用途：把“能拿分”的写作结构与“贴题可落地”的模型选型合并为一套流程，输出论文大纲、评分点对齐表和模型路线。
主要能力：A 一页纸题意对齐（每问输入、输出、指标、约束、验证方式）；B 论文大纲（摘要、问题重述、假设、符号、数据预处理、模型建立、求解实现、结果分析、模型检验、结论建议、不足与展望、参考文献、附录）；C 评分点对齐表（评分点→证据→论文位置）；D 模型选型与路线（任务类型判定、最小可用基线、改进路线、验证计划、风险点），并给出预测、分类、评价排序、优化调度、聚类、机理仿真等常见问法的基线与改进示例。
使用方式：执行前优先读取 paper_output/step1/problem_analysis.json，并以其 questions[] 为唯一子问题来源；脚本入口为 python .claude/skills/modeling-paper-rubric-and-model-selector/scripts/build_model_route.py，输出 paper_output/plan/model_route.json、rubric_alignment.json、scoring_strategy.md。正式任务前需运行 workflow_guard.py 校验阶段，失败则回补前置阶段，不得凭记忆继续。可通过 paper_prompt_path 或 paper_prompt_text 提供自定义论文结构提示词，否则使用 references/paper_prompt_default.md。
适用场景：快速搭建符合评分标准的论文结构与写作顺序；判断模型是否贴题、过于复杂或解释不足；自查答非所问、指标口径不一致、验证不充分等问题。
限制：这些 JSON 为项目自定义 workflow contracts，非平台内置标准；若 problem_analysis.json 缺失，需先运行 problem-doc-model-selector。比赛名称、题号、数据具体字段等资料未提供；实际收费、平台支持等信息暂未提供。