dsh-mathmodeling-workflow

给 DSH 用的数学建模竞赛全流程插件：把赛题和数据放进一个文件夹，说一句话，它就会按 8 个步骤跑完——赛题分析、建模求解、编程实现、数据图、流程图、逻辑对抗复核、论文撰写、编译出 PDF。

赛题目录/ ──► 8 步流水线 ──► paper/main.pdf + 全部源码/图表/中间产物

安装

前置：DSH（桌面版或 Web 版）。用 npx 方式装需要 Node.js + pnpm（DSH 桌面版自带 pnpm；纯 Node 环境先 npm i -g pnpm）。

其余依赖按需装，缺哪个只影响对应那一步：

依赖	什么时候需要
Python 3.10+（能 `import matplotlib`）	数据图、结果核对
XeLaTeX（TeX Live / MiKTeX）	编译论文 PDF
Chromium 内核浏览器（Edge / Chrome）	仅 `flowchart_engine=html` 时需要
中文字体	编译中文模板（初始化时会尝试从系统字体回填）

方式一：npx 一条命令（推荐）

npx -y @deepseek-ai/dsh plugin --profile desktop add github:xzwwwwww/dsh-mathmodeling-workflow

拉取仓库 → 装进 desktop profile → 自动注册进 bundle 列表。Web 版把 desktop 换成 web。

方式二：从本地目录装

git clone https://github.com/xzwwwwww/dsh-mathmodeling-workflow.git

然后在 DSH 里二选一：

桌面端：插件管理 → 安装 bundle → 目标填克隆下来的目录
Agent：plugin_manager({ action: "install_bundle", target: "<克隆目录的绝对路径>" })

更新：方式一重跑 npx 命令；方式二 git pull 后把插件关闭再启用一次（或重启 DSH）。卸载：插件管理里移除，或 plugin_manager({ action: "remove_bundle", target: "@local/dsh-mathmodeling-workflow" })。

使用

1. 把赛题和数据放进一个文件夹

2026国赛A/
├─ 赛题A.docx          # 赛题原文：PDF / DOCX / MD 都行
├─ 数据.csv            # 附件数据：csv / xlsx / json
└─ 自定义要求.md        # 可选：导师规范、评审偏好、必须包含的内容

2. 在 DSH 里说一句话

用建模插件跑这个赛题：D:\2026国赛A

插件会让 agent 先确认开关（没填的用默认值并回显），再建工作区、开始逐步推进。

3. 提示词怎么写

最简（全部默认）：

用建模插件跑这个赛题：D:\2026国赛A

带要求（只写你在意的，其余默认）：

用建模插件跑：D:\2026国赛A，国赛 A 题，正文 25 页，
数据图用 nature 风格，流程图用 HTML 引擎，严格审查

agent 收到后会回显最终开关，然后生成工作区 modeling-2026国赛A-<时间戳>/。

4. 开关一览（19 个）

开关	取值	默认	用途
`competition`	cumcm / wuyi / huazhong / apmcm_zh / diangong / mathorcup / zhongqing / yangtze / liaoning / huashu / huawei / generic	`cumcm`	赛项：决定竞赛规则、默认页数、LaTeX 模板
`problem_id`	A/B/C…	空	题号，写进参数和规则段
`title`	任意字符串	空（取目录名）	论文标题 / 赛题简称
`max_pages`	正整数	赛项默认（多数 30，`apmcm_zh` 25）	正文页数目标（下限）：目录之后→参考文献之前（无目录则摘要之后→参考文献之前），不含摘要/目录/参考文献/附录/AI 声明；不是全文上限
`figure_style`	`default` / `nature`	`default`	数据图风格：default=按工作区随机配色（去指纹）；nature=Nature 排版+深蓝主色
`flowchart_engine`	`drawio` / `html`	`drawio`	流程图引擎：drawio 产物可拖拽编辑；html 布局更好、不可拖拽
`diagram_style`	`mono` / `plain` / `modern`	`mono`	流程图版式，仅 html 引擎生效
`rich_mode`	true / false	`false`	丰满模式：正文 40-60 页、30+ 图、摘要 1500-2200 字、12 类章节扩展
`validation_mode`	`strict` / `fast`	`strict`	strict=完整审查（含论文数据真实性核对）；fast=省额度，跳过复核和深度自修
`enable_comp_review`	true / false	`true`	是否插入「逻辑对抗复核」步（图表之后、论文之前），关掉省一次子代理调用
`ai_disclosure`	`off` / `none` / `used`	`off`	AI 声明：off 不写且不许残留；none 一句话；used 声明章节+附录四表
`comp_date_start` / `comp_date_end`	`YYYY-MM-DD`	空	仅 `ai_disclosure=used` 用于生成比赛期内的交互日期
`skip_figures`	true / false	`false`	跳过两个图表步
`skip_drawio`	true / false	`false`	只跳过流程图步
`min_figures` / `min_tables` / `min_models`	整数或 `auto`	`auto`	数量下限参考，写进 CLAUDE.md 供技能自检
`custom_requirements`	自由文本	空	自定义要求（导师规范、必须包含的内容），最高优先级，会进 CLAUDE.md

另外 3 个不是开关的初始化参数：input_dir（必填，赛题目录）、workspace_name（工作区目录名，默认按目录名+时间戳）、overwrite（工作区已存在时是否重建）。

5. 一个完整示例

用建模插件跑：D:\2026国赛A，国赛 A 题，正文 25 页，
数据图用 nature 风格，流程图用 HTML 引擎（modern 版式），
AI 声明按"使用过 AI 工具"写，开启逻辑对抗复核，
自定义要求：摘要不超过一页，必须包含灵敏度分析。

agent 会回显类似：

赛项：国赛 (CUMCM)(cumcm) ｜ 题号=A ｜ 页数(正文)=25 ｜ 数据图风格=nature
流程图=html/modern ｜ 丰满模式=关 ｜ 审查=strict ｜ AI声明=used ｜ 对抗复核=开
→ 8 步，工作区 modeling-2026国赛A-20261104-2030/

6. 跑起来之后

每步一个子代理、串行执行：上一步闸门通过才进下一步，主会话只做调度和验收。
需要你拍板时会来问你：子代理拿不准关键信息（题号口径、数据取舍、硬性要求）会先问你，拿到回答再继续；能靠合理假设推进的，它会在产物里写明假设。
随时可以问进度：看下当前进度 → 会列出 8 步状态、产物大小和待答问题。
产物：工作区根目录有 PROBLEM_ANALYSIS.md、MODELING_REPORT.md、RESULTS.md、code/、figures/、paper/main.pdf。

整个流程

#	步骤	干什么
01	赛题分析	拆子问题、定义变量、规划建模思路和图表清单
02	建模求解	假设、模型建立、求解、检验、逻辑合同
03	编程实现	写可运行代码、跑出结果、生成结果 JSON
04	图表生成	数据图（matplotlib，按 manifest 对账）
05	流程图/架构图	DrawIO 或 HTML 引擎画流程、架构、TikZ 图
06	逻辑对抗复核	六类逻辑缺口复核（方向反、跨问矛盾、任务读歪…）
07	论文撰写	LaTeX 正文、摘要、图表嵌入、引用；strict 时做数据真实性核对
08	编译与合规检查	XeLaTeX 编译、模板完整性、图嵌入、AI 声明合规

可调整：flowchart_engine=html 会把第 05 步换成 HTML 引擎技能；skip_figures 去掉 04+05；enable_comp_review=false 去掉 06；fast 模式跳过 06 的深度复核和数据核对。

每一步结束都由确定性闸门验收（产物存在、图表对账、正文页数、逻辑合同、AI 声明、数据核对），不通过就带着修复提示重派，最多重试 2 次。

示例成果

这是用本插件真实跑完一整轮产出的论文（2026 国赛 A 题「中药材热风烘干」，A4 共 35 页），不是模板占位：

📄 点这里打开完整论文 PDF（GitHub 可直接在线阅读）

生成概念图（可选）

数据图和流程图都是全本地的（matplotlib / 本机浏览器渲染），不需要任何 key。

只有「概念图 / 场景图」这类需要图像模型。工作区里已经带了配置文件，直接打开填：

<workspace>/_utils/_gpt_image_config.json

{
  "api_key": "",
  "base_url": ""
}

api_key：你从中转站或官方拿到的 key；
base_url：中转站给接口地址就填（例如 https://xxx.com/v1），留空则用官方 https://api.openai.com/v1；
也可以不改文件，直接设环境变量 GPT_IMAGE_API_KEY / GPT_IMAGE_BASE_URL（环境变量优先级更高）；
检查是否配好：python _utils/gpt_image.py --check；
没配也能跑：规划里的概念图会被自动跳过，不影响其余步骤。

如果你自己有 ChatGPT 账号，也可以直接拉 Codex CLI，用它内置的 image gen 出图（本仓库的插件图标就是这么生成的）：

codex exec -i 参考图.png "按这张参考图的角色生成一张方形应用图标，纯白背景、粗描边、无文字，保存为 icon.png"

codex 不在 PATH 时，用 Codex 桌面版自带的那份：%LOCALAPPDATA%\OpenAI\Codex\bin\<最新版本目录>\codex.exe。

License

MIT

dsh-mathmodeling-workflow

赛题目录/ ──► 8 步流水线 ──► paper/main.pdf + 全部源码/图表/中间产物

安装

前置：DSH（桌面版或 Web 版）。用 npx 方式装需要 Node.js + pnpm（DSH 桌面版自带 pnpm；纯 Node 环境先 npm i -g pnpm）。

其余依赖按需装，缺哪个只影响对应那一步：

依赖	什么时候需要
Python 3.10+（能 `import matplotlib`）	数据图、结果核对
XeLaTeX（TeX Live / MiKTeX）	编译论文 PDF
Chromium 内核浏览器（Edge / Chrome）	仅 `flowchart_engine=html` 时需要
中文字体	编译中文模板（初始化时会尝试从系统字体回填）

方式一：npx 一条命令（推荐）

npx -y @deepseek-ai/dsh plugin --profile desktop add github:xzwwwwww/dsh-mathmodeling-workflow

拉取仓库 → 装进 desktop profile → 自动注册进 bundle 列表。Web 版把 desktop 换成 web。

方式二：从本地目录装

git clone https://github.com/xzwwwwww/dsh-mathmodeling-workflow.git

然后在 DSH 里二选一：

桌面端：插件管理 → 安装 bundle → 目标填克隆下来的目录
Agent：plugin_manager({ action: "install_bundle", target: "<克隆目录的绝对路径>" })

使用

1. 把赛题和数据放进一个文件夹

2026国赛A/
├─ 赛题A.docx          # 赛题原文：PDF / DOCX / MD 都行
├─ 数据.csv            # 附件数据：csv / xlsx / json
└─ 自定义要求.md        # 可选：导师规范、评审偏好、必须包含的内容

2. 在 DSH 里说一句话

用建模插件跑这个赛题：D:\2026国赛A

插件会让 agent 先确认开关（没填的用默认值并回显），再建工作区、开始逐步推进。

3. 提示词怎么写

最简（全部默认）：

用建模插件跑这个赛题：D:\2026国赛A

带要求（只写你在意的，其余默认）：

用建模插件跑：D:\2026国赛A，国赛 A 题，正文 25 页，
数据图用 nature 风格，流程图用 HTML 引擎，严格审查

agent 收到后会回显最终开关，然后生成工作区 modeling-2026国赛A-<时间戳>/。

4. 开关一览（19 个）

开关	取值	默认	用途
`competition`	cumcm / wuyi / huazhong / apmcm_zh / diangong / mathorcup / zhongqing / yangtze / liaoning / huashu / huawei / generic	`cumcm`	赛项：决定竞赛规则、默认页数、LaTeX 模板
`problem_id`	A/B/C…	空	题号，写进参数和规则段
`title`	任意字符串	空（取目录名）	论文标题 / 赛题简称
`max_pages`	正整数	赛项默认（多数 30，`apmcm_zh` 25）	正文页数目标（下限）：目录之后→参考文献之前（无目录则摘要之后→参考文献之前），不含摘要/目录/参考文献/附录/AI 声明；不是全文上限
`figure_style`	`default` / `nature`	`default`	数据图风格：default=按工作区随机配色（去指纹）；nature=Nature 排版+深蓝主色
`flowchart_engine`	`drawio` / `html`	`drawio`	流程图引擎：drawio 产物可拖拽编辑；html 布局更好、不可拖拽
`diagram_style`	`mono` / `plain` / `modern`	`mono`	流程图版式，仅 html 引擎生效
`rich_mode`	true / false	`false`	丰满模式：正文 40-60 页、30+ 图、摘要 1500-2200 字、12 类章节扩展
`validation_mode`	`strict` / `fast`	`strict`	strict=完整审查（含论文数据真实性核对）；fast=省额度，跳过复核和深度自修
`enable_comp_review`	true / false	`true`	是否插入「逻辑对抗复核」步（图表之后、论文之前），关掉省一次子代理调用
`ai_disclosure`	`off` / `none` / `used`	`off`	AI 声明：off 不写且不许残留；none 一句话；used 声明章节+附录四表
`comp_date_start` / `comp_date_end`	`YYYY-MM-DD`	空	仅 `ai_disclosure=used` 用于生成比赛期内的交互日期
`skip_figures`	true / false	`false`	跳过两个图表步
`skip_drawio`	true / false	`false`	只跳过流程图步
`min_figures` / `min_tables` / `min_models`	整数或 `auto`	`auto`	数量下限参考，写进 CLAUDE.md 供技能自检
`custom_requirements`	自由文本	空	自定义要求（导师规范、必须包含的内容），最高优先级，会进 CLAUDE.md

5. 一个完整示例

用建模插件跑：D:\2026国赛A，国赛 A 题，正文 25 页，
数据图用 nature 风格，流程图用 HTML 引擎（modern 版式），
AI 声明按"使用过 AI 工具"写，开启逻辑对抗复核，
自定义要求：摘要不超过一页，必须包含灵敏度分析。

agent 会回显类似：

赛项：国赛 (CUMCM)(cumcm) ｜ 题号=A ｜ 页数(正文)=25 ｜ 数据图风格=nature
流程图=html/modern ｜ 丰满模式=关 ｜ 审查=strict ｜ AI声明=used ｜ 对抗复核=开
→ 8 步，工作区 modeling-2026国赛A-20261104-2030/

6. 跑起来之后

每步一个子代理、串行执行：上一步闸门通过才进下一步，主会话只做调度和验收。
需要你拍板时会来问你：子代理拿不准关键信息（题号口径、数据取舍、硬性要求）会先问你，拿到回答再继续；能靠合理假设推进的，它会在产物里写明假设。
随时可以问进度：看下当前进度 → 会列出 8 步状态、产物大小和待答问题。
产物：工作区根目录有 PROBLEM_ANALYSIS.md、MODELING_REPORT.md、RESULTS.md、code/、figures/、paper/main.pdf。

整个流程

#	步骤	干什么
01	赛题分析	拆子问题、定义变量、规划建模思路和图表清单
02	建模求解	假设、模型建立、求解、检验、逻辑合同
03	编程实现	写可运行代码、跑出结果、生成结果 JSON
04	图表生成	数据图（matplotlib，按 manifest 对账）
05	流程图/架构图	DrawIO 或 HTML 引擎画流程、架构、TikZ 图
06	逻辑对抗复核	六类逻辑缺口复核（方向反、跨问矛盾、任务读歪…）
07	论文撰写	LaTeX 正文、摘要、图表嵌入、引用；strict 时做数据真实性核对
08	编译与合规检查	XeLaTeX 编译、模板完整性、图嵌入、AI 声明合规

每一步结束都由确定性闸门验收（产物存在、图表对账、正文页数、逻辑合同、AI 声明、数据核对），不通过就带着修复提示重派，最多重试 2 次。

示例成果

这是用本插件真实跑完一整轮产出的论文（2026 国赛 A 题「中药材热风烘干」，A4 共 35 页），不是模板占位：

📄 点这里打开完整论文 PDF（GitHub 可直接在线阅读）

生成概念图（可选）

数据图和流程图都是全本地的（matplotlib / 本机浏览器渲染），不需要任何 key。

只有「概念图 / 场景图」这类需要图像模型。工作区里已经带了配置文件，直接打开填：

<workspace>/_utils/_gpt_image_config.json

{
  "api_key": "",
  "base_url": ""
}

api_key：你从中转站或官方拿到的 key；
base_url：中转站给接口地址就填（例如 https://xxx.com/v1），留空则用官方 https://api.openai.com/v1；
也可以不改文件，直接设环境变量 GPT_IMAGE_API_KEY / GPT_IMAGE_BASE_URL（环境变量优先级更高）；
检查是否配好：python _utils/gpt_image.py --check；
没配也能跑：规划里的概念图会被自动跳过，不影响其余步骤。

如果你自己有 ChatGPT 账号，也可以直接拉 Codex CLI，用它内置的 image gen 出图（本仓库的插件图标就是这么生成的）：

codex exec -i 参考图.png "按这张参考图的角色生成一张方形应用图标，纯白背景、粗描边、无文字，保存为 icon.png"

codex 不在 PATH 时，用 Codex 桌面版自带的那份：%LOCALAPPDATA%\OpenAI\Codex\bin\<最新版本目录>\codex.exe。

License

MIT

xzwwwwww/dsh-mathmodeling-workflow

dsh-mathmodeling-workflow

安装

方式一：npx 一条命令（推荐）

方式二：从本地目录装

使用

1. 把赛题和数据放进一个文件夹

2. 在 DSH 里说一句话

3. 提示词怎么写

4. 开关一览（19 个）

5. 一个完整示例

6. 跑起来之后

整个流程

示例成果

生成概念图（可选）

License

Community comments

xzwwwwww/dsh-mathmodeling-workflow

dsh-mathmodeling-workflow

安装

方式一：npx 一条命令（推荐）

方式二：从本地目录装

使用

1. 把赛题和数据放进一个文件夹

2. 在 DSH 里说一句话

3. 提示词怎么写

4. 开关一览（19 个）

5. 一个完整示例

6. 跑起来之后

整个流程

示例成果

生成概念图（可选）

License

Community comments