用途：通过 NVIDIA cuOpt 的 Python API 建模并求解线性规划（LP）与混合整数线性规划（MILP）。开始前宜先获取问题摘要（参数、约束、决策、目标），否则需向用户询问决策变量、目标与约束，并确认变量类型与接口（推荐 Python API）。
主要能力：支持连续变量与整数/二元变量；可添加约束与目标（最大化/最小化）；可设置时间上限、MILP 相对间隙、控制台日志等求解参数；LP 可读取对偶值（影子价格）；支持从标准 MPS 文件求解。
变量类型选择：数量可分数时用 LP（连续变量），求解更快、最优性保证更强；涉及离散实体计数、是/否或二选一决策时用 MILP。可数名词（工人、车辆、设施）用 INTEGER，度量（吨、升、美元、小时、流量）或比率用 CONTINUOUS；表述含 whole、integer、number of 时用 INTEGER。
使用方式：从 cuopt.linear_programming.problem 导入 Problem、CONTINUOUS、INTEGER、MAXIMIZE、MINIMIZE，用 addVariable、addConstraint、setObjective 建模，用 SolverSettings 设置参数后调用 problem.solve(settings)。大型表达式建议用 LinearExpression(vars_list, coeffs_list, constant) 构建，避免链式相加触发递归限制。
状态检查：状态值使用 PascalCase，如 Optimal、FeasibleFound，而非全大写；LP 状态还包括 PrimalInfeasible、DualInfeasible、TimeLimit 等，MILP 还包括 Infeasible、Unbounded 等。
常见模式：二元选择（sum(items)==k）、Big-M 关联、if-then 必须同时生产、分段线性（SOS2）。
限制与注意：整数变量若误设为 CONTINUOUS 会出现分数值；不可行多因约束冲突，无界多因缺少边界；求解慢可设时间上限或放宽间隙。参考模型位于本技能的 assets/ 目录，仅作参考，不要就地修改；可用 ls assets/ 列出。资料未提供安装命令、收费与平台细节。