- 把一段没整理过的业务描述转成结构化的模型规格
- 校验没通过就带着错误信息重试，直到结构合法
- 模型拿不准的部分单独列成待确认问题，交回给人
自然语言运筹建模助手
业务描述转成结构化模型规格：集合、参数、变量、目标、约束、假设和待确认问题。同步导出 JSON 与评审文档。
7 类模型规格要素
双格式同步导出 JSON 与文档
零外呼站点不调用外部模型
What it proves
核心成果
- 契约
- 生成
- 输出
System flow
工作步骤
只呈现通用的模块关系和每一步要解决的问题。可交互的项目可以从上方直接进 Demo。
- 01业务自然语言输入
接受未经整理的业务描述。提问的人不需要预先懂建模。
- 02结构化提示契约
用固定 Schema 约束输出形状，生成结果可以被程序直接校验。
- 03模型生成
产出集合、参数、变量、目标、约束、假设与待确认问题七类要素。
- 04校验与修订
Pydantic 校验失败后携带错误信息重试，并设置最大重试次数。
- 05双格式导出
JSON 供下游求解模板消费，文档供业务方与算法同事评审。
Integration
系统对接
校验后的模型规格作为集成契约，可驱动求解器模板、评审流程与版本管理。
| 对接系统 | 方向 | 接口约定 |
|---|---|---|
| 企业模型目录 | 下游输出 | 规格以版本化 JSON 入库，便于检索既有模型与复用约束片段 |
| 求解器模板 | 下游输出 | 集合与参数命名遵循固定契约，可映射到建模框架的骨架代码 |
| 评审流程 | 双向 | 待确认问题作为评审清单回流，人工答复后触发新一轮生成 |
表中系统名称为通用角色，不指向任何具体厂商产品或内部平台。
AI leverage
业务与开发分工
业务沟通和规则解释由人工完成；实现、重构与测试由 AI 辅助。
- 与业务方澄清目标、规则、例外和待确认问题
- 解释模型规格，并组织业务与算法评审
- 生成结构化规格草稿、校验与重试实现
- 同步生成 JSON 与评审文档
Production path
后续扩展
基于当前模块边界的工程扩展，不计入已完成功能。
- 连接企业模型目录与求解器模板
- 引入审批、版本管理与评测数据集
- 支持多模型路由、私有化推理与成本治理
Privacy boundary
数据与公开范围
页面不调用外部模型，不收集访客输入；示例均为虚构供应链问题。