GateCraft（门控工艺）
English
门控式数学建模 skill 套件（9 skills + DSH preset）for DeepSeek Harness。不做无脑端到端自动化——agent 求解与质检，人在每个阶段门思考与决策，产出带自己品味的建模成果。
内容
- 9 skills：
competition-workflow（五阶段流水线总控：阶段报告 / EDA 五问 / 验证三件套）· guozhan-paper（国奖写作范式）· vision-ocr（题面与范文阅读）· sensitivity-analysis · statistical-diagnosis · math-modeling-paper（论文内容）· math-paper-template（LaTeX 排版）· tex-pdf-image-to-word（转换 Word）· paper-gate（交付验收层 + 全仓库约束分级约定的唯一真源）
- 按需加载：
competition-workflow/references/（模型选型决策树、交稿自查）与 guozhan-paper/references/（获奖论文实证语料、页码级正反例）不占常驻上下文，用到时才读。
- assets：
optimization-playbook（优化求解/验证决策表）· figure-playbook（流程图与图件模板）· prompt-pack（14 条实战提示词）· flowchart_gen.py（规格 → drawio 生成器）· ocr_batch.py（并发 OCR）· docgate.py（paper-gate 执行引擎）· official-paper-format.md（官方格式真源）
- DSH preset：
presets/math-modeling/ — 粘贴一道竞赛题即可自动启动工作流
安装
dsh plugin add Crayonnan/dsh-math-modeling-skills-Gatecraft-
可选：把 presets/math-modeling/ 拷贝到 ${DSH_HOME:-$HOME}/.dsh/.agent-presets/math-modeling/，新会话选择"数学建模模式"。
技能协作图（数模一条龙）
competition-workflow（总控，两模式：流水线 / Day1-3 时间线）
│ 阶段0 读题
▼
vision-ocr（OCR 落盘，按需取段）
│ 阶段1 分析建模 → ANALYSIS_MODELING_REPORT.md
│ 阶段2 代码结果 → RESULTS_REPORT.md
│ └─ statistical-diagnosis（模型诊断 → DIAGNOSIS_REPORT.md）
│ 阶段3 灵敏度 → sensitivity-analysis（题型自适应 → SENSITIVITY_REPORT.md）
│ 阶段4 论文
▼
math-modeling-paper（内容） ──► math-paper-template（排版） ──► PDF
│ 参考 guozhan-paper（国奖范式） │ 需要 Word 版
└── official-paper-format.md ◄────────┴──► tex-pdf-image-to-word（11 条检查）
│ 阶段5 验收 → VERIFY_DOCGATE.md + VERIFY_REPORT.md
▼
paper-gate + docgate.py（机械检查：FAIL 只拦事实错误与真实性问题）
▼
references/submission-checklist.md（docgate 查不到的人工自查问句）
paper-gate —— 交付验收层与约束分级真源
模型内核达标而失分集中在表达层与验收层（图表超版心、编号双轨、AI 工具混入文献、摘要数量级跳变、声明强度超过证据等级、篇幅失衡、错别字群），且既有检查全部绑定 LaTeX 管线、对实际提交的 docx 工件静默失效。由此建立：
- 约束分级（全仓库唯一说明处）：规则分三层——【事实】官方明文与工程事实、【不变量】可机械验证的真实性与一致性、【观察】获奖样本统计。前两层可以硬，且硬在代码里；第三层写硬了会诱发凑指标，只能写成"样本中常见 + 以当届模板为准"。
- 工件唯一性：只认最终提交文件；任何转换/另存后重跑检查（源文件通过 ≠ 提交版通过）。
docgate.py 机械检查：对 docx(OOXML)/tex 双后端执行 13 项——图片几何（版心动态读取）、图/表/式编号对账、AI 痕迹扫描、摘要数量级哨兵、篇幅均衡、跨章重复、错别字模式库、变量空解释残骸、重述原创度等。FAIL = 事实错误或真实性问题（编号断裂、摘要数字在正文找不到、图片超版心…），修复后重跑；WARN = 手艺判断，逐条人工裁决。 报告头披露 WARN/SKIP 数量，防止把"gate 通过"读成"论文没问题"。- 声明强度校准：求解结论按证据等级五档（解析证明→仅启发式）映射允许措辞。
- 规则参数化：阈值/词表/赛事页数与 FAIL/WARN 归属全部在
paper-gate-rules.yaml，换赛事只改配置、不改 docgate.py。
用法：python assets/docgate.py <提交文件.docx|.tex> [--results RESULTS_REPORT.md] [--problem 题面.txt]
依赖与回归测试：pip install -r requirements.txt 后运行 python tests/test_docgate.py。回归输入是 tests/make_fixtures.py 合成的带已知缺陷夹具（私有论文不入库），除判级外还锁定一组基线：脏文档 5 FAIL（02/03 文献区/04 数量级/08/12）+ 5 WARN（01/03 正文/05/06/09），干净文档 0 FAIL。
理念
- 硬约束只留给事实与真实性：官方明文、工程约束、可机械验证的一致性用硬语气，且尽量写进
docgate.py 而不是散文；篇幅、句式、检验选型这类手艺判断用"常见误区 + 推荐/不推荐 + 自查问句"表达。对强模型来说，把手艺分歧伪装成阻断条件不会更严格，只会诱发凑指标。
- 阶段报告不是审批关卡：它的作用是让下一阶段的每个数字有出处。一个子问题通常迭代 2-3 轮，每轮记录"改动 → 效果 → 指标"；指标不达标时，是继续优化还是如实声明局限，由人判断。
- 报告先行：论文每个句子都来自阶段报告中的事实；范文句子只作样例，不抄模板。
- 数值纪律：论文每个数字只许来自 reports/ 报告或代码输出；改脚本重跑后做「论文数字↔csv」零漂移核对。
- 批判性验证：外部指南逐条核实、第三方结论重算、结果对照文献基准。
- 品味来自范式：四项衔接要求（R1-R4）每条带"标准 + 正面样例（含页码） + 反例（含页码）"。
适用范围
在统计分析类与优化/决策类（典型" C"题）上经过实战检验。机理/物理仿真（A 题）与图论/工程（B 题）未经检验——自行扩充检查清单并回馈社区。
与 MathModelAgent 的分工
不是重复，是分工：其求解器作为后端（mma_exec_python 钩子已预留），GateCraft 是编排与质检层——思考、转向与深度参与发生在阶段门上。
结构
skills/ 9 skills（competition-workflow 为总控）
assets/ playbooks / prompt-pack / docgate.py / 生成器（与 skills 同步）
presets/ math-modeling（DSH preset）
index.js + cordis.patch.yml + package.json dsh bundle 打包
License
MIT。贡献遵循一种格式：要求 / 可判定标准 / 正面样例（含页码） / 反例（含页码）——每条清单项必须来自一次真实失败或一次真实获奖。
