做数学建模时真正耗时间的通常不是记住一个模型名称而是把读题、条件确认、数据处理、方法选择、代码验证、结果解释、图表表达和交付终检串成稳定的工作流。我把持续迭代的数学建模 Skill 与 60 图高级图表库整理后放到 GitHub 免费开源仓库中包含 Skill 主体、联动提示词、可复现图表模板、Windows 图表浏览工具、35 项终检规则与版本迭代记录。GitHubhttps://github.com/1514173072/math-modeling-skill-chart-gallery一、项目包含什么项目由两个可以独立使用、也可以联动的部分组成。数学建模 Skill负责读取赛题与附件、主动询问前置条件、拆解问题、定位方法、组织建模流程、约束代码与验证、规范表达并在交付前执行独立复审。60 图高级图表库负责把“应该画什么图”变成可检索、可解释、可复现的选择。每个模板配有效果预览、适用场景、数据要求、误用提醒和 Python 代码。Windows 用户还可以直接运行 Release 中的 EXE 浏览模板。二、Skill 的核心流程Skill 不会在信息不足时直接套默认模板。面对新题时它会先确认题面、附件、格式、篇幅、写作重点、交付形式、时间与算力限制再进入正式分析。整体流程可以概括为题目与附件 → 前置问询 → 任务拆解 → 方法定位 → 模型与代码 → 验证与解释 → 图表证据 → 独立复审 → 35 项终检。三、图表库如何与 Skill 联动图表库不是一组用于直接粘贴的图片素材。正确方式是让 Skill 先根据题目、真实字段和需要证明的结论判断图表任务再从图表库中匹配模板替换全部示例数据并重新运行代码。实际联动链路如下题目与附件 → Skill 判断证据需求 → 选择图表类型 → 匹配模板 → 替换真实数据 → 运行代码 → 核对图、数值与正文结论。这样可以减少随意选图、只追求复杂度、图表和文字结论不一致、示例数据未替换等常见问题。四、35 项终检覆盖什么终检不是简单检查错别字而是覆盖完整证据链主要包括题意与分问覆盖、数据来源和口径、符号和单位、模型假设、参数依据、训练与验证划分、数据泄漏、优化硬约束、敏感性与稳健性、图表来源与引用、代码和结果一致性、结论边界、参考文献以及最终文件完整性。每一项都要求给出通过、警告、失败或不适用的状态并说明证据位置。这样可以把“看起来完整”与“证据能够支撑结论”区分开。五、为什么保留自迭代流程仓库保留了 v0.1—v0.8.1 的迭代记录。实际测试中暴露过前置条件不足、默认模板过早启动、统计定义不严谨、验证存在数据泄漏风险、优化遗漏硬约束、图表堆叠和表达不规范等问题。这些问题随后被转化为 Skill 的流程门、检查规则与复审要求。个人继续迭代时可以沿用以下闭环真实任务测试 → 过程审计 → 独立评价 → 问题分级 → 修改 Skill → 使用新题回归验证。六、如何使用克隆或下载仓库后将 Skill 目录交给支持自定义 Skill 与本地文件访问的智能体部署。开始任务时提供赛题和附件路径回答前置问询再让 Skill 按计划执行。需要绘图时同时提供图表库路径并要求根据真实数据选择模板。图表库 Release 提供 Windows EXE可直接浏览预览、适用场景和模板代码需要正式绘图时仍应使用本题真实数据重新运行。七、开源地址GitHubhttps://github.com/1514173072/math-modeling-skill-chart-gallery欢迎 Star、提出 Issue也欢迎按照仓库规范贡献新的可复现图表模板。项目用于学习、研究和工作流改进实际结果仍需结合题面、数据、代码与赛事要求独立核查。