https://jiajia.fun/qa/25dd7593-%E8%AF%84%E4%BB%B7%E4%B8%80%E4%B8%8B-%E8%BF%99%E4%B8%AA%E9%A1%B9%E7%9B%AE-github-com-newmathagent

# 评价一下https://github.com/Cyllevantie/NewMathAgent 这个项目

这不是那种拿几个 prompt 糊出来的「一键写论文」玩具，而是正经按 Repo Harness 思路搭起来的重型工程流水线。 先说做得非常扎实的地方：它把最容易失控的长链路写成了确定性护栏。17 个阶段各自用独立 skill 驱动，关键节点插了独立子 agent 做评审门禁，不通过就亮黄灯挂起让人决定重试还是回退，而不是让模型一路自嗨到底。更难得的是外围的确定性脚本配得很全：结果契约（result\_contract）、画图审计（visualization）、版式页数检查（publication）、白名单交付打包（delivery），再加上 600 多条回归测试和 doctor.py 环境体检，工程纪律比市面上大多数 Agent 项目强出一截。 但往深了看，这套架构也有几个很现实的硬伤和取舍问题： 第一，17 阶段串行加 18 小时耗时，长链条的错误累积和恢复成本太高。四道题跑一轮要 18 个小时，意味着前面「建模设计」或「编码计算」如果假设偏了，即使有门禁兜底，后面十几个阶段也很容易变成在错误地基上精雕细琢。而且底层靠 shell 频繁拉起 claude -p，状态全靠文件落盘和阶段指纹维持，中间只要某个外部工具（XeLaTeX、draw.io、Poppler）卡死或超时，长链路的断点续跑体验就会很折磨。 第二，默认模型选型和任务难度有错配。README 里默认配的是 deepseek-flash\[1M\]。Flash 跑高频文本润色、格式转换、初稿扩写没问题，但数学建模最卡脖子的是「问题抽象与建模设计」「结果可信度审计」和「跨问一致性」。用轻量模型扛整条 17 阶段链，很容易跑出「LaTeX 排版极佳、图表齐全，但核心数学逻辑经不起推敲」的局部最优产物。这种长链路更适合做模型分层路由：建模设计和门禁审稿切强推理模型，排版和杂活再交给 Flash。 第三，本地重依赖限制了分发。项目强依赖本地装好的 Claude Code CLI、Python 3.11+、XeLaTeX、Poppler、Pandoc 和 draw.io desktop。自己在本机配好跑通没问题，但想让普通数模参赛者直接用，环境门槛还是太高了，后续如果想往外推，大概率得容器化或者把重工具链打包剥离出来。 定位上也建议清醒一点：拿它当「辅助脚手架」和「高质量样板生成器」非常香，但真指望 18 小时全自动跑完直接当正文提交，风险还是太大，0 阶段的读题核对和关键黄灯节点人还是得深度盯住。
