MathModelAgent 完整功能清单：多Agent协作、多LLM、代码解释器等12项核心能力详解

MathModelAgent 完整功能清单：多Agent协作、多LLM、代码解释器等12项核心能力详解

【免费下载链接】MathModelAgent🤖📐专为数学建模设计的 Agent & skills ,自动完成数学建模，生成一份完整的可以直接提交的论文。 An Agent Designed for Mathematical Modeling ,Automatically complete mathmodel and generate a complete paper ready for submission.项目地址: https://gitcode.com/GitHub_Trending/ma/MathModelAgent

🤖MathModelAgent是专为数学建模设计的开源 AI Agent：上传一道竞赛题，它就能自动完成问题分析 → 数学建模 → 代码求解 → 图表生成 → 论文撰写的全流程，最终产出一份排版精良、可直接提交的建模论文。下面用一份完整清单，带你快速看懂它的12 项核心能力。

📋 12 项核心能力速览

🤝 能力1：多 Agent 协作——给 AI 组一支建模队伍

MathModelAgent 的核心设计是"虚拟建模团队"：不做单体大模型硬扛，而是把比赛工作拆给 4 个各司其职的专职 Agent——

• CoordinatorAgent（协调者）：识别用户意图，判断是否为建模问题，并把整道题拆解成结构化子问题；
• ModelerAgent（建模手）：针对每个子问题设计模型与求解方案；
• CoderAgent（代码手）：生成 Python 代码、在沙盒中执行、产出数据与图表；
• WriterAgent（论文手）：把求解过程和结果写成规范的论文章节。

四者的定义分别在 coordinator_agent.py、modeler_agent.py、coder_agent.py、writer_agent.py，由 workflow.py 中的MathModelWorkFlow统一调度。

🧠 能力2：多 LLM 混用——每个 Agent 配最合适的模型

四个 Agent各自独立配置模型，互不干扰：协调者可以用推理强的模型，代码手用编程强的模型，论文手用长文本写作稳的模型。配置入口在 config/model_config.toml，每个 Agent 都有独立的API_KEY / MODEL / BASE_URL。

底层支持 OpenAI Chat、OpenAI Responses、Anthropic 三种 API 形态（见 providers/），并基于 litellm 可接入各类模型——好马配好鞍，各司其职，效果与成本兼得。

💻 能力3：代码解释器——本地与云端双沙盒

建模离不开跑代码。代码解释器提供两种运行环境，由 interpreter_factory.py 根据配置自动选择：

• 本地解释器：基于 Jupyter 内核执行 Python，运行结果保存为 notebook，方便赛后二次编辑（local_interpreter.py）；
• 云端解释器：配置E2B_API_KEY后自动切换到 E2B 云端沙箱（e2b_interpreter.py），本地无需装任何 Python 环境。

🔄 能力4：工作流编排——求解与写作两阶段自动串联

整条流水线在 workflow.py 中定义，分两大阶段：

1. 求解阶段：对每个子问题依次执行"建模规划 → 代码求解 → 章节撰写"，边解边写；
2. 写作阶段：统一生成摘要、问题重述、结论等全局章节，并调用 user_output.py 汇总保存最终结果。

同时通过 Redis 发布/订阅（redis_manager.py）向 WebUI 实时推送进度消息，任务支持随时取消中断。

🛠️ 能力5：自动纠错重试——代码报错不用人盯

代码第一次跑通是运气，稳定跑通靠机制。代码手内置错误反思循环：执行报错后，错误信息会反馈给 LLM 进行反思并重写代码，受MAX_CHAT_TURNS（最大对话轮次）与MAX_RETRIES（最大反思次数）保护，防止无限循环（详见 coder_agent.py）。协调者输出 JSON 解析失败时，同样有 3 次自动重试。

🧩 能力6：自定义模板——提示词注入到每个子任务

想给 Agent 定制要求？不需要改代码。项目通过Prompt Inject机制为每个子任务单独设置需求提示词，模板文件是 config/md_template.toml 与 config/template.md，改完即生效，非常适合按团队习惯沉淀提示词资产。

📄 能力7：17 套论文模板——排版精良，直接可提交

排版是最容易扣分的"隐形雷区"。项目在 skills/5writing/templates/ 内置17 套 Typst + LaTeX 双版本赛事模板，覆盖国赛（cumcm）、华数杯、华为杯、美赛（MCM/ICM）、电工杯、数媒杯等主流赛事，自动匹配赛事类型，生成符合参赛格式的 PDF 论文，省去手动调格式的熬夜时间。

📚 能力8：真实学术文献引用——拒绝"AI 编文献"

论文里出现不存在的参考文献是最扎眼的硬伤。WriterAgent 内置OpenAlex 学术文献检索（openalex_scholar.py），自动搜索与选题相关的真实论文，获取标题、摘要、作者、DOI 与标准引用格式，让参考文献"篇篇可查"。

🌐 能力9：Web 联网搜索——获取真实世界数据

题目背景数据、行业统计数据从哪来？开启SEARCH_ENABLED并配置TAVILY_API_KEY后，Agent 可自主通过 Tavily API 联网搜索真实数据，减少"拍脑袋"假设（配置见 setting.py）。

🗂️ 能力10：RAG 知识库——建模方法随取随用

开启RAG_ENABLED后，项目从本地知识库（ChromaDB + Rerank，默认BAAI/bge-m3向量模型）中检索建模方法、代码模板和论文写作参考，为各阶段 Agent 提供"有据可依"的知识支撑，进一步降低模型幻觉。

🙋 能力11：HIL 人机协作——关键节点等你拍板

全自动化不等于失控。HIL（Human-In-Loop）默认开启，可在problem_split（拆题）、model_selection（模型选择）、code_review（代码审查）、paper_review（论文审查）等检查点暂停等待审批，支持 confirm / edit / regenerate / ask / skip / abort6 种决策动作，审批超时时间由HIL_TIMEOUT控制（见 setting.py）——想全自动就跳过，想关键处把关就开启。

🛡️ 能力12：四层容错 + 记忆压缩——跑得稳，花得少

• 四层容错：有限重试 → Fallback Hand Off（主模型故障切换备用模型）→ Evaluator Shadow Mode（评估器影子模式）→ Feedback Rerun（反馈重跑），层层兜底；
• 记忆压缩：每个 Agent 的对话历史在接近上下文窗口 75% 时自动用 LLM 总结压缩，长任务不"失忆"、不超限（agent.py）；
• 成本控制：整体采用 workflow agentless 设计，不依赖重型 Agent 框架，Token 消耗更省。

📦 快速上手

• 推荐：直接下载桌面版，内置 Claude Code 与全套 SKILLS，装好填一个 API Key 即可开始建模；
• 开发者：docker-compose up一键部署（docker-compose.yml），前端访问http://localhost:5173，侧边栏 → 头像 → API Key 完成模型配置；
• 运行结果生成在backend/project/work_dir/xxx/下：notebook.ipynb保存全部求解代码，res.md保存最终论文 Markdown。

完整教程见 docs/md/tutorial.md；网络环境较差时可参考 网络环境极差时的MathModelAgent配置过程.md。

✅ 小结

MathModelAgent 把"3 天的建模比赛"压缩成"1 小时的 AI 流水线"：多 Agent 协作负责分工、多 LLM 混用负责效果、代码解释器负责落地、17 套模板负责颜值、容错与记忆压缩负责稳定。以上 12 项核心能力开箱即用，开源免费，可接入任意模型——这正是它让新手也能产出完整建模论文的关键所在。🚀

【免费下载链接】MathModelAgent🤖📐专为数学建模设计的 Agent & skills ,自动完成数学建模，生成一份完整的可以直接提交的论文。 An Agent Designed for Mathematical Modeling ,Automatically complete mathmodel and generate a complete paper ready for submission.项目地址: https://gitcode.com/GitHub_Trending/ma/MathModelAgent