本 Skill 采用 MATLAB-first 规则：正式数值建模前，Codex 必须先调用 MATLAB MCP 检查连接、MATLAB 版本和必需工具箱；检查通过后，核心数值计算默认由 MATLAB 执行。
- MathWorks 官方 MATLAB MCP Core Server： github.com/matlab/matlab-mcp-core-server
- 官方发布页： latest release
- MathWorks 官方 MATLAB Agentic Toolkit： github.com/matlab/matlab-agentic-toolkit
- MathWorks 产品介绍： MATLAB MCP Server
在打开的 Codex 中发送下面这条中文指令：
请设置 MATLAB Agentic Toolkit，为 Codex 全局配置 MathWorks 官方 MATLAB MCP Core Server，自动检测本机 MATLAB，将 tool_timeout_sec 设为 600，Windows 下传递 WINDIR，并实际调用可用的 MATLAB MCP 能力验证连接、MATLAB 版本和已安装工具箱；如果工具名称不同，请按等价能力验证，不要因缺少某个固定名称而误判失败。
官方 Toolkit 会下载 MCP 程序、写入 Codex 的全局配置，并注册 MATLAB skills。完成后重新启动 Codex。
从官方发布页下载 matlab-mcp-core-server-win64.exe，放入固定目录后执行：
New-Item -ItemType Directory -Force -Path "$HOME\.matlab\agentic-toolkits\bin"
Move-Item "$HOME\Downloads\matlab-mcp-core-server-win64.exe" `
"$HOME\.matlab\agentic-toolkits\bin\matlab-mcp-core-server.exe"
Unblock-File "$HOME\.matlab\agentic-toolkits\bin\matlab-mcp-core-server.exe"
codex mcp add matlab -- `
"$HOME\.matlab\agentic-toolkits\bin\matlab-mcp-core-server.exe" `
"--matlab-root=C:\Program Files\MATLAB\R2024b" `
"--matlab-display-mode=desktop" `
"--initialize-matlab-on-startup=true"将示例中的 --matlab-root 替换为自己的 MATLAB 根目录，不要写到 bin 层。如果 codex mcp add 不可用，可在 %USERPROFILE%\.codex\config.toml 中手动添加：
[mcp_servers.matlab]
command = 'C:\Users\<用户名>\.matlab\agentic-toolkits\bin\matlab-mcp-core-server.exe'
args = [
'--matlab-root=C:\Program Files\MATLAB\R2024b',
'--matlab-display-mode=desktop',
'--initialize-matlab-on-startup=true'
]
tool_timeout_sec = 600
env_vars = ['WINDIR']tool_timeout_sec = 600 可避免较长的优化、仿真或测试过早超时；Windows 上如果要使用 Simulink，MathWorks 建议传递 WINDIR。
下载对应平台的官方二进制文件并授予可执行权限，然后执行：
codex mcp add matlab -- \
/absolute/path/to/matlab-mcp-core-server \
--matlab-root=/absolute/path/to/MATLAB/R20XXx \
--matlab-display-mode=desktop \
--initialize-matlab-on-startup=true-
重新启动 Codex。
-
在 Codex 中发送：
请实际调用 MATLAB MCP 的环境与工具箱检测能力，报告 MATLAB 版本、连接状态和已安装工具箱；如果没有 detect_matlab_toolboxes 这个名称，请使用等价能力完成验证。 -
只有实际工具调用成功才算配置通过；仅看到
config.toml条目不算通过。 -
如调用失败，先修复 MCP，不要让本 Skill 默认改用 Python 完成核心数值建模。
它可以帮助你完成：
- 拆分题目、定义变量和约束；
- 审计数据并选择合适的模型；
- 编写、运行和检查 Python/MATLAB 代码；
- 验证结果、绘制论文级图表；
- 生成可复现的竞赛论文。
仓库还提供一个可直接导入的常用算法库，以及结果、运行、PoC、图表和审查登记表。
它强调一件事：重要结论必须有数据、代码、结果表、图、公式或可靠来源支持，不虚构结果。
这是一个“总控 Skill + 三个专业 Skill”的 Skill Pack：
| 入口 | 用途 |
|---|---|
$math-modeling-solver |
从题目开始，完成完整建模流程 |
$audit-modeling-evidence |
检查数据、实验、复现和结论证据 |
$build-modeling-figures |
生成和检查论文图表、模型架构图 |
$deliver-cumcm-paper |
生成、编译和检查 CUMCM 论文 |
不知道从哪里开始时，只调用 $math-modeling-solver。已有结果后，再按需要调用三个专业 Skill。
Windows PowerShell：
git clone https://github.com/YANG985-CMD/Math-Modeling-Solver.git `
"$HOME\.codex\skills\math-modeling-solver"macOS / Linux：
git clone https://github.com/YANG985-CMD/Math-Modeling-Solver.git \
~/.codex/skills/math-modeling-solvergit clone https://github.com/YANG985-CMD/Math-Modeling-Solver.git D:\src\Math-Modeling-Solver
uv run --project D:\src\Math-Modeling-Solver python `
D:\src\Math-Modeling-Solver\scripts\install_skill_pack.py先在仓库中拉取最新版本，再运行清理式更新：
git -C D:\src\Math-Modeling-Solver pull
uv run --project D:\src\Math-Modeling-Solver python `
D:\src\Math-Modeling-Solver\scripts\install_skill_pack.py `
--force --clean-update--clean-update 只清理目标 skills 目录下本仓库管理的四个 Skill 目录，用来删除旧版本残留文件；普通 --force 只覆盖同名文件，会保留额外文件。
安装后重新启动 Codex，然后直接发送：
使用 $math-modeling-solver 解决这道数学建模题。
先拆分子问题、检查数据、建立基线，再比较候选模型。
完整建模工作流在正式计算前必须先检查 MATLAB 官方 MCP Core Server。只有用户明确要求 Python、MATLAB 无法恢复，或有经记录的库能力差距时，才允许用 Python 承担核心数值计算。
初始化一个可审计的建模项目：
python "<SKILL_ROOT>/scripts/init_modeling_project.py" "<PROJECT_DIR>" \
--mode formal --workflow-stage explore \
--ambition-mode competitive --questions 3审计数据集：
python "<SKILL_ROOT>/scripts/audit_dataset.py" INPUT.csv \
--target LABEL --out-dir PROJECT_DIR/audit/dataset审计整个项目：
python "<SKILL_ROOT>/scripts/audit_backend_contract.py" \
"<PROJECT_DIR>/audit/backend-contract.json"
python "<SKILL_ROOT>/scripts/audit_innovation_portfolio.py" "<PROJECT_DIR>"
python "<SKILL_ROOT>/scripts/audit_modeling_project.py" "<PROJECT_DIR>"如果已经启用了证据登记包，可追加 --with-evidence-bundle 做一次总审计。
创建并审计完整证据登记包：
python "<SKILL_ROOT>/scripts/init_evidence_bundle.py" "<PROJECT_DIR>"
python "<SKILL_ROOT>/scripts/audit_evidence_bundle.py" "<PROJECT_DIR>"MATLAB 原生基线位于 assets/code/matlab/，其中熵权法、TOPSIS 和 GM(1,1) 已加入退化输入保护；正式使用仍需结合题目做验证。assets/code/python/modeling_algorithms/ 仅在已记录的 Python 后端或独立交叉检查中使用。遗传算法、粒子群等旧模板默认仍是实验起点，必须经过约束、预算和题型化验证。
- 不虚构数据、运行结果、指标、引用或图表结论；
- 先运行简单基线，再增加模型复杂度；
- 从题目结构、机理约束、验证方法和决策需求中生成创新候选，不用算法堆叠代替创新；
- 每项创新必须说明基线缺口、作用机制、比较方案、证据产物和适用边界，通过验证后才能写入论文主线；
- 区分探索结果、验证结果和最终冻结结果；
- 把重要结论映射到可核验的证据；
- 报告不确定性、失败情况和适用范围。
回归盲测结果：PNG · 可编辑 SVG。这只是当前题型回归基线，不代表最终泛化能力。
- 删除表格预测的固定“模型动物园”清单；挑战者改为由已观察到的失效机制驱动，通常只比较一至两个不同机制；
- MATLAB 预检改为能力识别，不再绑定唯一工具名；正式数值执行前形成后端合同，并按 MATLAB MCP → 本地非交互 MATLAB → 有理由的其他后端降级；
- 初始化器新增
ambition_mode、创新组合和后端合同；总审计能够区分pass、warn、failed与blocked； - 创新候选、选择、公平比较、证据产物、结论边界和竞赛就绪评分进入可执行审计闭环；负结果允许降级，不再硬凑创新；
- 按预测、解析/机理、精确优化、启发式优化、仿真和多目标任务分别规定验证证据，独立重跑不再被误写成泛化验证；
- 加固 MATLAB 熵权、TOPSIS 和 GM(1,1) 模板的常量列、零范数、零方差和小样本边界；
- 新增
contest-word交付语义和安全的--clean-update更新方式。
- 将目标从“可运行建模”提升为“可信原创”：可靠基线仍是前提，但不能把基线直接当作竞赛终稿；
- 新增问题表述、机理与数据融合、求解器、验证与不确定性、决策洞察等创新候选类型，并要求先筛选、再验证；
- 为每项创新增加基线缺口、作用机制、公平对照、证据产物、失败信号和结论边界记录；
- 新增竞赛就绪审查，重点检查贡献清晰度、数学深度、验证强度、决策价值、图表证据和可复现性；
- 优秀论文只用于检查论证结构和证据角色，不允许因为某方法出现在优秀论文中就直接照搬。
- 将核心数值建模改为 MATLAB-first，不再因 Python 模板或常用库更熟悉而默认选择 Python；
- 新增强制 MATLAB MCP preflight：正式计算前必须实际调用
detect_matlab_toolboxes，记录 MATLAB 版本、连接状态和任务所需工具箱； - 要求 MATLAB 通过预检后持有权威数值结果，Python 仅用于有理由的文档、转换、网络或库缺口任务；
- 在 README 最前面增加 MathWorks 官方 MATLAB MCP 地址、Codex 自动配置指令、Windows/macOS/Linux 手动配置和验证步骤。
- 新增冠军—挑战者建模流程，将简单基线定位为性能下界，不再默认把首个可用模型作为最终方案；
- 明确 sanity baseline、competitive baseline、current champion、challenger 和 final frozen champion 五类角色，以及候选模型的晋级与停止规则；
- 增加基础、竞争和冲上限三档建模强度；识别“冲上限”“冲奖”“最高水平”等目标后，自动要求跨模型族挑战、系统调参与稳健性验证；
- 对表格预测与不平衡分类补充强制挑战覆盖，要求将袋装树与提升树、正则线性模型、核方法或神经网络等候选方案进行公平比较；
- 保持一个总控 Skill 与三个专业 Skill 的统一协作结构，并将冠军—挑战者规则纳入总控工作流。
- 增加可直接导入的统一算法库，覆盖评价、预测、优化、模拟和滚动验证基线；
- 增加结果、PoC、运行、图表、数值诊断、审查和一致性登记表；
- 增加冻结结果哈希、人审确认和跨文件证据审计。
- 将项目整理为一个总控 Skill 和三个专业 Skill；
- 增加专业 Skill 的独立安装、资源同步检查和 CI；
- 统一数据模式、工作流阶段、结果状态和交付配置。
- 增加语义契约、候选结果验证、鲁棒性检查和 CUMCM LaTeX 交付流程。
- 增加得分差距诊断、硬约束动作掩码、代理仿真一致性检查和 MATLAB 原生工作流。
Math-Modeling-Solver/
├─ SKILL.md
├─ audit-modeling-evidence/
├─ build-modeling-figures/
├─ deliver-cumcm-paper/
├─ scripts/
├─ references/
├─ templates/
├─ assets/
└─ tests/
详细规则和参考资料见 SKILL.md。
本项目采用 PolyForm Noncommercial License 1.0.0。个人学习、研究和实验可使用；商业使用需要事先取得授权。
如果你要从一道题一直做到可复现论文，直接从 $math-modeling-solver 开始。