取上游优秀论文与模板。 匹配协议见 scripts/runtime/match_thesis.py:(赛事, 年份, 题号) → 同年份 → 同赛事最新年份 → 全局最新 → 内置 markdown 兜底,五级回落,命中即返回。
询问只发生一次,发生在 pipeline 02 入口。.skip 标记存在时永久跳过询问。 .failed 标记存在时直接走内置兜底,不再重试拉取。
失败兜底矩阵
| 失败点 | 处理 | |---|---| | Python 不可用 | 打断,提示用户安装 Python ≥ 3.10 | | 题目无法解析(intake 阶段) | 打断,把已读到的内容存入 problem.md 并请求人确认 | | zhanwen 拉取失败 | 写 .failed,pipeline 切到内置模板兜底,不打断 | | 单段代码执行失败 | coder 自动重试至多 2 轮(参考 pipeline/03-coding-solve.md),仍失败则记入 diagnostics.md 并继续 | | 单张图生成失败 | 该绘图尝试写入 chart manifest 的 rejected 记录,论文中跳过,写 quality_report.md 标记缺图,不打断 | | 论文章节缺失 | 质量门记入 quality_report.md;formal 模式阻塞正式打包,demo 可降级打包 | | docx 公式/图片/表格对象审查失败 | formal 模式阻塞正式发布;demo 模式降级并写 diagnostics.md |
运行模式与交付结构
每次运行都必须显式记录 run_mode:
formal:真实输入齐全,可写正式结论。demo:用户允许用合成/示例数据验证流程,不得写正式结果。blocked:缺关键输入且未授权 demo,停止并输出诊断。
最终交付必须同步到:
output/
├── source code/
├── paper/
│ ├── paper.md
│ ├── paper.docx
│ ├── paper.txt
│ └── paper.pdf
└── 附件文件夹/
每次运行仍新建 runtime/{YYYYMMDD-HHMMSS}-{8位hash}/,所有中间产物落在其中, 便于失败定位和重试。详见 references/project-root-protocol.md 与 references/workdir-protocol.md。
Source & license
This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.
- Author: woodfishhhh
- Source: woodfishhhh/EZmath_model
- License: MIT
Install and usage instructions live in the source repository linked above.
Reviews
No reviews yet, be the first.
Write a review
Versions
- v0.1.0 Imported from the upstream source.