企业官网建设流程全解析

1. 数学建模老哥的AI提示词到底在解决什么问题

数学建模竞赛的备赛周期通常只有三到四天，题目一公布，队伍就得在极短时间内完成选题、建模、求解、编程、写作、排版一整套流程。我带过几届队伍，也帮不少学弟学妹看过论文，发现一个很普遍的现象：大家不是不会数学，也不是不会写代码，而是卡在“不知道下一步该干什么”。尤其是第一次参加华为杯或者国赛的同学，面对A题B题C题，读完题目脑子是空的，连该查什么文献、该建什么模型都理不清。

“数学建模老哥—AI提示词”这个项目，本质上就是一套面向数学建模全流程的提示词工程方案。它把数学建模从读题到交稿的每个环节，拆解成AI能理解、能执行、能反馈的具体指令，让AI扮演一个“有经验的建模老哥”角色，在你卡壳的时候推你一把。它不是替你建模，而是帮你把思路理清楚、把代码框架搭起来、把论文语言润色到位。

这套东西适合谁用？我总结了三类人。第一类是第一次参赛的新手，完全不知道建模论文长什么样，需要有人告诉他摘要怎么写、符号说明怎么列、模型假设怎么提。第二类是有一定基础但时间紧张的老手，知道要做什么但来不及细想，需要AI快速生成代码框架和论文模板。第三类是指导老师或者带队学长，需要一套标准化的提示词来批量指导学生，减少重复答疑的时间。

核心关键词“数学建模”和“AI提示词”在这里是深度绑定的。数学建模的痛点在于流程长、环节多、每个环节都有坑，而AI提示词的价值在于把隐性经验显性化。一个打了三年比赛的老哥，脑子里有一套“读题-查文献-定模型-写代码-跑结果-写论文”的肌肉记忆，这套提示词就是把这套肌肉记忆翻译成AI能执行的指令集。

我实测下来，一套好的数学建模提示词至少能帮队伍节省30%到40%的无效时间。什么叫无效时间？就是三个人对着题目干瞪眼、反复讨论但没结论、代码报错查半天查不出来、论文写了一半发现结构不对要重来。这些时间省下来，足够多跑两组灵敏度分析，或者把摘要打磨三遍。

2. 数学建模全流程拆解与提示词设计逻辑

2.1 为什么数学建模需要专门的提示词体系

通用AI提示词和数学建模专用提示词的区别，就像“万能扳手”和“整套内六角”的区别。你拿万能扳手也能拧螺丝，但遇到精密设备就容易滑丝。数学建模有它自己的领域语言和流程规范，通用提示词搞不定。

举个例子，你让AI“帮我分析一下这个数学建模题目”，它大概率会给你一段泛泛而谈的概述，什么“本题考查优化问题”“建议使用遗传算法”之类的废话。但如果你说“你现在是数学建模竞赛的指导教师，请针对2025年华为杯A题‘通用神经网络处理器下的核内调度’，按照‘问题重述-问题分析-模型假设-符号说明-模型建立-模型求解-结果分析’的结构，逐段给出写作要点，每段不少于200字”，AI的输出质量会直接上一个台阶。

这就是角色设定+任务拆解+格式约束三要素的威力。数学建模提示词的设计逻辑，核心就是这三件事：

• 角色设定：让AI知道自己是“建模老哥”而不是“通用助手”。角色越具体，输出越专业。你可以设定为“有五年参赛经验的建模队长”“擅长优化模型的算法工程师”“负责论文排版的学术写作专家”。
• 任务拆解：数学建模是一个多阶段流程，不能一句话让AI“帮我做完”。要拆成读题、查文献、选模型、写代码、跑结果、写论文、做灵敏度分析等独立任务，每个任务单独下指令。
• 格式约束：数学建模论文有固定的格式要求，摘要、关键词、符号说明、模型假设、模型建立与求解、模型检验、优缺点分析、参考文献、附录。提示词里必须明确要求AI按照这个格式输出，否则它给你的东西没法直接用。

我见过太多队伍用AI的方式是：把题目复制粘贴进去，问“这道题怎么做”。然后AI给一段模棱两可的回答，队伍觉得AI不好用，就放弃了。问题不在AI，在于提示词没有承载足够的领域知识。

2.2 提示词体系的四个层级设计

根据我的实操经验，数学建模AI提示词应该分成四个层级，从宏观到微观逐层细化。

第一层：战略级提示词。用于确定整体方向和选题策略。比如“你现在是数学建模竞赛的总教练，请根据以下三道题目的背景和难度，分析每道题的适合人群、所需知识储备、数据获取难度、模型复杂度，并给出选题建议”。这一层解决的是“选哪道题”的问题。

第二层：战术级提示词。用于具体问题的分析和建模思路生成。比如“针对这道优化问题，请列出至少三种可能的建模思路，分别说明每种思路的适用条件、优缺点、所需算法和可能遇到的困难”。这一层解决的是“用什么模型”的问题。

第三层：执行级提示词。用于代码实现和具体计算。比如“请用Python实现上述遗传算法，要求包含种群初始化、适应度函数、选择、交叉、变异五个模块，每个模块单独写成函数，并添加中文注释”。这一层解决的是“怎么算出来”的问题。

第四层：表达级提示词。用于论文写作和润色。比如“请将以下模型建立过程改写成学术论文语言，要求逻辑连贯、术语准确、避免口语化表达，并补充必要的数学公式推导”。这一层解决的是“怎么写出来”的问题。

这四个层级缺一不可。很多队伍只用了第三层，让AI写代码，但代码写出来不知道怎么嵌到论文里，也不知道结果怎么分析。完整的提示词体系应该覆盖从选题到交稿的全链路。

2.3 提示词中的关键参数与约束条件

写数学建模提示词，有几个关键参数必须明确，否则AI的输出会飘。

字数约束。数学建模论文的摘要通常要求300到500字，正文每个部分也有大致的篇幅要求。提示词里要写清楚“摘要控制在400字左右”“模型建立部分不少于800字”。不写字数，AI可能给你写200字就结束了。

格式约束。数学建模论文有固定的章节结构，提示词里要明确列出“请按照以下结构输出：一、问题重述；二、问题分析；三、模型假设；四、符号说明；五、模型建立与求解；六、模型检验；七、模型评价与推广”。格式约束越细，输出越规整。

术语约束。数学建模有大量专业术语，比如“灵敏度分析”“鲁棒性检验”“量纲一致性”“参数估计”“假设检验”。提示词里要要求AI“使用数学建模竞赛论文的标准术语，避免口语化表达”。

数据约束。如果题目给了数据，提示词里要说明“基于附件中的数据进行分析，不要编造数据”。如果题目没给数据，要说明“如果需要数据，请说明数据来源和获取方式，不要虚构数据”。

逻辑约束。数学建模论文要求逻辑严密，提示词里要强调“每个模型假设都要有依据，每个公式推导都要有过程，每个结论都要有数据支撑”。

我踩过的一个坑是：早期写提示词没加字数约束，让AI写模型建立部分，结果它写了150字就收尾了，根本不够用。后来加了“不少于800字，每个子模型单独成段”的要求，输出质量立刻提升。

3. 核心提示词模板与实操要点

3.1 选题阶段的提示词模板

选题是数学建模的第一道坎。华为杯通常给六道题，国赛给三道题，每道题的背景、难度、所需知识都不一样。选错题，后面三天全白费。

我常用的选题提示词模板是这样的：

你现在是数学建模竞赛的选题顾问，有十年指导经验。以下是本次竞赛的题目列表：[粘贴题目]。请针对每道题，从以下六个维度进行分析：1. 题目背景与核心问题；2. 所需数学知识（如优化理论、微分方程、统计分析、图论等）；3. 所需编程技能（如Python、MATLAB、R等）；4. 数据获取难度（题目是否提供数据，是否需要自行查找）；5. 模型复杂度（适合新手、中等、还是高手）；6. 可能的创新点。最后给出选题建议，说明哪道题最适合哪种类型的队伍。

这个模板的关键在于六个维度的拆解。很多队伍选题靠感觉，觉得“这道题看起来简单”就选了，结果做到一半发现需要微分方程数值解，队伍里没人会。六个维度一列，优劣一目了然。

实操中还有一个技巧：让AI分别以“保守策略”和“激进策略”给出选题建议。保守策略选数据全、模型成熟、容易出结果的题；激进策略选创新空间大、容易拿高奖但风险也大的题。队伍根据自己的目标（完赛还是冲奖）来选。

注意：选题阶段不要只问AI“哪道题最好”，因为“最好”是相对的。要问“哪道题最适合我们队伍的知识结构”。把队伍的技能树告诉AI，让它做匹配。

3.2 建模思路生成的提示词模板

选定题目后，下一步是生成建模思路。这是最考验提示词功力的环节。我的模板分三步走。

第一步，问题拆解：

请将以下数学建模问题拆解为若干个子问题，说明每个子问题的输入、输出、约束条件和目标函数。问题描述如下：[粘贴题目]。

第二步，模型选型：

针对上述每个子问题，请列出至少三种可能的建模方法，分别说明：1. 方法名称与基本原理；2. 适用条件；3. 优点；4. 缺点；5. 所需数据；6. 实现难度（1-5分）。最后推荐一种方法并说明理由。

第三步，模型融合：

上述子问题的模型之间是否存在关联？如何将多个子模型整合成一个完整的系统模型？请给出整合方案和逻辑框架。

这三步走下来，一个完整的建模思路就成型了。我试过用这套模板帮一个新手队伍分析2025年华为杯的A题“通用神经网络处理器下的核内调度”，AI给出的思路包括“基于排队论的调度模型”“基于整数规划的优化模型”“基于强化学习的自适应调度模型”三种，每种都列出了优缺点和实现难度。队伍选了整数规划，因为数据齐全、模型成熟、代码好写，最后顺利完赛。

这里有个关键技巧：让AI在推荐模型时，明确说明“如果时间充足选哪个，如果时间紧张选哪个”。数学建模是限时竞赛，模型选型必须考虑时间成本。一个理论上更优但需要三天才能实现的模型，不如一个次优但一天就能跑出结果的模型。

3.3 代码实现与调试的提示词模板

代码环节是很多队伍的噩梦。尤其是用Python做优化、用MATLAB做仿真，报错信息看不懂，查半天查不出来。AI提示词可以大幅缩短调试时间。

我的代码提示词模板：

请用Python实现以下算法：[算法描述]。要求：1. 代码结构清晰，每个功能模块单独写成函数；2. 添加详细的中文注释，解释每个参数的含义；3. 包含数据输入、预处理、核心算法、结果输出四个部分；4. 输出结果时同时打印关键中间变量，便于调试；5. 如果算法涉及随机过程，请设置随机种子保证结果可复现。

这个模板的第五点特别重要。数学建模中很多算法（如遗传算法、模拟退火、粒子群优化）涉及随机过程，不设随机种子的话，每次运行结果都不一样，论文里没法写“算法收敛于某个值”。设了种子，结果可复现，论文才严谨。

调试阶段的提示词：

我运行上述代码时出现以下错误：[粘贴错误信息]。请分析错误原因，并给出修改后的完整代码。同时说明这个错误在数学建模中常见的原因和预防方法。

这里的关键是让AI不仅修bug，还要解释bug。很多队伍修完bug就完了，下次遇到同样的问题还是不会。让AI解释错误原因，相当于免费上了一堂调试课。

我踩过的一个坑：早期让AI写代码，没要求“打印中间变量”，结果代码跑出来结果是错的，但不知道错在哪一步。后来加了“输出关键中间变量”的要求，一眼就能看出是数据预处理出了问题还是算法逻辑出了问题。

3.4 论文写作与润色的提示词模板

论文是数学建模的最终交付物。模型再好，论文写得乱七八糟，照样拿不到奖。AI在论文写作环节能帮大忙，但前提是提示词要写对。

摘要写作提示词：

请根据以下模型建立和求解过程，撰写一份数学建模竞赛论文摘要。要求：1. 字数控制在400字左右；2. 包含问题背景、建模方法、求解算法、主要结果、创新点五个要素；3. 语言精炼，避免废话；4. 最后列出3-5个关键词。

摘要是一篇论文的门面，评委第一眼看的就是摘要。我见过太多论文摘要写成“本文研究了...，建立了...模型，求解了...问题”，全是套话，没有具体结果。好的摘要必须有数据、有结论、有创新点。提示词里要强调“给出具体的数值结果和明确的结论”。

正文润色提示词：

请将以下段落改写成学术论文语言，要求：1. 使用数学建模竞赛论文的标准术语；2. 逻辑连贯，段落之间要有过渡；3. 避免口语化表达和第一人称；4. 补充必要的数学公式推导；5. 每个模型假设都要说明依据。

符号说明生成提示词：

请根据以下论文内容，整理一份符号说明表。要求：1. 按符号在论文中出现的顺序排列；2. 每个符号给出中文名称、英文名称、单位；3. 符号格式统一，变量用斜体，向量和矩阵用粗体。

符号说明是很多队伍容易忽略的部分。评委看论文时，如果符号没有说明，读起来非常费劲。一份规范的符号说明表能大幅提升论文的可读性。

4. 常见问题与排查技巧实录

4.1 AI输出内容空洞怎么办

这是最常见的问题。你让AI写模型建立，它给你写了一段“本文建立了优化模型，目标函数是...，约束条件是...”，然后就没了。没有推导过程，没有参数说明，没有求解思路。

原因：提示词太笼统，没有给出具体的约束条件。AI不知道你要多详细，就按最简略的方式输出。

解决方法：在提示词里加三个约束。第一，字数约束：“每个子模型不少于500字”。第二，结构约束：“按照‘模型假设-变量定义-公式推导-求解方法’四段式输出”。第三，内容约束：“每个公式都要说明来源和含义，每个假设都要说明依据”。

我实测下来，加了这三个约束后，AI输出的内容密度至少提升两倍。原来一段话就结束的模型建立，现在能写出两页纸的详细推导。

4.2 AI编造数据或文献怎么办

AI有时候会“一本正经地胡说八道”，编造一些看起来很像真的但实际不存在的数据或文献。这在数学建模中是大忌，论文里引用假文献或者假数据，被评委发现直接扣分。

原因：AI的训练数据里有大量学术论文，它会模仿论文的写法，但分不清哪些是真实存在的，哪些是它自己编的。

解决方法：在提示词里明确要求“不要编造数据，如果需要数据请说明数据来源”“不要编造参考文献，如果需要引用请使用真实存在的经典文献”。另外，让AI在输出数据时标注数据来源，比如“根据附件1中的数据”“根据题目给出的参数”。

还有一个技巧：让AI只使用题目提供的数据。如果题目没给数据，就让AI“说明需要哪些数据以及获取方式”，而不是直接编一组数据出来。

4.3 代码跑不通怎么排查

代码跑不通的原因千奇百怪，但常见的就那么几类。我整理了一个排查表：

排查代码问题的核心思路是定位错误发生的具体位置。让AI在代码的关键步骤打印中间变量，比如“打印预处理后的数据形状”“打印每次迭代的目标函数值”“打印最终结果的统计信息”。这样一旦出错，一眼就能看出是哪一步的问题。

4.4 论文查重率过高怎么处理

数学建模论文也有查重，尤其是国赛和华为杯，查重率过高的论文会被取消评奖资格。AI生成的论文内容，如果直接复制粘贴，查重率可能很高。

原因：AI生成的文本有固定的句式和表达习惯，多个队伍用同样的提示词，生成的论文可能高度相似。

解决方法：第一，不要直接复制AI的输出，要自己改写一遍，调整句式、替换同义词、重新组织段落。第二，在提示词里要求AI“使用多样化的表达方式”，避免重复的句式。第三，核心模型部分自己写，AI只用来辅助润色和检查格式。

我个人的经验是：AI生成的论文初稿，查重率可能在30%到50%之间。自己改写一遍后，能降到10%以下。改写的时候重点改摘要、问题重述、模型评价这三个部分，因为这些部分最容易雷同。

4.5 时间不够用怎么取舍

数学建模竞赛时间紧张，经常做到最后一天发现还有一堆东西没做完。这时候需要战略性放弃。

我的建议是：保摘要、保模型建立、保结果分析，放弃模型推广和优缺点分析。摘要和模型建立是评委必看的，结果分析是体现工作量的，这三块必须完整。模型推广和优缺点分析是加分项，时间不够可以简写。

用AI提示词来加速的话，可以这样操作：让AI并行生成多个部分的内容。比如同时让AI写“问题重述”和“符号说明”，这两个部分互不依赖，可以同时进行。等AI生成的时候，你自己去跑代码或者画图，时间利用率最大化。

还有一个技巧：提前准备好论文模板。把摘要、引言、模型假设、符号说明、参考文献这些格式固定的部分提前写好模板，比赛时只需要填充内容。AI提示词也可以提前准备好，比赛时直接复制粘贴，不用现想。

5. 提示词工程的进阶技巧与实战心得

5.1 如何让AI输出更“像人写的”

AI生成的文本有一种“AI味”，句式工整但缺乏变化，用词准确但不够生动。数学建模论文虽然要求学术化，但也不应该读起来像机器写的。

让AI输出更自然的方法有几个。第一，在提示词里加入“避免使用‘通过’‘可以’‘能够’等高频词”，这些词是AI的惯用表达。第二，要求AI“使用多样化的句式”，比如长短句结合、主动被动交替。第三，让AI“模仿以下段落的风格”，给它一段你写的或者从优秀论文里摘的段落，让它照着这个风格写。

我试过让AI模仿2022年国赛优秀论文的摘要风格，输出的摘要明显比默认风格更自然。具体操作是：把优秀论文的摘要粘贴到提示词里，然后说“请模仿以上摘要的写作风格，为以下模型撰写摘要”。

5.2 多轮对话与迭代优化

数学建模提示词不是一次性的，而是一个迭代优化的过程。第一轮让AI生成初稿，第二轮让AI根据你的反馈修改，第三轮再打磨细节。

我的习惯是三轮迭代法。第一轮，让AI生成完整内容，不管质量好坏，先有个底稿。第二轮，针对每个部分提出具体的修改意见，比如“模型建立部分太简略，请补充公式推导”“结果分析部分缺少数据支撑，请补充具体数值”。第三轮，让AI检查全文的逻辑一致性和格式规范性，比如“检查符号说明表中的符号是否都在正文中出现过”“检查参考文献格式是否统一”。

多轮对话的关键是每次只改一个方面。不要一次性让AI“把论文改好”，它不知道你要改什么。要具体说“把摘要改短到400字”“把模型假设从5条增加到8条”“把结果分析中的图表描述补充完整”。

5.3 提示词模板的保存与复用

数学建模竞赛每年都有，提示词模板可以保存下来反复使用。我建议把提示词按照四个层级分类保存，每个层级下面再按具体任务细分。

保存的时候要注意参数化。比如“请针对[题目名称]进行分析”，把题目名称作为变量，下次用的时候直接替换。再比如“字数控制在[400]字左右”，把字数作为变量，根据不同部分的要求调整。

我自己的提示词库里有三十多条数学建模专用提示词，覆盖选题、建模、代码、论文、查重、答辩六个环节。每次比赛前，我会把提示词库过一遍，根据当年的题目特点调整参数。这样比赛时直接调用，不用现想。

5.4 团队协作中的提示词分工

数学建模是三人团队，通常分工是：一人建模、一人编程、一人写作。AI提示词也可以按照这个分工来分配。

建模手负责战略级和战术级提示词，用AI分析题目、生成建模思路、比较不同模型的优劣。编程手负责执行级提示词，用AI生成代码框架、调试错误、优化算法。写作手负责表达级提示词，用AI撰写摘要、润色语言、整理符号说明。

三个人用同一套提示词体系，但各取所需。建模手的输出给编程手作为输入，编程手的输出给写作手作为输入，形成一条AI辅助的流水线。我带的队伍用这套流程，三天比赛时间能省出半天来睡觉。

注意：团队协作中要避免“三个人同时问AI同一个问题”。要明确分工，每个人负责自己的提示词模块，最后汇总。否则三个人都在问“这道题怎么做”，浪费时间还容易混乱。

5.5 从提示词到智能体的演进

现在有一些数学建模智能体（比如Modex数学建模智能体），把提示词、工具调用、工作流整合在一起，用起来更方便。但智能体的底层还是提示词，提示词写不好，智能体也跑不出好结果。

我的建议是：先把提示词写好，再考虑用智能体。提示词是内功，智能体是外功。内功不行，外功再花哨也没用。我见过一些队伍直接用智能体生成论文，结果格式乱七八糟、内容空洞无物，还不如自己老老实实写。

智能体的优势在于自动化流程，比如自动读题、自动查文献、自动生成代码、自动写论文。但数学建模的核心是人的思考，AI只是辅助。提示词的作用是让AI更好地辅助你，而不是替代你。

6. 数学建模AI提示词的边界与风险控制

6.1 AI能做什么，不能做什么

用了这么多年的AI提示词，我总结了一条清晰的边界：AI擅长“执行”，不擅长“决策”。

AI能做的：生成代码框架、润色论文语言、整理符号说明、检查格式规范、提供建模思路参考、解释算法原理、调试代码错误。

AI不能做的：替你判断哪道题最适合、替你决定用哪个模型、替你分析结果的物理意义、替你写创新点、替你答辩。

数学建模的核心竞争力是人的建模思维，AI只是把这个思维更快地实现出来。如果你自己不知道要建什么模型，AI也帮不了你。如果你自己知道要建什么模型，AI能帮你省一半时间。

6.2 提示词使用的学术诚信边界

数学建模竞赛有明确的学术诚信要求。AI辅助和AI代做的边界在哪里？我的理解是：AI辅助是允许的，AI代做是不允许的。

具体来说，用AI生成代码框架、润色语言、检查格式，这些是辅助。用AI直接生成完整的论文、直接生成完整的模型、直接生成完整的代码，这些是代做。前者是工具，后者是作弊。

我的做法是：AI生成的内容必须经过自己的理解和改写。AI给的代码，我要逐行看懂，改成自己习惯的写法。AI给的论文段落，我要重新组织语言，加入自己的分析。这样既提高了效率，又保证了学术诚信。

6.3 提示词迭代的长期积累

数学建模提示词不是一成不变的，需要长期积累和迭代。每次比赛后，把好用的提示词保存下来，把不好用的删掉，把需要改进的标记出来。

我自己的提示词库经过了三年的迭代，从最初的十几条扩展到现在的三十多条。每一条提示词背后都有至少一次比赛的实战检验。比如“摘要写作提示词”改了五版，才达到现在“一次生成就能用”的水平。

积累提示词的关键是记录使用效果。每次用完提示词后，简单记一下：输出质量如何、哪里需要改进、下次怎么调整。这些记录就是提示词迭代的依据。

7. 一套可直接复用的数学建模提示词工作流

7.1 赛前准备阶段的提示词清单

赛前一周，把以下提示词准备好，存到记事本里，比赛时直接复制粘贴。

选题分析提示词：用于快速分析六道题的难度和适合人群。

建模思路提示词：用于生成至少三种建模方案并比较优劣。

代码框架提示词：用于生成Python或MATLAB的代码骨架。

论文模板提示词：用于生成摘要、引言、符号说明等格式固定的部分。

查重改写提示词：用于改写AI生成的内容，降低查重率。

格式检查提示词：用于检查论文格式是否符合竞赛要求。

这六条提示词覆盖了从选题到交稿的全流程。赛前准备好，比赛时直接调用，不用现想。

7.2 比赛中的提示词调用节奏

比赛三天，提示词的调用节奏也很重要。

第一天上午：用选题分析提示词，确定选题。用建模思路提示词，生成初步方案。

第一天下午到第二天上午：用代码框架提示词，搭建代码骨架。用建模思路提示词，细化模型。

第二天下午到第三天上午：用论文模板提示词，撰写论文初稿。用代码调试提示词，解决代码问题。

第三天下午：用查重改写提示词，改写论文。用格式检查提示词，检查格式。

这个节奏的关键是不要把所有提示词堆到最后用。论文写作要提前开始，不要等到第三天下午才写。代码调试要留足时间，不要等到最后才发现跑不通。

7.3 赛后复盘与提示词优化

比赛结束后，趁记忆还新鲜，做一次复盘。把比赛中用到的提示词过一遍，记录哪些好用、哪些不好用、哪些需要改进。

我自己的复盘模板是：

这个复盘表就是提示词迭代的依据。下次比赛前，根据复盘表调整提示词，迭代一版新的。

8. 从数学建模到更广泛的AI提示词应用

数学建模AI提示词这套方法论，其实可以迁移到很多其他场景。核心逻辑是一样的：角色设定+任务拆解+格式约束+迭代优化。

比如写学术论文、做数据分析、写项目报告、甚至写小说，都可以用这套逻辑来设计提示词。区别只在于领域知识不同，提示词的具体内容不同。

我个人的体会是：提示词工程的核心不是“写提示词”，而是“拆解任务”。你能把一个复杂任务拆解成AI能执行的步骤，你就能写出好的提示词。数学建模的流程拆解，本质上就是任务拆解的训练。

最后分享一个我常用的提示词调试技巧：如果AI的输出不符合预期，不要改AI，改提示词。AI的能力是固定的，提示词的质量是可变的。把提示词写清楚、写具体、写详细，AI的输出自然会好。我见过太多人抱怨AI不好用，其实问题出在提示词上。把提示词打磨好，AI就是你的建模老哥。