用途：把优化请求转化为可辩护的决策记录，覆盖问题建模、求解方法选择、公平比较与结果审计。
主要能力：框定决策（决策者、可行行动窗口、变量域、边界、单位、可控性）；分别陈述目标方向、单位、聚合、基线与可接受权衡，多目标在决策者选定权重、字典序、epsilon 约束或帕累托评审前保持分离；将约束分类为硬约束、软约束（含显式惩罚或松弛）与信息性约束，定义容差、可行性谓词与违反度量，不把硬约束违反隐藏在惩罚分中；建立基线（已知可行解、精确或有界基线、启发式基线）并说明其证明与未证明内容；按变量域、光滑性、规模与证明需求匹配求解器族；固定目标/约束实现、可行性检查器、计算预算、停止规则与报告模式做公平比较，随机方法使用相同预算与声明的种子/重复；用独立实现或检查器重算目标与每个约束，分别报告可行最优、违反幅度、界/间隙、状态、运行时间与未解未知；选择可行解或帕累托集并记录权衡理由、敏感性/鲁棒性证据、负责人与回滚/重优化触发条件。
使用方式：先加载 references/formulation-and-evidence.md 处理建模、可行性、求解器状态、界/间隙与比较规则；多目标与随机敏感性加载 references/multiobjective-and-robustness.md。用建模记录定义问题，再用解审计验证候选解。
适用场景：需要可审计的约束优化决策、多目标权衡与结果验证时。
限制：不用于推断统计、因果推断或统计模型拟合；不用于机器学习训练/模型选择方法论；不用于特定求解器或云服务的安装与运行手册。变量、目标单位、硬约束、可行性检查器或预算未定义时应停止；统计估计、因果问题与不确定性模型转交 data-scientist，ML 超参数/训练优化转交 ml-engineering，具体求解器或云服务操作转交对应工具技能。官方求解器结果参考及其版本/适用性限制见来源索引。