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 |
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：
示例论文封面
📄 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
