AI Modeling Keynote Math Contest / Agent Ops
AI × 数学建模 × 演讲展示

Agent、n8n、Codex、GPT、Gemini、OpenClaw
如何秒杀数学建模比赛》

从选题、检索、建模、实验、写作到展示,把一群 AI 工具从“零散插件”组织成“协同作战系统”。 这不是普通网页,而是一场可以上台直接播放的未来感发布会。

0 效率提升参考值 / 组织得当时常见体感
0 文献处理时间减少 / 检索到摘要自动化
0 写作时间减少 / 大纲、润色、表格同步
不是谁更会熬夜,而是谁更会组织 AI。
AI 协同引擎 目标驱动 · 并行执行 · 自动复盘
Agent编排中枢
n8n低代码流
Codex执行与改码
GPT思路扩展
Gemini长文理解
OpenClaw自动执行
孟任巍证件照
Speaker Profile 孟任巍
Presenter Intro

孟任巍

23级数字媒体技术一班

数学建模 AI 工作流 演讲展示

我关注的是一件事:如何把“会做题”升级成“会搭系统、会讲故事、会交付作品”。 这场分享不是只讲工具名单,而是想把我在建模比赛中验证过的 AI 协同方法,真正变成同学们能直接复用的作战套路。

2025 MCM / ICM H 奖

国际赛场景下完成建模、写作与英文表达整合。

2025 国家大学生数学建模竞赛 省级一等奖

国内高压赛制下验证完整题解与团队协同能力。

2025 数维杯数学建模竞赛 H 奖

持续沉淀多模型、多工具、多展示形态的经验。

这页既是讲者名片,也是我的方法论声明:比赛里真正拉开差距的,不只是模型公式,而是你能否把检索、分析、编码、写作和展示组织成一个高效系统。
Why Now

为什么数学建模已经进入 Agent 时代

传统建模不是不会做,而是太容易被“切窗口、找资料、补图表、赶写作”这些重复动作拖垮。 当 AI 开始会规划、会调用工具、会自动串联流程,数学建模的竞争维度就变了。

核心金句:AI 协作不是替代你思考,而是让你的思考能大规模落地。

01
接题阶段 题意模糊,评价指标不清,第一步经常就走偏。
02
检索阶段 文献海量涌来,筛选慢,错过最佳切入角度。
03
实验阶段 代码反复试错,参数管理混乱,结果难复现。
04
写作阶段 公式、图表、表格、语言风格来回折返跑。
05
展示阶段 PPT 匆忙堆字,视觉冲击不够,逻辑难被记住。
Before

传统串行建模

  • 一个人脑内串完所有步骤,任何一个环节卡壳都会拖垮整体节奏。
  • 信息搜集、代码实现、图表整理、论文写作互相打断,注意力成本极高。
  • 多工具频繁切换,结果分散在浏览器、文档、脚本和聊天记录里。
  • 最后一天才发现“能做”和“能讲清楚”之间还差一整条生产线。
After

Agent 驱动建模

  • 目标先拆解,任务并行分发,检索、分析、写作和展示同步推进。
  • AI 自动把材料喂给下一个环节,避免“刚总结完又要手工重录”。
  • 工作流能追踪、复用、复盘,整队协作不再靠口头同步。
  • 你负责判断和策略,Agent 负责搬运、执行、整合与加速。
信息过载

不是没资料,而是资料太多,没人能在高压比赛里慢慢筛。

检索慢

关键词设计不成熟,时间都花在“搜到了但不相关”。

实验混乱

脚本、参数、结果图散落各处,回头很难解释为什么这么做。

写作低效

论文、变量表、图题、摘要反复修改,最后容易风格不统一。

工具割裂

不会协同的工具越多,反而越像把时间切成碎片。

Agent Logic

Agent 到底是什么,它和普通聊天式 AI 有什么不同?

普通聊天式 AI 更像“回答器”,而 Agent 更像“带着工具箱、记忆和执行计划的数字队友”。 它不只会说,更会规划、调用、观察、修正,然后交付结果。

核心金句:聊天模型给你一句答案,Agent 帮你走完整个闭环。

目标设定 明确题目、约束、交付物和时间线。
规划分解 拆任务、排优先级、设计并行路径。
调用工具 搜索、读 PDF、写代码、跑实验、生成图表。
观察结果 看输出、对比指标、发现异常与盲区。
反思修正 重写 Prompt、改模型、补步骤、换路径。
输出交付 生成报告、表格、图像、网页和答辩材料。
大脑 / Brain 负责推理、决策、规划与策略选择,是 Agent 的认知核心。
工具箱 / Skills 网络搜索、PDF 阅读、Python 计算、代码执行、LaTeX 生成、绘图、表格分析、网页生成。
记忆 / Memory 保留上下文、参数、结论与偏好,不用每轮都从头解释。
执行器 / Executor 真正跑任务、处理文件、调用接口、写出可运行的结果。
评估器 / Critic 检查结果质量、发现漏洞、推动修正,避免“看起来像对的”。

Agent 与普通聊天式 AI 对比

维度
聊天式 AI
Agent
工作方式
被动响应,单轮输出
目标驱动,多步执行
工具能力
通常只回答,不落地
会调用搜索、代码、文件、网页等工具
记忆与状态
上下文有限,容易遗忘
能保留任务状态并持续推进
适合场景
问答、解释、头脑风暴
复杂建模流程、科研自动化、整套交付

为什么 Agent 特别适合数学建模比赛

多阶段任务 高频迭代 代码 + 文档 + 图表混合交付 时间压力极强

建模比赛本质上就是一个“压缩版科研项目”:需要快速理解题目、检索思路、编码求解、实验验证、写作和展示。 Agent 恰好擅长串联这些跨模态、跨工具、跨阶段的动作。

Use Cases

Agent 在科研中的实际应用,搬到数学建模里会发生什么?

看清 Agent 的最好方式,不是再听一遍定义,而是看它在科研工作流里究竟替你做了哪些高价值重复劳动。

核心金句:比赛里最值钱的不是多打一百行字,而是让信息自动流动起来。

推荐指数 ★★★★★ 适用阶段:赛前 / 赛中

每日自动接收固定期刊相关文章

  • 输入关键词、期刊源、过滤规则
  • Agent 做了什么搜索新文、抓取摘要、去重分类、生成晨报
  • 输出飞书 / Notion / 邮件推送的研究速报
  • 价值不再临时抱佛脚,长期储备题目相关知识图谱
推荐指数 ★★★★★ 适用阶段:综述搭建

一键生成文献综述初稿

  • 输入若干篇论文 PDF 或文献信息表
  • Agent 做了什么提取主题、归并方法、比对优缺点、组织段落
  • 输出结构化综述草稿 + 可追溯引用备注
  • 价值把检索时间变成判断时间,快速定位可借鉴的模型路径
推荐指数 ★★★★☆ 适用阶段:想法对比

一键总结论文核心创新点

  • 输入目标论文、摘要或全文
  • Agent 做了什么定位贡献句、判断新意、压缩成比赛可用语言
  • 输出“这篇论文值得借什么、不该抄什么”清单
  • 价值避免被表面术语带偏,迅速抓住方法论骨架
推荐指数 ★★★★★ 适用阶段:论文拆解

自动抽取方法、实验设置和指标

  • 输入多篇 PDF、实验表格、附录截图
  • Agent 做了什么解析章节、抽变量、整理评价指标与对照组
  • 输出统一格式的对比表和实验参考库
  • 价值帮你更快搭建“我的实验该怎么设计”的模板
推荐指数 ★★★★☆ 适用阶段:写作启动

一键写论文结构草稿

  • 输入题目、任务拆解、已有结论和图表
  • Agent 做了什么组织章节、生成过渡句、预留图表位置
  • 输出可继续改写的中文论文骨架
  • 价值避免到最后才发现“结果有了,但文稿起不来”
推荐指数 ★★★★★ 适用阶段:赛题落地

自动生成问题重述 + 假设 + 符号说明 + 模型框架

  • 输入赛题原文、变量列表、目标函数方向
  • Agent 做了什么拆条件、补逻辑、统一术语、整理符号
  • 输出建模论文前半部分可直接迭代的初稿
  • 价值把最容易“拖时间”的基础写作稳定下来
推荐指数 ★★★★☆ 适用阶段:答辩冲刺

自动生成答辩材料

  • 输入论文草稿、结果图、评审视角问题库
  • Agent 做了什么抽结论、生成 Q&A、整理演讲逻辑和展示页
  • 输出答辩提词稿、问答库、展示页面素材
  • 价值最后一公里不再临时凑,展示质量拉开差距
Knowledge Tree

把高层目标拆成可执行的学习路径

如果你想从 Transformer、医学 AI、智能体 Agent 这类“山顶目标”出发,反推它到底建立在哪些数学、信号、系统和算法知识之上, 我专门做了一张中文可交互知识大树。

点击任意节点,递归高亮全部前置知识与依赖路径。
右侧面板自动生成“从底层到目标”的推荐学习顺序。
支持搜索、按层筛选、仅查看当前学习路径、最近浏览记录。
Interactive Ranking

现场来一把:把你心里的 AI 模型拖进排名表

这是一个可以现场互动的小环节。把不同模型拖到你认可的位置,快速形成一张“个人偏好 + 能力判断”的演示榜单。

核心金句:比起泛泛而谈,不如把模型真的排一遍,观点会清楚很多。

拖拽模型到这里
顶级
拖拽模型到这里
人上人
拖拽模型到这里
NPC
拖拽模型到这里
拉完了
拖拽模型到这里
待排行模型
把下方模型拖进上面的任意一行,支持随时重新调整。

小提示:如果想重新开始,点右上角“重置”就会把所有模型放回下方。

Low-Code Agent

n8n:不会写很多代码,也能快速搭建 Agent

n8n 的魅力在于:把“自动化”从抽象概念变成一个个可视化节点。你不需要先成为全栈工程师, 也能把检索、摘要、通知、文档整理和模型调用编排成真正能跑的工作流。

核心金句:低代码不是低能力,而是让更多人能更快把流程接上电。

节点式工作流 可定时 可通知
文献监控流
关键词 → 搜索 → 摘要提取 → 飞书 / Notion 推送
关键词Trigger
搜索新文Search
抽摘要Extract
分类总结Summarize
飞书 / NotionPush
数学建模写作流
题目 → 检索 → 总结 → 生成大纲 → 输出草稿
赛题输入Input
相关检索Search
提炼思路Think
章节大纲Outline
论文草稿Draft
论文处理流
上传 PDF → 拆解章节 → 提取贡献 → 生成表格
上传 PDFUpload
章节拆解Parse
贡献抽取Analyze
实验对比Table
输出文档Export

为什么 n8n 特别适合本科生入门

  • 节点一眼能看懂流程结构,特别适合把复杂任务先“画出来”。
  • 触发器、模型调用、数据库、表格、消息推送都能快速接入。
  • 容易从“手动做一次”升级为“每天自动做、每次自动做”。
  • 非常适合把科研和建模里高频重复动作封装成自己的流水线。

你可以把它理解成

一个给 Agent 铺轨道的工作流平台。你把“什么时候触发、调用哪些工具、拿到结果后发去哪儿”说清楚,它就可以稳定跑起来。

5 分钟搭起一个雏形 1 次配置,多次复用 低门槛也能接上自动化
Prompt Lab

提示词工程:把 AI 从“会说话”训练成“会稳定交付”

好 Prompt 不是玄学,而是一份结构清晰的任务书。角色、任务、输入、约束、输出格式、评价标准越明确,AI 越像靠谱队友。

核心金句:Prompt 不是许愿池,而是高质量结果的接口设计。

Prompt 示例框

Prompt Case


            
输出效果示意

Output Preview

稳定输出
Banana Pro 示例
Vibe Coding

Codex、Cursor 如何辅助建模:把需求直接拉到可运行代码

Vibe Coding 的重点不是“让 AI 乱写代码”,而是把问题、数据、实验目标讲清楚, 然后让 AI 在正确上下文里快速产出可改、可跑、可复验的脚本和页面。

核心金句:需求 → 代码 → 图表 → 报告,真正快起来的是这一整条链。

编辑器演示区
命令输入框样式
Codex:直接执行 / 修改 / 验证 Cursor:IDE 内上下文共创

Vibe Coding 的典型价值

数据清洗脚本 建模代码 可视化代码 消融实验代码 LaTeX 表格 HTML 展示页

让 AI 参与编码,最适合用在“框架搭建、重复样板、快速试验、展示包装”这些对速度极其敏感的环节。

需求 → 代码 → 图表 → 报告

1. 明确需求 数据结构、目标函数、输入输出和评价指标说清楚。
2. 生成代码 先出最小可运行版本,再逐步补实验与异常处理。
3. 产出图表 让 AI 同时把图、表、注释和图题风格统一起来。
4. 写进报告 结果解释、局限性和展示页面同步跟进。
Idea Builder

GPT 不只是聊天,而是文献搜索与思路构建器

面对一题建模题,最可怕的不是不会写代码,而是不知道从哪开始。GPT 的真正价值, 是把一个模糊问题拆成清晰路线,让你更快进入有效探索区。

核心金句:先用 GPT 把问题问对,再让其他工具把答案做深。

从模糊题目到明确研究路线

模糊赛题:到底是预测、优化还是决策?
关键词扩展:同义词、应用场景、评价指标
文献筛选维度:数据规模、约束类型、模型假设
候选思路比较:统计模型 / 优化模型 / 仿真模型
优缺点分析:准确性、可解释性、复杂度
确定路线:研究问题 + 方法框架 + 结果指标
建模问题树

先把题拆开,你才知道每一步该问什么 AI。

数据
数据缺什么?怎么补?如何清洗?
目标
究竟要预测、优化还是评估?
约束
变量边界、现实规则、业务逻辑是什么?
评价
指标如何定义,怎样比较模型优劣?

点击展开示例

关键词扩展:怎么把题目从一句话拆成检索策略?
让 GPT 先列出领域关键词、应用场景词、评价指标词、同义词,再生成一个“检索查询矩阵”。 你会从“搜论文”升级成“设计检索”。
建模思路比较:如何快速比较不同模型的取舍?
让 GPT 从适用数据、可解释性、计算复杂度、稳定性和论文可写性五个维度出表。 这样你选模型时就不会只看“哪个听起来高级”。
论文框架草拟:怎样把思路直接转成可写提纲?
用“问题重述、建模假设、变量定义、方法设计、实验验证、结论局限”六段模板,让 GPT 先给出结构骨架, 你再填入真实结果和判断。
Long Context + Visuals

Gemini 与 Banana Pro:长上下文负责吃进去,多模态负责做出来

当你需要同时理解长论文、整合多份材料、对照不同文档时,长上下文就非常关键。 当你需要把抽象方法变成高颜值海报、封面、示意图和答辩主视觉时,多模态创作开始接管舞台。

核心金句:长文理解决定你吃进去多少,多模态决定你讲出来有多强。

长论文理解
多文档对照
引用高亮

Canvas / 长文档场景优势

适合处理长篇论文、赛题附件、参考资料合集、会议记录、历史版本笔记,再统一压缩成可用结论。

Banana Pro 的科研绘图玩法

学术风插图 答辩主视觉 封面设计 高颜值配图

当你需要“让观众一眼理解你的模型结构”,高质量图像生成工具会极大提高展示完成度。

Autonomous Execution

OpenClaw:让 AI 不只会说,还能真正去执行

可以把 OpenClaw 理解成一类更强调“自动执行、任务分解、工具联动”的 Agent 平台。 它的价值在于:让 AI 不止给建议,而是把计划推进成真实动作。

核心金句:当 AI 能操作工具、跨应用搬运结果时,真正的工作流才开始成立。

能力雷达图

它适合那些“要真的做事”的环节:定时任务、跨工具搬运、文件整理、消息同步、自动跟踪。

适合哪些科研 / 建模场景

盯文献与资料

自动抓新内容、整理摘要、更新知识库。

任务分解与追踪

把“我要做题”拆成可执行动作与检查点。

跨工具联动

搜索、文件、消息、脚本、日历结果互相流动。

自动化执行

把固定例行工作交给 Agent,自己保留判断权。

Tool Ecology

大杂烩工具协同区:AI 建模比赛全家桶怎么配合

真正强的不是某一个工具,而是把记录、协作、版本控制、展示和自动化合成一个“作战指挥中心”。

核心金句:单点提效只能快一点,工作流联动才能直接换一个量级。

Modeling War Room

题目、资料、代码、图表、展示在同一张指挥图上流动。

HTML 代替 PPT
更自由、更酷、可在线展示
Notion
思路共享与共同写作
GitHub
版本控制与多人协作
Prism / LaTeX
共享排版与 AI 识别文档
n8n
自动化编排
Codex / Cursor
快速实现
GPT / Gemini
思路 + 长文理解
OpenClaw
执行联动

为什么 HTML 适合代替 PPT

  • 视觉自由度极高,动画、交互、数据可视化都能精细控制。
  • 线上分享和本地演示统一,链接一发就能展示。
  • 更适合讲“系统”和“流程”,而不是一页页静态堆内容。

协同工具的真正分工

Notion 统一记录任务、思路、资料和会议纪要。
GitHub 代码版本、实验脚本、多人分工都有据可查。
LaTeX / Prism 公式、表格、结构化排版更适合最终交付。
HTML 展示页 把最后的答辩变成一场发布会,而不是念 PPT。
Battle Map

建模比赛全流程作战图:从题目分析到演讲展示,一条链打穿

这一页是整场演讲的核心。不要把 AI 当成一个个零散按钮,而要把它们看作每一环都能接棒的作战体系。

核心金句:真正厉害的人,不是只会问 AI,而是会编排 AI。

01

题目分析

GPTAgentNotion
推荐:先拆任务、约束、对象、评价指标。
节省:2-4 小时方向试错。
风险:不要直接接受 AI 的第一版问题理解。
02

任务拆解

AgentOpenClawGitHub
推荐:把人和 AI 的分工都写成清单。
节省:1-2 小时沟通与返工。
风险:角色不清会让团队和 AI 一起撞车。
03

文献检索

n8nGPTGemini
推荐:先设计检索矩阵,再自动摘要与分类。
节省:4-6 小时资料筛选。
风险:注意文献时效性与真假引用。
04

数据处理

CodexCursorPython
推荐:让 AI 先搭清洗脚本,再手动验证异常值。
节省:3-5 小时脚本重复劳动。
风险:一定保留原始数据与日志。
05

建模求解

GPTCodexOpenClaw
推荐:AI 负责快速实现候选方案,你负责判别是否合理。
节省:6-8 小时初版搭建。
风险:警惕“看起来很对”的伪正确代码与公式。
06

实验验证

AgentCodexGitHub
推荐:批量跑实验、自动整理对照表与消融结果。
节省:4-5 小时反复排结果。
风险:确保实验可复现,参数设置要记录。
07

写作排版

GPTn8nLaTeX
推荐:大纲、变量表、摘要、结论同步推进。
节省:5-7 小时文本整理。
风险:别让 AI 写得太“顺”,却缺少真实实验依据。
08

演讲展示

HTMLBanana ProGPT
推荐:网页代替 PPT,视觉、动画、逻辑一次统一。
节省:2-3 小时反复调版式。
风险:再酷也要让关键结论一眼可读。
Finale

未来建模高手的核心能力,不只是建模,而是编排智能。

数学建模比赛已经不是单点工具竞争,而是 AI 工作流竞争。 真正厉害的人,不是只会问 AI,而是能把多 Agent、多工具、多模态编排成一个稳定、快速、能交付的系统。

从“单工具提效”走向“多 Agent 协同”,你的优势会从个人速度升级为系统战斗力。

WeChat Connect

一键生成论文
n8n 自动化工作流
提示词模版

全自动生成论文 Agent,扫码加 V 获取。

请按照年级-专业-姓名备注

孟任巍 23级数媒一班 现场扫码获取资料
孟任巍微信二维码大图