一份专为数学建模竞赛（如美赛 MCM/ICM、国赛 CUMCM、研赛等）量身定制的 AI 指令集（Prompts）。
在数学建模比赛中，合理利用大语言模型（LLMs，如 ChatGPT, Claude, Gemini, 文心一言等）可以极大地提升团队的效率。本项目整理了 100 条经过优化的 Prompt，覆盖了从题目解析、数据清洗、模型构建、代码编写到论文写作的全流程。
无论你是建模新手还是经验丰富的老手，这些提示词都能帮助你更精准地引导 AI，产出高质量的思路、代码和文本。
本项目包含 100 条提示词，按比赛流程分为以下 8 个阶段：
- 🧩 角色设定与题目拆解 (1-10)：用于比赛初期的头脑风暴、思路确定和任务分配。
- 🧹 数据预处理与 EDA (11-20)：涵盖缺失值处理、特征工程、降维、可视化分析等。
- ⚖️ 评价类模型 (21-30)：AHP、TOPSIS、因子分析、模糊综合评价等常用评价算法。
- 🔮 预测与机器学习模型 (31-45)：时间序列（ARIMA, LSTM）、回归、分类（XGBoost, SVM）等。
- ⚙️ 优化与运筹学模型 (46-60)：线性规划、多目标优化、遗传算法、模拟退火、图论等。
- 🌊 微分方程与物理模型 (61-70)：ODE/PDE 建模、数值解法、元胞自动机、系统动力学。
- 📝 论文写作与学术润色 (71-90)：摘要生成、英文润色、LaTeX 公式转换、背景叙述。
- 💻 编程调试与工具 (91-100)：代码 Debug、性能优化、绘图美化、环境配置。
所有的 Prompt 中都包含 [ ] 包裹的内容，这是占位符。在使用前，请将其替换为你具体的题目背景、数据或需求。
示例：
- 原 Prompt： “针对问题
[具体问题]，请提供三种不同的建模思路...”- 使用时： “针对问题
如何优化城市公交线路调度，请提供三种不同的建模思路...”
AI 生成的第一个结果通常不是完美的。
- 如果代码报错，请直接将错误信息复制给 AI，让它修复（参考 Prompt #91）。
- 如果模型过于简单，请追加指令：“请考虑更复杂的约束条件，如...”
在开启一个新的对话窗口时，建议先使用 Prompt #1 (角色设定)，然后使用 Prompt #2 (题目综述) 将完整的题目背景“喂”给 AI。这样在后续提问时，AI 就能基于上下文给出更贴切的回答。
假设你要做一道关于“太阳能板铺设”的优化题：
Step 1: 询问思路
复制 Prompt #3 -> 替换内容 -> 发送
Step 2: 数据清洗
复制 Prompt #11 -> 粘贴你的 CSV 列名 -> 让 AI 写 Python 代码
Step 3: 求解模型
复制 Prompt #49 (遗传算法) -> 描述你的目标函数和约束 -> 获取代码
Step 4: 写作润色
复制 Prompt #72 -> 粘贴你写好的中文段落 -> 获取学术英文翻译
- 辅助而非替代：AI 是强大的副驾驶，但不能完全替代人类的思考。请务必理解 AI 生成的每一行代码和每一个数学公式的含义。
- 验证结果：AI 可能会产生“幻觉”（Hallucination），编造不存在的文献或错误的公式。请务必交叉验证关键数据和理论。
- 比赛规则：不同比赛对 AI 的使用限制不同。请仔细阅读当次比赛的规则，确保合规使用，并在论文中适当声明（如适用）。
欢迎提交 PR 补充更多高质量的 Prompts！ 如果你有更好的提问技巧或针对特定模型的 Prompt，请分享出来帮助更多人。
- Fork 本仓库
- 新建分支
feature/NewPrompts - 提交更改
- 发起 Pull Request
MIT License. 你可以自由地使用、修改和分发本项目的内容。
祝大家建模比赛顺利，拿奖拿到手软！🏆