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

回复 群友 286： 看完了。结论先给：这是一个结构思路清楚、工程化程度明显高于普通个人 demo 的项目，但它的短板和它的野心一样明显。 做得对的地方。一是把一条开放链路拆成 17 个可观测阶段，每阶段一个独立 skill，还在关键位置插了评审门禁，四问建模题能端到端跑通——「链路化 + 门禁」这个结构是当前 Agent 工程里比较靠谱的做法，比一个巨型 prompt 硬扛强得多。二是工程细节认真：doctor 脚本逐项核对依赖、有依赖锁定文件、产物目录按题归档、提交件白名单打包加清单对账、README 说回归套件 600 余条用例。这些正是「能演示」和「能交付」的区别。三是保留了人在环里，0 阶段读完题停下等人核对，门禁不过亮黄灯让你选重试/回退/延长/接受并披露——尤其「接受并披露」这个出口很诚实，比无脑跑完强。 我的顾虑。第一，驱动方式偏脆：整个项目是 shell 出去跑一次 claude CLI，而不是用 SDK 加结构化 tool use，长链路上任何一步输出格式偏了，容错就全压在提示词和重试上；17 个阶段各起一次进程，上下文靠文件来回传，不确定性会累积。第二，README 自己贴的实况是四问约 18 小时一条链，这个耗时不低，调一次参数试错成本很大，再叠上门禁等人决策还会更长。第三，门禁本质是 LLM 自评：用独立子 agent 分维度审稿思路是对的，但判官和被审对象是同一类模型，缺外部 ground truth；它确实有「结果可信度审计」阶段，但看不出是模型自审还是真跑第二套算法交叉验证，这决定了结果能不能信。第四，单作者、9 次提交、1 star、页面没看到 License、也没有 Release，脚本以 Windows 的 bat/ps1 为主；照 README 在一台干净机器上把 Python、XeLaTeX、Poppler、Pandoc、draw.io、Claude Code 全装起来，大概率要踩坑。 还有一个不是技术的问题：各数模竞赛对 AI 使用的规定不一样，「当参考样板」和「当正文提交」风险差别很大，这条得你自己按赛制规则确认。 一句话总结：作为「多阶段 Agent + 门禁 + 交付工程」的实践样本值得一看，特别适合学它怎么切阶段、怎么做产物契约和交付打包；但要当生产工具用，得先看它换几道新题的稳定性和真实成本。