Agente
Math_Magic_Agent
DOUSHABAOLIDHONGDOU/Math_Magic_Agent
54
InicialPluginScore · de 0 a 100Codex + Claude Code multi-agent workflow for CUMCM math modeling: problem import to LaTeX paper, with BM25 RAG, auto-EDA, figure lint, and 43 pytest tests.
Instalação
$
npx convez-ai DOUSHABAOLIDHONGDOU/Math_Magic_Agent1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Estrelas
1Forks
0Acompanhando
0Saúde
57%Último commit
há 5 mesesVersão
v0.3.0Issues abertas
0Contribuidores
1README
A tradução para o português deste README ainda está na fila.
Math Magic Agent
中国大学生数学建模赛前训练用的 Codex + Claude Code 多 Agent 协作工作流。 从题目导入到论文 PDF,全部命令化驱动,43 个自动化测试覆盖。
项目缘起、战绩、免责声明:见 INTRODUCTION.md / INTRODUCTION.pdf
它能做什么
- 逐问推进:当前问题入文 + PDF 编译 + 版面检查通过后,下一问才解锁
- 三段审批:方案审批 / 模型确认 / 图表审批,每次都直接在聊天里列出选项,由人裁决
- 角色分工:Codex 负责建模总控 + 论文 + 图表 + 审查;Claude Code 负责代码 + 调试 + 结果输出
- 状态机持久化:所有进展写到
00_shared/workflow_state.json,每次保存自动滚动 10 个快照 - AutoEDA:扫描数据后一键生成 6 张诊断图(相关矩阵 / 缺失模式 / 分布 / 异常 / 与目标 Top-5 散点)
- BM25 RAG 检索:对优秀论文建索引;方案生成时根据题面自动检索同题型片段注入提示
- 方案自动对比:扫描每个方案的 metrics CSV,自动 join + 评分 + 推荐
- PDF 图表 lint:检测红虚线 / 2×2 网格 / 超宽图(违反论文风格约束)
- 自愈建议:
readiness末尾告诉你下一步该跑什么命令,缺什么依赖怎么装 - 三档 Trust Profile:strict(训练严格)/ normal(演练)/ fast(赛时快速通道)
5 分钟上手
# 1. 环境
conda env create -f environment.yml
conda activate math-magic
python 05_code/tools/agentctl.py doctor --target-os windows --write-vscode-smoke-task
# 2. 导入你的题面 + 数据
python 05_code/tools/agentctl.py import-problem \
--statement 01_problem/source/B题/statement.md \
--title "B题 碳化硅外延层厚度的确定" \
--data-dir 01_problem/source/B题/附件
python 05_code/tools/agentctl.py approve-language --language Python
python 05_code/tools/agentctl.py scan-data --data-dir 01_problem/source/B题/附件
python 05_code/tools/agentctl.py auto-eda --question Q1 --target "反射率 (%)"
# 3. 可选:建 RAG 索引(已经放好 paper_texts 就跳过 OCR)
python 05_code/tools/agentctl.py rag-status
python 05_code/tools/agentctl.py index-papers
# 4. 走 Q1
python 05_code/tools/agentctl.py prepare-schemes --question Q1
python 05_code/tools/agentctl.py create-approval-brief --question Q1
# (Codex 填好 03_methods/Q1/scheme_*.md → 用户聊天里选 B)
python 05_code/tools/agentctl.py approve-schemes --question Q1 --schemes B
python 05_code/tools/agentctl.py create-claude-prompt --question Q1 --scheme B
python 05_code/tools/agentctl.py dispatch-claude --question Q1 --scheme B --watch
# (Claude 跑完 → ingest → review → 模型确认)
python 05_code/tools/agentctl.py create-model-confirmation-brief --question Q1
python 05_code/tools/agentctl.py confirm-model --question Q1 --scheme B
python 05_code/tools/agentctl.py write-question-paper --question Q1
python 05_code/tools/agentctl.py latex-check
任何一步卡住,跑 python 05_code/tools/agentctl.py readiness 看自愈建议。
架构
00_shared/ 共享状态(workflow_state.json + 文档 + snapshots)
01_problem/ 题面与数据字典
02_references/ 优秀论文 + 风格指南 + BM25 索引
03_methods/Q*/ 每问的 A/B/C 方案 + 审批简报 + approved.md
04_claude_workorders/ Claude 工单、提示词、完成报告、终端调度脚本
05_code/ 实现代码(Claude 写)+ tools/agentctl.py + mm/ + tests/
06_results/Q*/ 结果表、图、EDA、方案对比
07_paper/ LaTeX 工作版(main.tex + sections/)
08_agent_design/ Agent 设计文档与版本计划
命令一览(46 个)
环境/状态: init-state status env-check doctor tools readiness rag-status
题目/数据: import-problem archive-stale-artifacts scan-data approve-language auto-eda
方案/审批: set-active-question prepare-schemes create-approval-brief approve-schemes
工单/调度: create-workorder create-workorders create-claude-prompt
dispatch-claude open-claude-monitor install-vscode-tasks
watch-claude check-claude ingest-claude-report
审查: create-review mark-reviewed compare-schemes
确认/论文: create-model-confirmation-brief confirm-model approve-figures
write-question-paper mark-paper-written finalize-summary-paper
paper-check layout-check figure-lint latex-check
RAG: index-papers retrieve-context
策略: set-trust-profile gen-ai-log
python 05_code/tools/agentctl.py --help 查看所有命令;每个子命令支持 --help。
测试
python -m pytest 05_code/tools/tests/ -v
# 43 passed
测试不依赖 xelatex / tesseract / Claude Code,可在 CI 里直接跑。
设计决策
- 为什么这么多 trust profile:训练时希望每个审批都过手;赛时希望 Codex 复审 PASS 后直接推进。三档可以一键切。
- 为什么 RAG 用 BM25 而不是向量:纯 Python、无 GPU、无 embedding 模型下载、单文件 < 200 行;语料只有几十篇时检索质量足够。
- 为什么图表 lint 用 Pillow 而不是 OpenCV:CUMCM 训练机器很少装 OpenCV,但 Pillow 是 matplotlib 必装依赖。
- 为什么 agentctl 是命令化而不是 Web UI:训练阶段命令化好 grep / 好截图 / 好审计;论文写作阶段反正主战场是 VS Code 集成终端。
公开与版权
- 代码 MIT(见
LICENSE) - LaTeX 模板沿用第三方原许可证(见
07_paper/template_raw/) - 仓库不内置任何赛题题面、附件数据、优秀论文 PDF。这些用户自己导入;
.gitignore已默认排除,防止误传
文档
- INSTALL.md — 环境与依赖
- CONTRIBUTING.md — 模块布局、开发约定、Windows 兼容性
- 08_agent_design/AGENT_SPEC.md — Agent 角色与状态机
- 00_shared/WORKFLOW_PROTOCOL.md — 工作流权威协议
- 08_agent_design/WORKFLOW_COMMANDS.md — 命令式流程指南
- 08_agent_design/VERSION_PLAN.md — 历次版本变更记录