本技能用于把一段自然语言问题描述转化为清晰的数学优化模型，覆盖 LP（线性规划）、MILP（混合整数线性规划）与 QP（二次规划）三类问题，只讲概念与工作流，不包含 API 代码。
用途：识别问题类型并完成建模。LP 为线性目标、线性约束、连续变量；MILP 在此基础上含整数或二元变量（排班、选址、选择类问题）；QP 为二次目标（如 x²、x·y，用于组合方差、最小二乘）加线性约束，cuOpt 的 QP 支持目前处于 beta。若目标纯线性，应优先用 LP/MILP，不要人为引入二次项；只要存在整数或二元变量，问题即为 MILP。
主要能力：一是问题文本解析，把每句话标注为参数/给定、约束、决策或目标，识别隐含约束（如“计划生产 X”意味着必须全部生产）与隐含目标（如给出成本并要求“确定计划”即最小化总成本）；二是求解后灵敏度说明，LP/QP 可提供对偶值与缩减成本，MILP 无对偶值，含二次约束（二阶锥路径）时也只返回原始值；三是常见建模模式，包括分段线性目标与整数产量、切割库存/修剪损失、目标规划（按优先级顺序求解）、多周期库存/采购、共享混合/中间加工等。
使用方式：先按解析工作流逐句分类，明确决策变量及其边界、目标（最小化或最大化、线性或二次）、约束（线性等式/不等式，凸二次不等式经二阶锥处理，非凸或二次等式不支持）、变量类型与 QP 凸性（Q 宜为半正定）；QP 只能最小化，最大化需取负后最小化再取负最优值。存在歧义时必须询问用户，或求解所有合理解释并报告全部结果，不得默认单一解释。
限制：不提供 API 代码；QP 为 beta；MILP 无对偶值；不支持非凸或二次等式约束。具体 API 调用方式暂未提供。