建模代码与结果证据生成器

Resolve <SKILL_ROOT> to the parent directory of this loaded skill folder, using its actual absolute path. Run commands from the contest project root, never from the installed skill directory. The placeholder is not a shell environment variable.

全局流程协作约束（长对话防漂移）

• 本 skill 不得作为孤立入口。用户要求完整论文、生成 Word、继续流程或不确定阶段时，先回到 paper-workflow-orchestrator 判断当前 S0-S8 阶段。
• 启动或继续本 skill 的正式任务前，必须运行：

  python "<SKILL_ROOT>/paper-workflow-orchestrator/scripts/workflow_guard.py" --skill model-code-and-result-generator
  

• 如果输出 [WORKFLOW FAIL] 或报告 status != "PASS"，停止本 skill，按 paper_output/qa/workflow_guard_report.json 的失败项回补前置阶段，不得凭记忆继续。
• 本 skill 只写入自己契约范围内的 paper_output/ 产物；完成后必须回到 paper-workflow-orchestrator 判断下一步，并用 context-memory-keeper 记录已完成产物、阻塞项和下一步。
• 长对话中如果上下文变长、阶段不确定或用户分开调用 skill，先运行：

  python "<SKILL_ROOT>/paper-workflow-orchestrator/scripts/workflow_guard.py" --status
  

  再读取 paper_output/qa/workflow_guard_report.json、paper_output/preflight_report.json、paper_output/input_manifest.json、paper_output/results/run_manifest.json 和本 skill 的上游 JSON 契约，按报告里的 recommended_skill 与 next_action 继续。
• 继续流程前，必须把 paper_output/context/workflow_memory.json 视为长期断点记录；若其中的 current_step、next_step、recommended_skill 与 workflow_guard.py --status 不一致，以 guard 报告为准。
• 每次完成本 skill 的产物后，先回到 paper-workflow-orchestrator 或运行 workflow_guard.py --status，再更新 workflow memory：

  python "<SKILL_ROOT>/context-memory-keeper/scripts/update_workflow_memory.py"
  

  更新后读取 paper_output/context/workflow_memory.json / .md，确认下一步和推荐 skill 已记录。

目标

本 skill 不是万能自动建模系统。它的作用是给 Agent 一个稳定的“结果证据层”和可运行的赛题专用建模代码起点，避免正文只根据模型路线空写，也避免 Agent 面对数据时无头乱转。

真实赛题中，Agent 必须根据 model_route.json、数据字段、题目约束和评分要求二次修改生成的 q*_model.py。生成代码固定放在 paper_output/code/modeling/，不要写回 skill 包的 scripts/。

执行契约

• 上游输入：读取 paper_output/plan/model_route.json、data_plan.json、visualization_plan.json，数据只能来自当前有效 cleaning_report.json 绑定的产物，不扫描历史批次。缺清洗报告时先运行数据处理技能；自定义清洗也须记录真实来源与输出哈希。
• 必须输出：paper_output/results/model_results.json、metrics.json、conclusions.json、run_manifest.json、paper_output/tables/table_index.json、paper_output/tables/*.csv。
• 建模代码输出：paper_output/code/modeling/result_contract_io.py、run_modeling.py、q1_model.py、q2_model.py、q3_model.py 或与 question_id 对应的 q*_model.py。
• 下游交接：quality-assurance-auditor 直接审计结果、指标、表格、图表和结论；证据门禁 PASS 后由 paper-formal-writer 构建正式写作计划。
• 失败回退：如果没有清洗数据或真实建模代码，仍生成契约骨架，并用 needs_real_modeling 标记，不伪装成最终比赛结果。

脚本

• scripts/build_result_contracts.py
  • 何时用：已有模型路线，需要生成结果契约、表格索引和当前赛题的 q1/q2/q3 建模代码脚手架。
  • 做什么：扫描 model_route.json 的每个 question_id，生成结果契约骨架、基础字段画像表、paper_output/code/modeling/README.md，并生成可运行的 q*_model.py。
  • 覆盖规则：生成文件带有 managed marker；如果 Agent 已经手工改写并去掉 marker，本脚本会保留用户文件，不覆盖。
• scripts/result_contract_templates.py
  • 何时用：需要了解不同任务类型应沉淀哪些指标、表格和结论字段。
  • 做什么：提供预测、优化、评价、分类、聚类、仿真、通用建模的契约模板。
• scripts/modeling_tools.py
  • 生成脚手架时复制到赛题代码目录，提供当前数据集选择、训练集内预处理的回归基线，以及线性优化解的约束/目标值复核。
  • 需要这些工具时读取 references/modeling-tools.md。先明确数据源、工作表、字段和样本划分，再调用工具；不要把工具输出自动升级为正式结论。
• 需要判断每个 question_id 应该沉淀哪些证据字段时读取 建模结果规范。
• scripts/validation_tools.py / scripts/solver_evidence.py
  • 预测验证或线性/整数优化时读取 references/experiment-validation.md：时间留出、滚动回测、分组留出、特征可用时点、可选 SciPy/HiGHS 求解与独立约束复核。
  • 报告、预测表和指标 CSV 自动连接运行账本及数值声明；工具成功不自动通过 S6。求解限时/非零差距不能被写成最优。

任务类型分发

• 预测/回归 -> forecasting scaffold：显式选择 regression.validation 验证方案，或保留旧 target/features/train_rows/test_rows 接口。新接口要求单位与特征可用性声明；不能把行号不重叠当成没有泄漏。
• 优化/规划/调度/选址/路径 -> optimization scaffold：显式 optimization 配置调用线性/整数求解适配；未配置时仍只是代理方案脚手架，不是正式最优解。
• 评价/排序/权重/TOPSIS/AHP/熵权 -> evaluation scaffold：生成指标归一化、综合得分、排序和权重敏感性待补项。
• 分类/识别/判别 -> classification scaffold：生成代理分类标签、准确率/F1 待补项。
• 聚类/分群 -> clustering scaffold：生成代理聚类标签、聚类数、簇内紧凑度。
• 仿真/机理/动力学/微分 -> simulation scaffold：生成趋势代理、情景结果、拟合误差和敏感性参数。
• 其他 -> general scaffold：生成数值字段统计摘要和通用结果表。

输出位置

paper_output/
|-- code/
|   `-- modeling/
|       |-- run_modeling.py
|       |-- result_contract_io.py
|       |-- q1_model.py
|       |-- q2_model.py
|       |-- q3_model.py
|       `-- README.md
|-- results/
|   |-- model_results.json
|   |-- metrics.json
|   `-- conclusions.json
`-- tables/
    |-- table_index.json
    |-- table_q1_result_skeleton.csv
    |-- table_q1_forecasting_scaffold.csv
    `-- ...

统一规则：

• 所有路径使用相对路径。
• 所有 JSON 包含 schema_version、generated_by、generated_at。
• 每条结果、指标、结论和表格都应带 question_id。
• 草稿或脚手架结果必须使用 status 或 evidence_status 标记。
• 多数据集时在问题配置中指定原始 data_source 和必要的 sheet，不能默认选第一个文件。单个数据集允许省略选择，但不自动猜预测目标列。
• verify_linear_solution 只核验提供的线性约束、边界、整数性与目标值；PASS 不证明全局最优，也不证明约束忠实于赛题。
• 正式结果必须带 execution_provenance，至少包含 source_code_path、source_code_sha256、run_command、run_exit_code 和 output_artifacts。
• 新 runner 使用 1.1 账本：来源须带本次 run_id，结束时绑定四份共享结果契约；默认每问 600 秒超时，日志写文件。编写自定义代码、失败排查或旧项目迁移时读取 运行记录与迁移，不要复用旧 ID 或手改账本。
• 统一入口 run_modeling.py 必须在实际执行后写入 paper_output/results/run_manifest.json，记录总体 status、脚本 hash、question_ids、退出码、工作目录、Python 实现/版本/平台，以及每个输入和输出文件的 path、bytes、sha256、exists。
• run_manifest.json 不是日志占位符。建模脚本、输入文件或输出产物在运行后发生变化时，必须重新运行模型，不能手改 manifest 或结果 JSON 续签旧证据。
• 新生成的 runner 绑定当前清洗报告、来源、清洗产物、路线和建模目录内的 Python 辅助文件；运行中变化则失败。已有用户修改过的 runner 不会被覆盖，升级时须人工迁移这些检查或在独立新项目重新生成。
• model_results.json 中正式条目必须有非空 result_summary；metrics.json 中 status=computed 的指标必须有非空、有限的 value，不得使用 null、NaN 或无穷值。
• 供正式论文引用的数值指标须由计算代码同时输出稳定的 metric_id、unit、split、sample_scope 和唯一 CSV 行定位 source_table；同名训练/测试指标使用不同 ID。参阅 指标与结论绑定契约。缺元数据会在 S7 阻塞，不允许写作者猜测；最优性声明还需同次运行的验证报告。
• table_index.json 中正式表格必须指向真实存在且非空的文件；只有索引条目、没有 CSV/XLSX 产物不能作为证据。
• official evidence gate 会重新计算脚本、输入和输出哈希，并拒绝没有真实代码运行来源、运行账本状态失败、文件被修改或运行记录无法关联 question_id 的结果。
• 正文中引用的表格必须能在 paper_output/tables/table_index.json 找到。

使用方式

推荐由 paper-workflow-orchestrator 在数据清洗与可视化之后调用。也可以手动运行：

python "<SKILL_ROOT>/model-code-and-result-generator/scripts/build_result_contracts.py"

生成脚手架后，Agent 应按真实赛题执行：

python paper_output/code/modeling/run_modeling.py

该入口会写入 paper_output/results/run_manifest.json。运行后不要再编辑建模脚本或产物；如需修正，修改后重新运行入口，再重新运行 evidence gate 和 S7 写作准备，使结果与写作契约同步失效并重建。

真实赛题使用原则

• 不要把占位式指标或代理结果直接当成最终比赛结果。
• 优先修改 paper_output/code/modeling/q*_model.py，不要修改 skill 包内的 scripts/。
• 正式建模完成后，必须由建模代码实际运行并把真实输出写回 paper_output/results/ 与 paper_output/tables/；不要手写 model_results.json 冒充运行结果。没有 run_manifest.json 对应运行记录时，不能进入正式 evidence gate。
• 如果某一问没有真实结果，QA 应保留 warning，正文不得把该问写成已经完成精确计算。