DSH 数学建模团队插件包

🎉 预祝 2026 数模国赛顺利！

愿所有参赛的同学：题意读得准，模型站得住，代码一次跑通，图表一眼看懂，论文写完还有时间睡一觉。

发题后别慌，记住七件事：先拆题 → 先跑最小可运行 → 主动攻击自己的模型 → 图一定审 → 交稿前逐页看渲染 PDF → 审查用两个不同模型各审一遍 → 三人三文件夹只提交自己的。

数模人，加油！ 🚀

🌍 English: README_en.md — bilingual docs: team-collaboration.md · vision-subagent.md · attribution.md · sample-run.md

面向 DeepSeek Harness 的团队化数学建模工作流插件包。把参考成熟数学建模 Skill 仓库的方法论，整理成 2 套可直接安装的 Agent 预设（preset），配合团队 Gitee/GitHub 多文件夹协同，实现多人在各自独立工作区互不干扰地协作完成数学建模竞赛题。

本仓库挂载于 GitHub Topic：dsh-plugin。

这是什么

在 DeepSeek Harness 中，一个Agent 预设（preset）就是一套岗位配置：包含 persona（角色职责）、可用的工具集、以及随预设安装的 Skills（岗位能力文档）。每个会话选择某个预设，就获得了该岗位的全部能力。

本包提供 2 套岗位预设：

| 预设目录 | 岗位 | 面向 | 核心能力 | |---|---|---|---| | presets/model-code | 建模+编程 Agent | 2 名建模编程成员（共用） | 题目分析与建模、Python/MATLAB 求解、结果与图表产出、复现清单；含建模手/编程手/算法资料/可视化文档 | | presets/paper | 论文 Agent | 1 名论文成员 | 论文撰写（Word/LaTeX）、证据检索核验、独立评审质检门禁；含论文手/获奖评审/证据检索文档 |

每套预设包含

• agent.cordis.yml — Harness 能力基线（源自部署的 cordis 预设，含 shell / fs / jobs / 子代理协作 / 网页搜索 / skill 加载等）
• preset.yml — 预设元数据（名称、描述）
• skills/<name>/SKILL.md — 岗位主技能（职责、流程、质量门禁、协同规则）
• skills/<name>/references/ — 随预设安装的方法论文档（按需加载）

关键特性

• 团队协同：预设内置"Gitee 仓库三独立文件夹"协同协议（member-a/ member-b/ member-c/），各成员只提交自己文件夹，互不干扰
• 质量门禁：建模终检 M1 / 最小可运行 P1 / 稳健性攻击终检 M2 / 编程终检 P2 / 证据大纲 W1 / 论文终检 W2
• M2 稳健性攻击终检：对每个核心模型做系统性"攻击"——提出模型 → 攻击模型 → 换方法验证 → 加误差 → 样本外检验 → 写清适用边界，防止"模型怀疑不足"，把经不起追问的结论拦在论文之外（含 2023 C 题真实攻击案例）
• 识图子代理（强制图审门禁）：当主模型不支持图像输入时，用 workflow 派生一个当前环境可用的视觉模型子代理审查图表（自动探测 inputModalities 含 image 的模型，本环境已验证 kimi-coding/kimi-for-coding，但不硬编码模型名）。所有正式图在 P2/W2 前必须逐张经识图审核 PASS 并记录在案；FAIL 走「修改 → 重审」复验闭环直至 PASS——未走图审的图不能通过终检门禁
• 独立模型审查（双模型各审一遍）：Kimi K3-256K + DeepSeek V4.1 Flash 两个模型各独立审一遍，交叉覆盖盲区——事实性/一致性/完备性/模型攻击/引用核验，编造数据当场拦截

模型分工方案

本方案按能力互补分工，不指定具体模型——请按你环境中实际可用的模型，依据下表标准配置（模型名不要硬编码）：

| 角色 | 能力要求 | 怎么选 | |---|---|---| | 主模型 | 世界知识广、判断敏锐、综合推理强 | 选你环境里知识面/推理最强的模型（题目理解、建模分析、论文写作、知识判断） | | 编程 | 代码/工程能力强 | 选编程能力最强的模型（可与主模型不同），用 workflow 派它写代码、跑结果、编译转换 | | 审查（≥2 个不同模型各审一遍） | 与产出方不同厂商 / 不同能力侧重 | 至少挑两个不同模型各独立审一遍，交叉覆盖盲区（一个偏知识/逻辑/口径，一个偏代码/复现/实现） | | 识图 | 支持图像输入、成本可控 | 优先经济型视觉模型（高频轻量任务，成本优先） |

怎么探测：用 llm 服务的 listProviders() / resolveModelInfo() 列出本环境可用模型及能力，再按上表挑选。某角色找不到合适模型时，如实标注受限。

本环境已验证示例（仅供参考，非强制）：主模型 Kimi K3 · 编程 DeepSeek V4.1 Flash · 审查 Kimi K3-256K + DeepSeek V4.1 Flash 双模型各审一遍 · 识图 DeepSeek V4.1 Flash（deepseek-official/deepseek-flash）或 Kimi K2.7 Code（kimi-coding/kimi-for-coding）。可用任何满足上表能力的模型替代。

独立模型审查（多个不同模型各审一遍，对抗式评审）

为什么需要：同一个模型既生产又验收，天然缺乏批判距离，编造的数值、口径不自洽、前后矛盾自己发现不了。用多个不同厂商、不同能力侧重的模型各审一遍，交叉覆盖彼此盲区。

怎么做：用 workflow 的 agent(prompt, { provider, model }) 派发两次审查子代理，分别指定 Kimi K3-256K 与 DeepSeek V4.1 Flash；两份结论都要记录（各自 PASS/FAIL + 问题清单），任一方发现的问题都要按复验闭环修复并复审。

审查维度（两次都查）：

• 事实性：headline 数值能否溯源到 results/ 与图表？有无编造？
• 一致性：口径/符号/结论在摘要、正文、表、图之间是否自洽？
• 完备性：是否覆盖全部子问题？
• 模型攻击：针对每个核心模型质疑假设（工具变量成立性/关键参数取值/基准依赖/缺货截断/份额稳定），核对论文是否给出适用边界
• 引用核验：参考文献真实存在且被正确引用？

拦截实例（2023 C 题跑题实录）：论文初稿出现编造数值"0.78"，独立审查发现该数在数据中不存在 → 拦截删除，改为诚实区间 (0.7,0.8)。

与 M2 的关系：M2（建模岗）在产出侧主动攻击模型；独立审查（论文岗）在交付侧用双模型复检论文——两道防线，一前一后。

可复用全局 skill

仓库自带一个可做全局 skill 安装的目录（放到 DSH 共享用户 skill 根，任何预设都能发现）：

• skills/vision-subagent/ — 识图子代理（视觉质检）。安装：

  # 复制到 DSH 共享用户 skill 根，任意预设会话自动发现
  cp -R skills/vision-subagent ~/.agents/skills/vision-subagent
  # Windows:
  # Copy-Item -Recurse .\skills\vision-subagent "$env:USERPROFILE\.agents\skills\vision-subagent"
  

  DSH 的 dsh-skill-filesystem 会扫描 ~/.agents/skills/、~/.dsh/skills/、项目 .dsh/skills 等共享根，放好后即被自动发现，无需改配置。

安装

前提

• 已安装 DeepSeek Harness（dsh）
• 关闭 dsh 进程，或安装后重启会话使其生效

方式一：一键安装脚本（推荐）

把 presets/ 复制到本机用户预设根目录：

# Windows
Copy-Item -Recurse .\presets\model-code "$env:USERPROFILE\.dsh\.agent-presets\model-code"
Copy-Item -Recurse .\presets\paper "$env:USERPROFILE\.dsh\.agent-presets\paper"

# macOS / Linux：复制到 $HOME/.dsh/.agent-presets/
mkdir -p "$HOME/.dsh/.agent-presets"
cp -R presets/model-code presets/paper "$HOME/.dsh/.agent-presets/"

方式二：手动复制

将 presets/model-code 与 presets/paper 两个文件夹原样放入 ~/.dsh/.agent-presets/，保持目录名不变。

验证安装

重启 dsh 并新开会话，预设选择器中应出现 建模编程 Agent 与 论文 Agent。用 agentPresets 服务可校验挂载：

await agentPresets.standingKeyFor('model-code')  // 不抛错即成功
await agentPresets.standingKeyFor('paper')

快速开始（团队协同模式）

1. 在 Gitee/GitHub 建一个空私有仓库（团队共享）
2. 首次 clone 后按 docs/团队协同.md 初始化 member-a/ member-b/ member-c/ 三文件夹基线
3. 2 名成员开 model-code 预设会话在各自独立工作区 clone，分别产出建模+编程交付物到自己的 member-* 文件夹并 push
4. 论文成员开 paper 预设会话，git pull 拉取 A、B 交付物，在 member-c/ 撰写论文并 push
5. 全程只提交自己那个 member-* 文件夹，互不干扰

各岗位的开工口令模板见 docs/团队协同.md。

完整工作流（两套预设 + 团队协同）

流程图（细化版）

flowchart LR
    subgraph team["团队（3 人 · 3 独立工作区）"]
        direction TB
        A["成员 A（model-code 预设）"]
        B["成员 B（model-code 预设）"]
        C["成员 C（paper 预设）"]
    end

    subgraph mc["📐 建模编程岗（model-code）"]
        direction TB
        S1["① 建模阶段<br/>读题 → 检查附件 → 拆子问题<br/>→ 选模型 → 设计求解与验证方案"]
        G1["M1 建模终检<br/>题目要求有无遗漏？<br/>子问题覆盖？口径正确？"]
        D1["交付：题目分析报告.md<br/>术语表格.md"]
        S2["② 编程起步<br/>数据准备（清洗/退货/异常）<br/>→ 最小可运行代码 → 真实运行"]
        G2["P1 最小可运行<br/>能出真实结果？"]
        S3["③ M2 稳健性攻击终检<br/>识别攻击点 → 换法验证 → 加区间<br/>→ 样本外检验 → 写适用边界"]
        G3["M2 通过标准<br/>攻击清单/换法/区间/样本外<br/>/适用边界 五样齐备"]
        S4["④ 全量计算与出图<br/>三类图（raw/process/result）<br/>每类≥3 张覆盖全部子问题"]
        S5["⑤ 图表质检<br/>识图子代理逐张审核（强制）"]
        G4["P2 编程终检<br/>真实结果 · 复现清单完整<br/>未走图审的正式图不过"]
        D2["交付：results/ 结果表+复现清单.json<br/>figures/ 三类图"]
        S1 --> G1 --> D1 --> S2 --> G2 --> S3 --> G3 --> S4 --> S5 --> G4 --> D2
    end

    subgraph pp["📄 论文岗（paper）"]
        direction TB
        T1["① 拉取 A/B 交付物<br/>git pull member-a/b"]
        T2["② 建立证据支撑<br/>读分析报告/results/figures<br/>逐子问题记录证据清单 + 登记缺口"]
        T3["③ 证据检索与核验<br/>多源检索 → 综合去重 → 交叉核验引用"]
        T4["④ W1 证据大纲<br/>论文结构 × 证据映射<br/>+ 模型辩护清单（对应 M2）"]
        G5["W1 通过标准<br/>每章有证据 · 无孤立结论<br/>模型辩护清单齐备"]
        T5["⑤ 撰写论文<br/>Word（OMML）/ LaTeX（可选）<br/>官方模板适配 → 渲染 PDF"]
        T6["⑥ 图表质检<br/>识图子代理逐张审核（强制）"]
        T6b["⑦ 渲染 PDF 逐页审查（强制）<br/>每页转图 → 识图子代理逐页审<br/>表格超限/异常字体/过小字体/排版/空白页"]
        T7["⑧ 独立审查<br/>双模型各审一遍<br/>（K3-256K + V4.1 Flash）"]
        G6["W2 论文终检<br/>公式↔结果一致 · 无空表空图<br/>编号引用连续 · 适用边界已写清<br/>图审记录在案 · 渲染审查PASS · 独立评审 PASS"]
        D3["交付：完整论文.docx/pdf<br/>评审记录.md · 代码附录 · AI使用声明"]
        T1 --> T2 --> T3 --> T4 --> G5 --> T5 --> T6 --> T6b --> T7 --> G6 --> D3
    end

    D2 -->|"git add member-a/b<br/>commit · push"| REPO["Git 仓库<br/>member-a / member-b / member-c"]
    REPO -->|"git pull（只读他人文件夹）"| T1
    V1["🖼️ 识图子代理（全局 skill）<br/>探测视觉模型 → read_image<br/>FAIL → 修改 → 重审 → PASS"]
    V2["⚔️ 独立审查模型<br/>事实性/一致性/完备性<br/>模型攻击/引用核验"]
    V1 -.-> S5
    V1 -.-> T6
    V2 -.-> T7

门禁检查项明细

| 门禁 | 所属岗 | 检查什么 | |---|---|---| | M1 建模终检 | 建模编程 | 题目要求是否全部有对应模型/方案；子问题有无遗漏；约束与评价口径是否理解正确 | | P1 最小可运行 | 建模编程 | 全量计算前先跑通最小可运行代码，确认能出真实结果 | | M2 稳健性攻击终检 | 建模编程 | 核心模型经受系统性攻击：识别威胁（3-5 个攻击点，如工具变量成立性/弹性取值/基准依赖/缺货截断/份额稳定）→ 换方法验证 → 加不确定区间 → 样本外检验 → 写清适用边界；攻击清单五样齐备才过 | | P2 编程终检 | 建模编程 | 所有子问题有真实运行结果与图表；数字有源；复现清单完整；全部正式图经识图审核 PASS 且记录在案 | | W1 证据大纲 | 论文 | 论文结构 × 证据（图/表/结论）映射；无孤立结论；含模型辩护清单（对应 M2 攻击结果） | | W2 论文终检 | 论文 | 公式↔结果一致；无空表空图；图表覆盖全部子问题；编号引用连续；参考文献双向对应；模型适用边界已写清；全部配图经识图审核 PASS 且记录在案；渲染 PDF 逐页审查 PASS 且记录在案（表格超限/异常字体/过小字体/排版/空白页）；独立评审结果并入 |

强制图审 / 渲染审查 / 独立审查（贯穿全局）

• 图表质检（强制图审门禁）：优先用主模型直接 read_image 读图（若其支持图像）；主模型不支持图像时，自动探测 inputModalities 含 image 的视觉模型（如 DeepSeek V4.1 Flash、kimi-coding/kimi-for-coding，不硬编码），用 workflow 派生视觉子代理逐张审核正式图（标题/坐标轴/图例/数据/空白遮挡/是否支撑结论）。FAIL → 按缺陷修改 → 重审，循环直至 PASS；每次"FAIL 原因 → 修改动作 → 重审结果"记录在案。P2 和 W2 都强制：未走图审的图不能通过终检门禁。
• 渲染 PDF 逐页审查（强制）：成稿 PDF 后，把每一页渲染成图片（pdftoppm/PyMuPDF，300 DPI），用识图子代理逐页审查——表格超限/溢出/截断、异常字体（乱码/缺字）、过小字体不可读、排版不规范（重叠/错位/孤行孤页）、空白页/重复页、页眉页脚异常、图片模糊裁切、分页不合理。FAIL → 修正排版 → 重新渲染 → 重新逐页审，直至全部 PASS；记录留痕。W2 强制：未做渲染逐页审查的论文不通过。（更多检查项见 自审框架.md、LaTeX格式规范.md）
• 独立模型审查（≥2 个不同模型各审一遍）：挑两个与产出方不同、能力侧重不同的模型各独立审一遍做对抗式评审——事实性（数值可溯源/无编造）、一致性（口径符号自洽）、完备性（子问题覆盖）、模型攻击（质疑工具变量成立性/参数取值/基准依赖/缺货截断/份额稳定）、引用核验（真实存在且引用正确）。W2 前必须执行，编造数据当场拦截。

团队协同要点

• 3 个独立工作区 + 1 个 Git 仓库 + 3 个文件夹（member-a/b/c），三人各提交自己的文件夹，互不干扰
• 交付物契约：建模编程岗 6 件（分析报告/术语表/脚本/results/figures/复现清单）；论文岗 4 件（证据大纲/论文/评审记录/AI声明）
• 有界迭代：单轮评审最多 2 轮修复；预算耗尽输出决策备忘，绝不无限打磨

文档

• 团队协同说明 — 三文件夹协同协议、交接契约、各岗位开工口令
• 识图子代理 — 主模型不读图时的视觉审查方案
• 方法论来源 — 两套预设吸收的参考仓库内容清单
• 示例题目全流程跑通记录 — 用 2023 国赛 C 题真实跑通「建模→论文→评审」完整链路的验证记录
• 模型能力配置指南 — 模型能否读图、子代理白名单、常见报错对照（含 V4.1 Flash 图像能力声明修复实录）

English docs: team-collaboration.md · vision-subagent.md · attribution.md · sample-run.md · model-capabilities.md

示例展示

用 2023 高教社杯 C 题真实跑通的成果展示（完整链路与数据见 全流程跑通记录）：

• 论文示例 examples/论文示例.pdf — 33 页成稿论文（XeLaTeX 编译 + 18 幅正式图）
• examples/figures/ 收录 15 幅成果图，涵盖 原始数据(raw) / 建模过程(process) / 最终结果(result) 三阶段，覆盖 Q1–Q3 全部子问题：

Q1 品类/单品销量分布与关系

| | | |---|---| | | | | 季节因子（夏/春节双高） | 周内因子（周末高峰） |

| | | |---|---| | | | | 品类聚类 | 原始日销量时序 |

Q2 品类量价与补货定价

| | | |---|---| | | | | 价格弹性估计 | 品类成本加成定价 |

Q3 单品补货与定价

| | | |---|---| | | | | 入选单品补货量 | 单品收益 |

| | | |---|---| | | | | 单品定价 | 满足率-收益灵敏度 |

方法论来源

本包的岗位方法论文档整理自（仅文档，脚本/工具源码未搬运）：

• XiaoMaColtAI/math-modeling-skill — 三阶段工作流（建模/编程/论文）、质量门禁、算法资料、科学可视化规范、复现清单。已同步至 v1.3.0（含新增《交付与截止时间协议》、图表契约 figure contract、各角色文档更新；上游 v1.3.0 自带的官方 DSH 预设包 dsh-plugin/math-modeling-agent 未并入——我们保留自己的双岗协同编排）。
• sweetcornna/mathodology — 获奖评审门禁（盲评/有界迭代）、证据检索、完整工作流方法论。已同步最新（含证据检索新增 paper_graph 既有技术/撤稿核验、two-level 分类路由等更新）

License

MIT（最宽松许可证，仅要求保留版权声明）