Agent 与自动化综合合集

MathModelAgent：面向数学建模的自动建模与论文生成 Agent

jihe520/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.

GitHub Trending原文发布未知首次收录 2026-09-12上架 2026-09-13 19:50

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

MathModelAgent 是一个专为数学建模设计的 Agent 与 SKILLS 方案，可自动完成问题分析、数学建模、代码编写与纠错，并生成一份格式编排完整、可直接提交的论文。它采用多智能体（建模手、代码手、论文手等）与多模型配置，内置 Code Interpreter（本地 Jupyter 与 E2B、Daytona 云端）、17 套 Typst 论文模板、建模知识库与 9 步自动验收，支持通过 litellm 接入多种模型，并提供 WebUI、CLI、Docker 部署与桌面版。项目定位为实验探索阶段，README 中的部分计划功能（如 RAG 检索、Tavily 搜索、HIL、Fallback、Evaluator 等）尚未完整实现或仅有配置项。

# Python # LLM # 数学 # 多智能体 # Agent技能

核心能力与快速开始

★ 5525 · Python

能做什么: 自动分析数学建模问题、建模、编写与纠正代码、撰写并排版论文；多智能体分工（建模手、代码手、论文手等）；每个 agent 可配置不同模型，支持 litellm 接入多家模型供应商；本地 Jupyter Code Interpreter（保存为 notebook 便于再编辑）及 E2B、Daytona 云端解释器；内置 17 套中英文 Typst 论文模板；内置建模知识库（建模规范、模型选择决策树、易错模式、MCM/ICM 评分标准）；9 步自动验收（文本泄漏检测、数值一致性校验、Typst 编译、PDF 可视化检查）；可通过 prompt inject 自定义模板；提供可组合的独立 SKILLS（如只跑分析、只写论文）。README 还列出了 Web Search、RAG 知识库、HIL 人机协作、Fallback Hand Off、Evaluator + Feedback 等可选功能开关，但部分标注为未实现。
适用场景: 数学建模比赛（如国赛、华数杯、华为杯、MCM/ICM）中自动完成从问题分析到论文成稿的流程；生成带格式排版的建模论文 PDF；在本地或云端解释器中运行和保存建模代码；面向开发者研究 Agent/SKILLS 设计与工作流优化；作为构建自定义数学建模 SKILL 的基础模板。
项目形态: 可直接使用的工具
部署方式: 提供三种方式：Docker 部署（docker-compose up，前端 5173、后端 8000）；本地部署（需 Python、Node.js、Redis）；社区自动脚本部署。另有内置 Claude Code 与全套 SKILLS 的桌面版安装包（macOS dmg / Windows exe）。
主要依赖: 本地部署需 Python、Node.js 与 Redis 环境，并提供模型 API Key；SKILLS 安装使用 npx skills add。桌面版无需安装 Python/Node.js/Redis，仅需填写一个模型 API Key。
使用限制: README 声明项目处于实验探索迭代的 demo 阶段，变更较多且存在许多 Bug；AI 生成仅供参考，目前水平直接参加国赛获奖是不可能的。部分计划功能（RAG 检索、Tavily 搜索、多语言 R/Matlab、benchmark 等）尚未实现或仅有配置项。许可为个人免费使用，请勿商业用途，商业用途需联系作者。
许可证: 未说明
最近推送: 2026-09-14 18:25

核对 README 依据 ↗

资料检查：2026-09-15 07:00 · 卡片整理：2026-09-15 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为可复用的 Agent Skills 合集，程序员可研究其多智能体（建模手、代码手、论文手）与 SKILLS 驱动的设计，并基于 Harness（如 Claude Code / Codex）构建或扩展自己的 Agent 工作流；README 明确欢迎希望寻找 Agent 开发岗位的开发者研究该项目 Agent 设计并贡献。

查看内容依据

如果你希望寻找 Agent 开发岗位，你可以研究该项目 Agent 设计并贡献，我会尽量合并.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

midgley：基于 LLM 多智能体的汽油价格预测框架

midgley 是一个用 Python 实现的多智能体时间序列预测框架，目标是预测美国批发 RBOB 汽油期货和多个都市区的零售无铅汽油价格。它把 Gemini、NOAA 天气模型、海运与内河咽喉点、行政社媒缺口、Cboe OVX、Baker Hughes 钻机数、USGS 水文与地震、炼厂检修等非结构化与物理数据，融合为特征向量，再结合 RB=F、CL=F、BZ=F 等商品期货，用 Ridge 回归与 XGBoost 建模，并通过情景模拟器、预测日志和每周复盘反馈回路迭代模型。项目还自动生成公开 Web 仪表盘，展示各地预测、准确率和数据源目录。

security-audit：将编码智能体变成具备多阶段独立验证流程的安全审计器

这是 Cloudflare 开源的一个编码智能体技能（skill），用于对代码库执行多阶段安全审计。它把审计流程拆成六个阶段：侦察、基于覆盖台账的漏洞猎取、候选发现验证、结构化输出、独立记录复核和与目标无关的报告生成。审计结果以机器可读的 findings.json 输出，并区分 confirmed、needs_validation 和 rejected 三种结论，配合零依赖校验脚本验证覆盖台账与发现记录。多次运行同一仓库的审计是累加的，会复用既往台账与发现来定位覆盖缺口。该技能是 Cloudflare 漏洞发现流水线的单仓起点。

TokenSpeed：面向智能体工作负载的高速 LLM 推理引擎

TokenSpeed 是由 LightSeek 基金会开源的 LLM 推理引擎，专为智能体（agentic）工作负载设计，目标是在保持 vLLM 级易用性的同时达到 TensorRT-LLM 级性能。其架构将控制面与执行面分离：控制面用 C++ 实现为有限状态机，借助类型系统在编译期约束请求生命周期与 KV 缓存资源管理；执行面用 Python 实现，便于迭代。内核被设计为一等子系统，通过可移植公共 API、集中注册表和插件机制解耦，文档称其包含面向智能体工作负载的较快 MLA（Multi-head Latent Attention）实现之一，并提及在 Blackwell 平台上的优化以及 Kimi、Qwen、GLM 等模型的适配记录。

Artibot：面向 Claude Code 的多智能体编排与自主学习插件

Artibot 是一个面向 Claude Code 的认知编排插件，基于双过程（System 1/2）路由、终身学习和原生 Agent Teams API 实现多智能体团队协作。它提供 30 个专用智能体、114 个领域技能、79 个斜杠命令与 28 个 Hook 注册，支持规划→PRD/ADR/TODO 工作流、并行团队执行、TDD、代码审查、安全审计、视觉验证等流程，并通过平台适配器导出到 Gemini CLI、Codex CLI、Antigravity 与 Cursor。仓库同时包含面向知识工作者的 artibot-cowork 插件，覆盖营销活动、长文写作、AEO/GEO 内容与韩文市场 SEO 等场景。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。