MathModelAgent 

数学建模竞赛（如国赛、美赛）通常要求团队在 3–4 天内完成问题分析、建模、编程、验证与论文撰写。这个过程高强度、高协作，且对格式、逻辑和代码质量要求极高。

MathModelAgent 是一个开源项目，旨在将这一流程自动化：从读题到出论文，全程由 AI 协作完成，最终输出一份可直接提交的完整建模论文。

核心能力：不只是“生成”，而是“协作完成”

MathModelAgent 采用 多角色 Agent 架构，模拟真实团队分工：

• 建模手：分析题目，提出假设，构建数学模型
• 代码手：编写、调试、优化代码，自动纠正错误
• 论文手：撰写逻辑严密、格式规范的学术论文

每个角色可配置不同的大语言模型（通过 litellm 支持所有主流 API，如 GPT-4、Claude、本地 Ollama 模型等），确保在各自任务上使用最合适的能力。

技术亮点

• 自动全流程执行
  输入题目后，系统自动完成：问题解析 → 模型构建 → 代码实现 → 结果验证 → 论文撰写。
• 代码可追溯、可编辑
  所有生成代码保存为 notebook.ipynb，基于 Jupyter 环境，支持本地复现和二次开发。
• 支持云端与本地代码执行
  • 本地：通过 Jupyter 内核运行
  • 云端：可接入 E2B、Daytona 等安全沙箱环境，避免本地依赖问题
• 论文自动排版
  输出支持 LaTeX 模板（兼容美赛/国赛格式），包含图表、公式、参考文献，结构完整。
• 低开销架构
  采用 agentless workflow（无复杂 Agent 框架），降低运行成本与维护复杂度。
• 高度可定制
  通过 Prompt Inject 机制，可为每个子任务（如“数据预处理”“灵敏度分析”）注入自定义提示词模板，精准控制输出。

部署方式：三种选择，适配不同环境

1. Docker 部署（推荐）

最简单、最稳定，隔离依赖，适合大多数用户：

git clone https://github.com/jihe520/MathModelAgent.git
cd MathModelAgent
docker-compose up -d

访问：

• 前端：http://localhost:5173
• API：http://localhost:8000

2. 本地部署（适合开发者）

需预装 Python、Node.js、Redis：

• 后端使用 uv 管理依赖，启动 FastAPI 服务
• 前端使用 pnpm 构建 React 应用
• 配置 .env.dev 填入模型 API Key 与 Redis 地址

3. 社区脚本部署（mmaAutoSetupRun）

由社区贡献的自动化安装脚本，适合网络环境受限或希望一键配置的用户。

提示：若网络较差，可参考项目中“网络环境极差时的配置过程”示例，手动下载模型与依赖。

输出结果位置

每次运行任务后，结果保存在：

backend/project/work_dir/xxx/
├── notebook.ipynb   # 生成的可执行代码
└── res.md           # 最终论文（Markdown 格式，支持转 LaTeX/PDF）

用户可在此基础上手动润色、补充，或直接提交（视竞赛规则而定）。

当前状态与参与方式

项目目前处于 实验性迭代阶段，作者持续优化中。欢迎：

• 提交高质量运行案例（PR 到 demo/ 目录）
• 报告 Bug 或提出功能建议（GitHub Issues）
• 贡献代码、文档或部署脚本

注意：项目免费用于个人学习与竞赛，禁止商业用途。如需商用，请联系作者。