problem-doc-model-selector

用途

本技能用于赛题文档自动解析与模型选型：输入赛题 PDF/Word 文档或题面文本，自动抽取“每一问”的任务类型、数据条件与约束，并输出贴题的模型选型与验证路线，生成评分友好型交付。

文档读取：PDF 优先使用 PyMuPDF，否则 pdfplumber，保留图表标题与小节编号；Word 使用 python-docx，保留段落与表格结构；清理页眉页脚、合并断行、标准化单位。
题意解析：规则抽取“问题1/问题2/问题3…”与“附件说明/单位/关键参数”，识别任务类型（预测/分类/评价/优化/聚类/仿真/机理建模），提取约束与边界。
数据条件解析：附件文件名与字段（列名、单位、样本量、范围、缺失值比例），明确结果口径。
模型选型引擎（规则优先，结合提示式决策）：覆盖预测类、分类类、评价与排序、优化与调度、聚类、机理/仿真、物理/工程建模等。
验证与鲁棒性：给出指标（RMSE/MAE/AUC/F1/MAPE/轮廓系数/约束满足率等）、交叉验证/滚动回测/留出法、消融实验与敏感性分析、极端与边界情景检查。
判别逻辑速查：依据题面关键词（预测、分类、评价排序、优化调度、聚类、机理仿真、物理工程建模）辅助确定任务类型。

A 一页纸题意对齐：逐问给出输入/输出、评价指标、关键约束、可验证方式。
B 论文大纲：摘要、问题重述、假设、符号、数据说明、模型、求解、结果、检验、结论、不足、参考。
C 评分点对齐表：评分点 → 证据形式（图表/实验/检验）→ 论文位置。
D 模型选型与路线：每问的任务类型、最小可用基线、改进路线、验证计划、风险与备选。
E 数据需求配置（可选）：若发现需要外部数据，自动生成或更新根目录下的 data_requirements.json。
机器可读契约：paper_output/step1/problem_analysis.json，包含 documents、data_files、questions、recommended_models、validation_plan、figure_suggestions 等字段。

上游输入：problem_files/ 中的赛题 PDF/Word/TXT 和附件数据。
脚本入口（推荐）：python .claude/skills/problem-doc-model-selector/scripts/analyze_problem.py。该脚本扫描 problem_files/，读取 TXT/Markdown/DOCX/PDF 赛题文本，并对 CSV/XLSX/XLS 附件做轻量字段画像，成功后写入 paper_output/step1/problem_analysis.json。
全局流程协作约束：本 skill 不得作为孤立入口。启动或继续正式任务前必须运行 python .claude/skills/paper-workflow-orchestrator/scripts/workflow_guard.py --skill problem-doc-model-selector；若输出 [WORKFLOW FAIL] 或 status != "PASS"，应停止并回补前置阶段。长对话中先运行 workflow_guard.py --status 再读取相关报告与契约。每次完成产物后先回到 paper-workflow-orchestrator 或运行 workflow_guard.py --status，再更新 workflow memory：python .claude/skills/context-memory-keeper/scripts/update_workflow_memory.py。
输出建议归档到 paper_output/step1/（如 A_题意对齐.md 等），并同步生成 D_模型路线.json。
前后衔接：后续通常先做 data-cleaning-and-visualization；若目标为完整论文，回到 paper-workflow-orchestrator。
约束：开始前检查 memoryskill.md 中是否有外部文献/数据索引并纳入选型依据；完成后必须调用 context-memory-keeper 更新 Short-term Workbench；若依赖外部公开数据，必须生成 data_requirements.json 并写入根目录，active 设为 true。