1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | cuopt-numerical-optimization-formulation-nvidia-skills（SKILL.md 内部名称 cuopt-numerical-optimization-formulation） |
GitHub |
| 作者/维护者 | NVIDIA cuOpt Team；技能目录仓库 nvidia/skills 每日自动同步自 NVIDIA/cuopt 产品仓库自身的 skills/ 子目录 |
GitHub API + SKILL.md metadata |
| 来源链接 | https://github.com/nvidia/skills/tree/main/skills/cuopt-numerical-optimization-formulation | — |
| 许可证 | Apache-2.0 | GitHub API |
| GitHub Stars/Forks | 技能所属目录仓库 nvidia/skills 整体 2,784★/323 forks（覆盖 300+ 个不同 NVIDIA 产品的技能，不代表本技能自身热度）；本技能背后的求解器产品 NVIDIA/cuopt 单独仓库 999★/218 forks，当周仍有提交 |
GitHub API |
| 最新版本 | 26.08.00（据官方 skill-card.md 治理卡片记录的 frontmatter 版本号，随 cuOpt 产品发布节奏同步） |
GitHub（skill-card.md） |
| 安装方式 | npx skills add nvidia/skills --skill cuopt-numerical-optimization-formulation --agent claude-code |
GitHub README |
2. 功能介绍与亮点
这个技能教 agent 把一段自然语言描述的优化问题，拆解成规范的数学规划要素——参数、约束、决策变量、目标函数，并判断该建成线性规划（LP）、混合整数规划（MILP）还是二次规划（QP）。它本身不产出可执行代码，只管“想清楚问题”这一步，纯概念性指导。
主要亮点：
- 问题类型判定表：从目标函数是否线性/二次、变量是否要求整数，直接对照该选 LP、MILP 还是 QP，并说明各自的对偶值/灵敏度信息能不能取到（MILP 整数解没有对偶值）。
- 语句分类框架：把问题文本逐句标为“参数/给定”“约束”“决策”“目标”四类，并给出识别“隐性约束”（如“计划生产 X 件”这类看似陈述、实为约束的措辞）与“隐性目标”（题目只说“确定方案”但给了成本数据，目标其实是隐含的“最小化总成本”）的判断规则；遇到歧义时要求向用户澄清或列出全部可能解读，而不是擅自假设一种。
- 五类高阶建模模式：分段线性目标（凹形分段利润函数下整数产量变量的正确设法）、下料问题（正确的浪费面积目标该怎么定义）、目标规划（多目标按优先级分阶段求解）、多周期库存/采购（何时需要“购入后即时容量约束”）、共享中间产物的调和问题（比例约束是双线性的，给出线性化策略）——每类都配具体的常见错误与修正写法。
- 官方发布前量化评测：NVIDIA 在发布前用内部 NVSkills-Eval（3 个评测任务）分别测了 Claude Code 与 Codex 两个 agent 的安全性、正确率、可发现性、有效性、效率五个维度，并附
skill.oms.sig签名文件供溯源校验。
3. 适用场景
所属分类：工程效率与代码质量
适合需要把业务问题（排产、选址、混合调配、库存采购、多目标权衡等）准确翻译成数学规划模型的开发者与运筹分析师。因为本技能不涉及具体求解器 API，不要求安装 cuOpt 或拥有 GPU，也适合只想先把问题建对、再自行选择求解器（cuOpt、OR-Tools、PuLP 等均可）的用户。
4. 跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | ✅ 原生支持 | 官方安装文档提供 --agent claude-code 选项；skill-card.md 发布了针对 Claude Code 的评测结果（安全性 100%，正确率 67%，有效性 93%） |
| Codex | ⚠️ 需留意 | 官方安装文档提供 --agent codex 选项，可正常安装；但 skill-card.md 公开的评测显示 Codex 上正确率仅 37%、可发现性 0%（3 个评测任务样本量很小），使用时建议留意 agent 是否真的调用了本技能 |
| OpenClaw | ❓ 未验证 | 官方安装文档列出的目标 agent 中未点名 OpenClaw，现有材料不足以判断 |
| Hermes Agent | ❓ 未验证 | 现有材料未提及 |
5. 推荐理由
多数人建优化模型出错，不是败在求解器 API 用错，而是败在“这句话到底是约束还是决策变量”“题目没写目标，是不是漏了”这类前置的建模判断。这个技能把这套容易出错的判断收进一份系统的分类框架加五类高阶模式手册，且刻意不绑定任何具体求解器——不需要 GPU、不需要安装 cuOpt，任何人都能先用它把问题想清楚。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 8 | 官方 NVIDIA 机构出品；技能所属目录仓库整体 stars 不能归给单个子技能，需看子目录自身证据——封装该技能的求解器产品 NVIDIA/cuopt 独立仓库 999★/218 forks，持续活跃维护 |
| 可用性 | 9 | 一条命令安装；SKILL.md 内容详实（含语句分类表、五类高阶建模模式与配套案例），近期（2026 年 6 月末的命名空间重构提交）仍在维护；纯概念性指导，不要求 GPU、不要求安装任何求解器软件，无付费依赖，比同仓库依赖 GPU 的姊妹技能更易上手 |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单：①无 shell 命令执行，纯文本分析与分类指导，不产出可执行代码，权限范围为零 ②无联网外发，全程在对话内完成问题拆解 ③官方 skill-card.md 明确声明本技能不需要 API Key 或外部凭据 ④通读 SKILL.md 全文，未发现可疑指令或隐藏外发行为 ⑤NVIDIA 官方团队出品，附官方 skill.oms.sig 签名与发布前 NVSkills-Eval 评测（安全维度 Claude Code/Codex 均 100%，基于 3 个评测任务，样本量较小）与“Agent Red-Teaming”测试记录，无造假迹象 ⑥License 为 Apache-2.0，明确 ⑦最近一次直接提交（命名空间重构）为 2026 年 6 月末，约五周前，持续维护
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
| cuopt-numerical-optimization-api（同仓库姊妹技能） | 面向 Python/C/CLI 三接口的 cuOpt 求解器调用指南，产出可执行代码 | 本技能只管“把问题想清楚”这一步，不产出代码；两者通常先后使用——先用本技能定型问题，再用姊妹技能写求解代码 |
| cuopt-multi-objective-exploration（同仓库姊妹技能） | 面向多目标权衡（Pareto 前沿）的求解工作流，显式依赖本技能完成每个子目标的建模 | 本技能是通用的单目标建模基础层；多目标探索技能建立在本技能之上，服务范围更窄但更专精 |
| Linear Programming Solver（第三方 Agent Skill 市场 listing） | 整合 PuLP、OR-Tools、Pyomo 等 CPU 端开源求解库，含灵敏度分析、影子价格、不可行诊断等分析功能的通用线性/整数规划技能 | 直接产出可运行代码并调用具体求解器；本技能不绑定任何求解器，只做问题类型判断与要素拆解，可作为该类工具的前置分析步骤 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。
9. 其他补充
技能实际维护在 NVIDIA/cuopt 产品仓库自身的 skills/ 子目录下，nvidia/skills 是每日自动同步的目录镜像仓库，二者内容一致。SKILL.md 正文标注“Concepts only; no API”，与同仓库另外几个负责具体求解器调用的技能有明确分工。
10. 安装使用方式
- 推荐方式：
npx skills add nvidia/skills --skill cuopt-numerical-optimization-formulation --agent claude-code（Codex 用--agent codex；省略--agent走交互式选择） - 前置要求：当前
skillsCLI 需 ≥ v1.5.16，否则技能可能装上但不出现在 Claude Code 技能列表中 - 安装后注意事项：Claude Code 中需运行
/reload-skills才能加载新装技能 - 运行环境：无特殊硬件或软件依赖——纯对话内的文本分析，问题拆解完成后再按需切换到具体求解器（cuOpt 或其他）
11. 注意事项
- 本技能只覆盖“问题该怎么建模”，不涉及任何具体求解器的调用代码，需配合求解器技能（如 cuOpt 的 API 技能）或自备求解工具才能实际求解
- 官方评测显示该技能在 Codex 上的可发现性与正确率明显低于 Claude Code（样本量仅 3 个任务），使用前建议先确认 agent 确实加载了本技能
- OpenClaw、Hermes Agent 上的兼容性尚未获得官方材料证实