用途：当用户用自然语言提出数据相关请求、但尚不清楚是否应交给 cuOpt 处理时，本技能负责判断请求类型，决定是否涉及优化，以及应走哪条下游建模路径。分类结果是暂定的，后续数据接入步骤可能根据上传表格修正问题族。
主要能力：识别优化信号，如 optimize、best、maximize、minimize、约束语言（at most、must、within budget）、资源权衡和决策语言（assign、allocate、route、schedule）。将请求归为 LP（线性目标与约束、连续变量）、MILP（含整数或二元决策）、QP（目标含平方项或交互项）、routing（涉及地点移动，如 TSP、VRP、PDP），或非优化处理（统计、过滤、计数、排序、图表、SQL 聚合、数据解释）。
使用方式：输出内部工作结论，至少包含 is_optimization、problem_family（lp/milp/qp/routing/unknown）、why 和 missing_information。LP/MILP 交给 numerical-optimization-formulation，再交给 cuopt-numerical-optimization-api-python（MPS 输入可用 CLI）；QP 交给 numerical-optimization-formulation 再交给 Python API；routing 交给 routing-formulation 再交给 cuopt-routing-api-python。若涉及可复现、审计、导出或复用，先使用 optimization-mode-router。
适用场景：产品组合、生产计划、库存分配、销售组合、配送成本最小化、排班、设施选址、路径规划等。
限制：不要仅因请求含数字就判定为优化；不要将纯分配问题强行解释为路径规划；不要将描述性分析强行归为 LP/MILP。信息不足时应提出简短澄清问题，例如询问数量是否必须为整数、是路径分配还是数量分配、目标是否含方差或平方惩罚项。NemoClaw 沙箱中，当存在构造性加约束数据时，cuopt-sandbox 会在任何排程、名册、分配或路径输出前先行把关，不应以贪心 Python 构建器作为首个交付物。