Model Perspective — 数学建模文章生成 Agent

type

Post

status

Published

date

Mar 20, 2026

slug

summary

多阶段 Agent Pipeline，将日常现象转化为结构化数学模型驱动的分析文章。

项目简介

Model Perspective 是一个多阶段 Agent Pipeline，核心思路是：将日常现象拆解为可量化的宏观变量与参数关系，用单一复合数学模型推导出条件化结论，最终输出结构完整的分析文章。

与通用写作 Agent 的区别在于——系统不是「让 LLM 写文章」，而是强制 LLM 先完成结构化建模，再基于模型输出撰写。中间产物（brief、model synthesis）作为硬约束贯穿全链路。

核心架构

用户输入 → 场景理解(brief) → 模型合成(model synthesis) → RAG 风格锚定 → 成稿 → 程序化校验与修复

Step 1: 场景结构化

从用户自由文本中提取核心问题、核心张力、5-7 个宏观变量及其关系，输出标准化的内部 brief。将模糊的想法转化为可建模的问题定义。

Step 2: 单一模型合成

基于 brief 合成唯一的宏观复合模型。关键约束：

跨路径变量不得将任一侧置零，用强弱、折旧、阈值做对称比较

必须包含 4-7 个希腊字母关系参数（α/β/δ/μ 等），量化变量间的作用强度

输出条件反转表和场景推演，而非单一结论

Step 3: 文章生成 + 后处理

结合 brief、模型合成结果与 Reference RAG 检索的风格指导，生成面向读者的完整文章。生成后执行两轮程序化校验：

关系参数校验 — 检测文中希腊字母种类 ≥ 4，不足则触发定向修复

元叙事去污 — 检测并移除内部流程术语的泄漏（如「方案」「用户因素映射」等禁用词）

支持 revise 命令对已有文章做局部修改和多轮迭代。

工程设计亮点

设计决策	解决的问题
三阶段 Pipeline（理解→建模→写作）	防止 LLM 跳过结构化思考直接输出泛化文章
希腊参数一等公民（prompt 约束 + 后验修复）	双重保障量化深度，不依赖单次生成质量
禁用词表 + 自动 repair	防止 prompt 工程的元叙事泄漏到产物
跨路径对称建模约束	避免二元对立的说教式结论
轻量 Reference RAG（SHA256 指纹 + 词重叠检索）	零嵌入开销，适合少量范文 + 强系统提示的场景

建模工具箱

建模框架

框架	核心思路	适用场景
效用函数 + 前景理论	用主观效用替代客观收益，损失权重大于收益	风险决策、损失厌恶、沉没成本
博弈论	多方策略互动，纳什均衡与囚徒困境	竞争合作、定价博弈、社交策略
概率路径树	多步骤序列中的条件概率分支	职业选择、投资决策链、多阶段风险
S 曲线 / 扩散模型	增长先慢后快再饱和的非线性过程	技术普及、习惯养成、市场渗透
动态累积模型	微小输入经长时间叠加产生质变	复利效应、技能积累、健康损耗
均值-方差优化	在期望收益和波动性之间寻找最优	风险-收益权衡、资源分配
供需均衡	价格/资源在供需力量下的动态平衡	市场定价、人才供需、注意力经济
信号博弈	不完全信息下通过行为传递/筛选信号	学历信号、消费信号、求职市场

变量关系机制

系统在场景解析阶段会识别变量间的关系类型，模型合成阶段用希腊字母参数（α/β/δ/μ 等）量化这些关系：

关系类型	含义	举例
阈值反转	参数超过临界值后结论翻转	考研投入超过某阈值后边际收益骤降
时间折旧	未来收益按折现率折回当前比较	三年后的涨薪需要折现到今天的价值
复利累积	早期微小差异随时间指数放大	每天多学 30 分钟，三年后的能力差距
信号分解	一个表象信号背后有多个独立成因	学历信号 = 筛选效应 + 能力信号 + 社会认可
风险收益权衡	均值收益需扣除不确定性折损	高薪 offer 的期望收益要减去失业风险
等待价值	延迟决策本身具有信息收益	观望一年再做选择可以降低信息不对称
乘法约束	多个条件以乘法关系交叉，短板决定上限	能力 × 机遇 × 时机，任一为零则结果为零

技术栈

Python 3.10 + Click CLI

SSE 流式输出（兼容 OpenAI 与 Legacy 两种 API 格式）

模块化 Prompt Engineering（3 阶段独立提示词模块）

轻量 RAG：SHA256 内容指纹 + 增量索引 + 词重叠检索

程序化后处理：正则校验 + 条件触发的 LLM repair

为什么做这个项目

想验证一个问题：能否用工程手段让 LLM 产出有结构深度的分析文章，而不是泛泛而谈。核心约束是「先建模再写作」——强制模型经过变量提取、参数量化、条件推演，再进入写作阶段。不是让 AI 替你写，而是让 AI 帮你建模。

源码

GitHub: krisaruz/model-perspective