用途：在请求已被识别为优化问题、数据已足够支持建模后，将问题的工作解释直接映射为 cuOpt 原生模型对象，走快速路径求解。
主要能力：直接在 cuOpt 中建模；避免重量级中间模型；只提出最少的阻塞性问题；覆盖 LP / MILP / QP / 路径规划（routing）。数值优化强调把行级利润/成本映射为目标系数、资源消耗映射为约束系数、容量表映射为 RHS、min/max 映射为变量边界，是/否决策映射为二元变量，计数决策映射为整数变量。路径规划强调把客户/地点行映射为停靠点、坐标或矩阵映射为行驶度量、需求映射为停靠需求、车辆表映射为车队、仓库映射为起终点、时间窗映射为服务时间约束、取送 ID 映射为配对停靠关系。
使用方式：先确认最小可行公式（决策、目标、硬约束、是否需整数、是数值优化还是路径规划），若某个不可检索的建模选择会改变求解含义，则只问一个简洁的阻塞问题。LP/MILP 经 numerical-optimization-formulation，用 cuopt-numerical-optimization-api-python（MPS 输入用 cuopt-numerical-optimization-api-cli）；QP 经同一 formulation，用 cuopt-numerical-optimization-api-python；路径规划经 routing-formulation，用 cuopt-routing-api-python。在 NemoClaw 沙箱中，建模前需确认 cuopt-sandbox 门已完成（探测→选择 gRPC 能力→冒烟测试），且不要先构建并行启发式分配器。求解后校验求解器状态与结果合理性，并以业务语言报告求解器状态、目标值、目标含义、建议决策、关键假设与瓶颈。
适用场景：已识别为 LP/MILP/QP/路径规划、数据已检查、仅剩少量未决建模问题的一次性求解；无重放、导出或审计需求时。
限制：不用于可重放/可审计制品设计；不用于描述性分析；问题族不明确或数据未充分解释时，应先使用 optimization-intent-router、optimization-mode-router、tabular-optimization-ingestion。避免把线性目标强行为 QP，把无路径构造的分配强行为路径规划。整数性规则：当决策代表离散单位、计数、分配、车辆、人员、物品或是否选择时，不要默认连续变量；含义不清则询问。结果报告需包含求解器状态、目标值、目标业务含义、建议决策及重大假设或限制。