Gurobi 优化建模技能

技能概述

一个用于全流程数学优化建模的 Agent 技能（gurobi-optimization-skill），覆盖从问题理解到求解分析的完整闭环。

元数据

• 名称: gurobi-optimization-skill
• 版本: 1.0.0
• 描述: 基于 Gurobi + Python 的优化建模全流程：问题分析、数学建模、代码生成、求解验证、结果分析与迭代优化。
• 用户可调用: true
• 参数提示: [可选：问题描述、数据文件路径、优化目标]
• 允许工具: Read, Write, Edit, Grep, Glob, Bash, WebSearch

核心流程

技能遵循 问题理解 → 数学建模 → 代码生成 → 求解验证 → 结果分析 的线性流程。

⛔ 强制规则 — 建模前必读

1. 禁止凭空生成数据：所有参数、系数、需求量、成本、产能等数值必须来自用户提供的数据文件（Excel/CSV/JSON）或用户在对话中明确给出。Agent 不得编造、假设、估算任何业务数据。
2. 数据来源必须可追溯：每个参数值都要能指出"来自哪个文件的哪个字段"或"用户在对话中给出"。无法追溯的数值一律不得写入模型。
3. 缺失数据必须追问：如果用户描述了问题但没给数据，Agent 必须明确列出"建模还需要以下数据"，要求用户提供后再继续。不得自行填充默认值或示例数据。
4. 代码中不得硬编码业务数据：模型代码中的成本、需求、产能等数值必须从数据文件加载，不得写死在代码里。只有数学常数（如 M=1e6）和逻辑常数可以硬编码。
5. 区分"数学常数"和"业务数据"：
• ✅ 可以硬编码：M（大M法）、时间步长 dt、收敛容差
• ❌ 不可以硬编码：单位成本、需求量、产能、价格、利润
6. 使用占位数据需明确标注：如果用户明确要求"先用示例数据跑通"，代码中必须用 # ⚠️ 示例数据，需替换为实际数据 注释标注，并在交付时提醒用户替换。

graph LR
    A[Step 1: 问题理解] --> B[Step 2: 数据分析]
    B --> C[Step 3: 数学建模]
    C --> D[Step 4: 代码生成]
    D --> E[Step 5: 求解验证]
    E --> F[Step 6: 结果分析]
    F --> G[Step 7: 迭代优化]

执行顺序：Agent 必须按顺序读取并执行每个步骤对应的 prompts/ 目录下的指令文件。

触发与迭代模式

触发条件

当用户提及优化相关关键词（如"优化模型"、"线性规划"、"整数规划"、"Gurobi"、"求解器"、"最优解"、"约束"、"目标函数"等）时启用。

迭代模式

• 核心规则：当用户意图明显是在已有模型或上一轮输出上继续工作（如修改约束、调整目标、添加变量），无需固定关键词，不必确认，直接进入迭代流程。
• 禁止行为：在迭代意图已成立时，默认回到主流程的早期步骤。
• 识别信号：对话中已出现模型代码路径、求解结果或刚交付的方案时，优先按迭代处理。
• 操作路径：

1. 参数调整：Read iteration_context.md → Read parameter_tuning.md
2. 结构修改：Read iteration_context.md → Read model_revision.md
• 输出规范：迭代结果必须另存为带时间戳的新文件（{问题名}_{YYYYMMDDHHmmss}.py），不覆盖旧版本，并在项目目录追加 优化迭代记录.md。

关键工具与数据源

Prompt 文件映射（分步指令）

优化问题类型支持

求解器选择

使用 solver_factory.py 统一接口，切换求解器只需改一行：

from solver_factory import create_solver
solver = create_solver("auto")  # 自动选最佳可用
# solver = create_solver("gurobi")  # 指定
# solver = create_solver("scip")    # 免费替代

常见应用场景模板

Agent 工作流自检清单

• [ ] 求解后已用 model_validator.py 验证结果（状态/目标值/Gap/变量/约束）。
• [ ] 已检测可用求解器，用户无 Gurobi 许可证时自动切换到免费替代（SCIP/CBC/OR-Tools）。
• [ ] 所有业务数据来自用户提供的文件或对话明确给出，Agent 未编造任何数值。
• [ ] 已用 data_validator.py 验证数据完整性，必需字段齐全。

• [ ] 已按步骤顺序读取对应提示文件。
• [ ] 识别到修改意图时，已进入迭代流程（iteration_context.md → parameter_tuning.md/model_revision.md），并输出了带时间戳的新文件。
• [ ] 迭代操作后，已在对话中输出变更摘要，并追加了迭代记录文件。
• [ ] 数学模型的变量、约束、目标函数三要素完整且一致。
• [ ] 代码中已包含模型构建、求解、结果输出三部分。
• [ ] 求解状态已检查（model.status == GRB.OPTIMAL），非最优时已给出原因分析。
• [ ] 结果包含：目标函数值、决策变量取值、约束松弛情况。
• [ ] 最终输出 .py 文件和结果报告，文件名符合时间戳规则。