用途：面向数学建模赛题，读取 problem_files/ 中的 PDF、DOCX、TXT 题面与附件数据，逐问抽取任务、数据条件与约束，给出模型选型与验证路线。
主要能力：规则抽取“问题1/问题2…”段落、附件说明、单位与关键参数；识别预测、分类、评价排序、优化调度、聚类、机理仿真、物理工程建模等任务类型；对 CSV/XLSX/XLS 附件做轻量字段画像。给出每问的最小可用基线、改进路线、验证计划（交叉验证、残差、灵敏度等）与风险备选，并生成代码文件建议。
输出：A 题意对齐、B 论文大纲、C 评分点对齐表、D 模型路线，归档到 paper_output/step1/；机器可读契约为 paper_output/step1/problem_analysis.json；若题目依赖外部数据，另生成根目录 data_requirements.json。
用法：先运行 python .claude/skills/paper-workflow-orchestrator/scripts/workflow_guard.py --skill problem-doc-model-selector，输出非 PASS 时停止并回补前置阶段；再运行 python .claude/skills/problem-doc-model-selector/scripts/analyze_problem.py，完成后回到 paper-workflow-orchestrator 判断下一步，并用 python .claude/skills/context-memory-keeper/scripts/update_workflow_memory.py 更新记忆。
适用场景：用户提供赛题文档或题目文本，需快速判断各问应采用的方法并制定实验验证计划时；对题意理解或模型路线不确定、需论文结构与评分点对齐建议时。
限制：不得作为孤立入口，须与 paper-workflow-orchestrator 协作；problem_files/ 为空时应停止并提示补齐；不能直接进入产文阶段，需先保证数据口径可用；具体解析库与依赖、收费与平台要求资料暂未提供。