git clone https://github.com/jihe520/MathModelAgent.git
cd MathModelAgent/backend
pip install uv
uv sync
source .venv/bin/activate # MacOS/Linux
venv\Scripts\activate.bat # Windows
ENV=DEV uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
cd MathModelAgent/frontend
npm install -g pnpm
pnpm i
pnpm run dev阅读目录
MathModelAgent是什么
MathModelAgent 是专为数学建模设计的Agent，能自动完成从问题分析到论文生成的全流程。基于多Agent协作，自动建立数学模型、编写代码、验证结果，生成格式规范的论文。MathModelAgent 支持多种大语言模型（LLM），内置本地代码解释器，能实时调试优化代码。适合数学建模竞赛、数据分析、学术论文撰写和教学辅助等场景。
MathModelAgent的主要功能
- 全自动建模流程：自动分析问题背景，建立数学模型，编写代码实现，验证结果，生成格式规范的论文。
- 内置代码解释器：支持本地代码运行和调试，实时反馈错误优化代码。
- 多Agent协作：基于代码Agent、论文Agent等智能体分工合作，高效完成任务。
- 支持多种LLM模型：每个Agent单独配置不同的大语言模型，灵活适应不同需求。
- 低成本高效益：单次任务成本低至约1元人民币，性价比极高。
MathModelAgent的技术原理
- 多智能体架构：基于多Agent系统，将复杂的建模任务分解为多个子任务，分别由不同的智能体完成。
- 问题分析Agent：负责理解问题背景和需求。
- 建模Agent：根据问题分析结果，选择合适的数学模型。
- 代码Agent：将数学模型转化为可运行的代码，并进行调试优化。
- 论文Agent：将建模过程和结果整理成格式化的论文。
- 大语言模型（LLM）驱动：每个Agent配置不同的大语言模型，用LLM的强大语言生成能力和逻辑推理能力，完成各自的任务。
- 本地代码解释器：内置代码解释器支持本地代码运行和调试，实时反馈代码错误进行优化，确保生成的代码可运行且高效。
- WebUI与命令行操作：提供WebUI界面和命令行模式，用户基于直观的界面或命令行指令操作工具，灵活适应不同用户的需求。
- 任务流程自动化：基于任务流程的自动化设计，从问题输入到论文输出，实现全流程的自动化处理，大大提高数学建模的效率。
如何使用MathModelAgent
- 环境准备：安装 Python、Node.js 和 Redis。
- 克隆项目：
- 配置文件：
- 复制 /backend/.env.dev.example 为 /backend/.env.dev。
- 复制 /frontend/.env.example 为 /frontend/.env。
- 填写 API 密钥和模型。
- 启动后端：
- 启动前端：
- 访问 WebUI：打开浏览器，访问 http://localhost:3000。
- 查看结果：结果保存在 backend/project/work_dir/xxx/ 文件夹中。
MathModelAgent的项目地址
MathModelAgent的应用场景
- 数学建模竞赛：快速生成建模思路、代码和格式化的论文，节省时间。
- 数据分析项目：用在需要建模和编程的场景，自动生成分析结果文档。
- 学术论文撰写：提供论文初稿，辅助整理思路和优化内容。
- 教学辅助：帮助教师和学生验证建模思路，提升教学效果。
- 科研实验：作为自动化建模平台，生成模型对比实验，支持科研工作。
