描述
纸 张: 胶版纸包 装: 平装是否套装: 否国际标准书号ISBN: 9787301371572
1.系统化全流程方法论:构建DESIRE建模框架，覆盖从问题定义到报告撰写的完整链条。
2.人机协同交互优化:深入讲解提示词设计与AI协作策略，实现高效分工与质量提升。
3.实战案例与竞赛导向:通过丰富场景案例及竞赛实战章节，强化建模应用与应变能力。
4.能力内化与思维培养:注重独立建模思维训练，减少工具依赖，促进可持续能力成长。
5.多群体广泛适配性:内容兼顾学生、教师、科研人员等不同层次读者需求。
本书是作者继《巧用ChatGPT进行数学建模》之后推出的全新力作，系统介绍如何借助国产大语言模型DeepSeek高效完成数学建模任务。全书以“方法论驱动、人机协同、能力内化”为核心理念，构建了一套完整的AI辅助数学建模知识体系。全书共12章，涵盖数学建模全流程。第1～2章介绍数学建模基础与DeepSeek功能特性； 第3～9章系统讲解AI辅助建模的核心方法论，包括问题分析（FRAME框架）、资料收集（GAS法则）、模型创新（FUSED路径）、模型求解（SOLVER框架）、可视化表达（VISTA模型）及 报告撰写等关键环节；第10～11章探讨如何利用AI提升建模学习效率，以及知识库与智能体 的进阶应用；第12章聚焦数学建模竞赛实战，从备赛准备、赛中协同到赛后复盘，提供一整套可落地的操作方法。本书适合数学建模初学者、竞赛参赛者、高校师生及科研工作者阅读，也可作为数学建模 课程的教学参考用书。
第1章 数学建模与DeepSeek001
1.1 什么是数学建模001
1.2 数学建模的基本流程002
1.2.1 定义问题003
1.2.2 建立模型003
1.2.3 求解004
1.2.4 检验结果004
1.2.5 报告和应用005
1.2.6 收集资料和数据005
1.2.7 数学建模案例：传染病模型005
1.3 DeepSeek 如何介入建模流程008
1.4 扩展查阅建议016
第2章 DeepSeek功能详解018
2.1 DeepSeek 模型架构概述018
2.2 提示词系统与对话能力020
2.2.1 提示词的基本结构020
2.2.2 对话式交互策略022
2.2.3 提示词的风格分类023
2.2.4 构建你自己的“建模提示词库”023
2.3 深度思考与结构化输出024
2.3.1 什么是“深度思考”024
2.3.2 深度思考如何辅助数学建模025
2.4 DPA公式：影响AI工具使用效果的乘法结构029
2.5 扩展查阅建议032
第3章 全貌、精修与续写034
3.1 全貌：快速构建“建模蓝图”034
3.2 精修：在关键处“磨刀出锋芒”036
3.3 续写模式：用AI补完“建模拼图”041
3.4 扩展查阅建议043
第4章 AI问题分析进阶045
4.1 FRAME框架：从“场景”到“结构”045
4.2 让DeepSeek成为你的“问题建构搭档”049
4.3 AI工具辅助“问题建构”的三种协同范式054
4.4 案例实操：校园电动车充电优化055
4.5 关键词索引与扩展查阅058
第5章 AI数据收集进阶060
5.1 数据收集三步法：GAS 法则061
5.2 AI辅助文献查阅的六大场景064
5.3 高阶整合能力070
5.4 遵循学术规范072
5.5 关键词索引与扩展查阅073
第6章 AI模型创新进阶076
6.1 模型创新的结构路径：FUSED 模型077
6.2 数学模型的分类与应用079
6.3 AI驱动的模型创新路径082
6.4 实例展示：AI辅助生成创新模型的流程087
6.5 扩展查阅建议089
第7章 AI辅助求解进阶091
7.1 求解与检验流程模型：SOLVER 框架092
7.2 经典数学模型的求解093
7.2.1 优化类模型的求解093
7.2.2 预测类模型的求解095
7.2.3 评价类模型的求解096
7.2.4 解释类模型的求解098
7.2.5 仿真类模型的求解101
7.3 案例展示：AI工具辅助下的完整求解流程105
7.4 学习指引与知识拓展107
第8章 AI精美作图110
8.1 可视化表达的结构化思维——VISTA 模型111
8.2 AI工具作图的三种能力路径115
8.2.1 路径一：生成图结构构思草图（从文本到构图思路）115
8.2.2 路径二：输出Python绘图代码（从结构到可执行代码）117
8.2.3 路径三：创意构思与图像描述生成（从文字到创意图像）136
8.3 建模场景下的实用图类模板138
8.4 AI作图在建模报告与答辩中的应用139
8.5 学习指引与可视化进阶140
第9章 AI辅助报告撰写142
9.1 报告撰写的四个核心挑战143
9.2 标准建模报告结构与AI工具辅助任务143
9.3 AI工具辅助报告撰写的四个阶段协同流程144
9.4 报告写作常用提示词结构参考146
9.5 案例展示：从模型结构到报告的协同生成147
9.6 扩展查阅建议148
第10章 用AI学数学建模151
10.1 GROW框架152
10.2 GROW框架与AI提问的深度联动设计155
10.3 AI工具辅助论文阅读与解读158
10.4 AI工具使用记录与效果评估159
10.6 学习指引与资源推荐162
第11章 知识库与AI智能体165
11.1 从提示词到智能体：协作方式的范式跃迁166
11.2 使用扣子平台创建智能体167
11.3 数学建模智能体的知识库与工作流170
11.4 场景实例：一个完整的智能建模对话流程172
11.5 学习指引与进阶探索174
第12章 AI辅助数学建模竞赛实战177
12.1 赛前准备：建模素养与工具能力的双线建设178
12.1.1 知识积累与模型速成178
12.1.2 提示词设计与高效提问179
12.1.3 形成团队与AI协作的SOP181
12.1.4 历年赛题梳理及模拟赛题练习182
12.1.5 团队磨合与材料准备184
12.2 赛中实战：任务驱动与结构协同下的高效建模187
12.2.1 任务拆解187
12.2.2 模型生成187
12.2.3 数据处理与代码调试188
12.2.4 报告撰写与表达优化189
12.2.5 多轮审稿：模拟提问与反馈机制189
12.3 AI协同评估与批改建模作品190
12.4 赛后总结：复盘与能力迭代193
12.5 扩展查阅建议196
在过去的几年里，数学建模的学习与实践环境发生了深刻变革。最显著的变化之一是大语言模型（Large Language
Model，LLM）在建模领域的广泛应用。从最初的尝试性探索到如今的深度整合，AI已从一个可选工具，演变为建模流程中不可或缺的“新型协作者”。
当我撰写《巧用ChatGPT进行数学建模》一书时，AI工具辅助建模尚处于探索初期。那时，许多建模者对大语言模型既充满好奇又心存疑虑：它真的能助力建模吗？它是否只是一个更智能的搜索引擎？其输出的答案究竟能否被信赖？然而，当《巧用ChatGPT进行数学建模》出版时，现实已然给出了明确的回答：AI工具已深度渗透至数学建模的各个环节——从问题分析、模型设计，到代码实现、结果阐释，再到报告撰写与答辩准备，AI正日益成为建模者的得力助手。
在此背景下，为何我仍要撰写这本书？难道仅仅是因为使用的模型从ChatGPT切换为DeepSeek吗？答案显然不止于此。本书的诞生，主要源于三个重要的驱动力：工具能力的革新、方法论的深化，以及建模理念的迭代。
一、DeepSeek带来的工具与方法革新
DeepSeek的出现，不仅意味着一个“新的大语言模型”问世，它更代表了大语言模型技术在实用化与场景化方面的进一步优化。与ChatGPT相比，DeepSeek的以下两个特性尤为关键。
1. 普及性与本土化的融合
作为在国内更易访问、响应更稳定的模型，DeepSeek让建模者无须再为访问门槛或网络稳定性担忧。这意味着更多的学生、教师与研究者能够在日常建模训练、科研工作乃至竞赛环境中，便捷地使用AI辅助工具，从而提升整体效率与参与度。
2. 深度思维链能力
数学建模的核心挑战，往往在于复杂问题的结构拆解与逻辑推理，而非单纯的公式推导或数值计算。DeepSeek能够在响应用户问题时，能够生成有助于数学建模的思维链，辅助用户梳理问题本质、变量关系、基本假设及求解路径。这种能力使其不仅是“提供答案的工具”，更是“引导思路的伙伴”，尤其在模型创新、假设分析、多步推理等场景下价值凸显。
以往，许多建模者容易陷入“建模黑箱”——知道如何运行代码，却不清楚内在逻辑是否严密；或是耗费大量时间摸索求解流程，最终结果仍缺乏稳健性。而借助DeepSeek，我们可以在建模早期便构建出清晰的推理结构与方案路径，极大避免了因思路混乱导致的低效循环。
二、方法论与实践经验的系统总结
自2023年ChatGPT进入建模领域，至2025年DeepSeek成为国内主流工具，我亲身见证了无数学习者、竞赛团队及研究者与AI工具协同合作的实践历程。在此过程中，我积累了丰富的一手经验，并逐渐认识到一个事实：会用AI工具，并不等于能高效建模。
许多初学者在使用AI工具时，容易陷入以下两种极端状态。
（1）完全依赖，期望AI工具直接给出完整模型与最终答案。这种方式在简单练习中或许收效较快，一旦面对复杂、多目标、多约束的实际建模任务，便极易暴露出逻辑漏洞、数据不匹配乃至无法落地实施的问题。
（2）过于保守，仅将AI工具视作“词典”或“搜索引擎”，仅用于查询公式或概念，而不敢深入利用其逻辑推理与结构设计能力，导致效率提升有限。
本书致力于系统性地解决这些问题。通过总结大量实战经验，我将AI辅助数学建模的方法论凝练为以下几个核心思想。
（1）坚持以人类逻辑为主导，将AI作为推理与执行的扩展工具。
（2）在建模各环节嵌入可视化、结构化、可检验的中间产物，确保过程透明并可复盘。
（3）利用AI工具的快速迭代特性，构建建模的循环优化流程，避免“一问一答”式的碎片化使用。
书中提出的DESIRE建模流程、SOLVER框架及FUSED模型创新路径，正是结合AI能力重新设计的建模方法论。这些框架帮助建模者在面对任何问题时，都能形成一条从问题理解到结果验证的清晰、可执行路径，并在每一步获得AI工具的高效支持。
三、建模理念的迭代与能力内化的迭代
AI工具的兴起让建模工作更高效，但建模的核心价值从未改变——其本质是对现实问题的结构化理解与数学化表达。本书在写作中特别强调以下几点。
1. AI辅助不等于思维替代
我始终主张，建模者应将AI视为工具，而非拐杖。无论是在解题、科研还是竞赛中，建模者都必须清晰理解问题本质、掌握模型原理，并能独立判断结果的合理性。否则，即便AI给出了看似完美的模型与代码，也难以保证在新场景中可靠应用。
2. 能力成长须具可持续性
本书不仅教授“如何用AI工具进行建模”，更注重“如何通过与AI工具协同来提升自身的建模水平”。例如，书中设计了AI工具使用记录表、提示词反思机制与建模过程复盘方法，旨在帮助读者形成反馈闭环，实现从“依赖AI工具输出”到“借助AI工具提升思维”的转变。这种能力内化的过程，将使建模者在未来面对更复杂、更开放的问题时从容应对。
四、竞赛与实战的深度融合
数学建模竞赛是许多学生接触建模的第一课堂，也是检验理论与实践结合能力的关键场景。我长期指导全国大学生数学建模竞赛、美国大学生数学建模竞赛、国际数学建模挑战赛及高中生数学建模竞赛等赛事，深知在短短三四天的高压赛程中，团队必须同步完成问题拆解、数据处理、模型构建、代码实现与论文撰写，任何一环的阻滞都可能严重影响最终成绩。
AI工具的引入为竞赛团队提供了前所未有的助力。本书不仅探讨了日常建模任务，还专设章节详述AI工具辅助建模竞赛的实战策略，内容涵盖：备赛阶段的知识积累、提示词模板训练、团队分工与标准操作流程制定；赛中的高效求解与报告协作；赛后的复盘与能力迭代。这一整套可落地的操作方法，不仅有助于提升参赛队伍的获奖率，更能帮助他们在实践中培养独立的建模思维与人机协同能力。
五、本书的目标与价值
本书不仅是一本“教你使用AI工具”的手册，它还期望实现以下三重目标。
（1）为读者提供一套完整的AI工具辅助数学建模知识体系，覆盖从入门到进阶的全流程。
（2）通过实际案例、操作示例与提示词指南，使读者在实践中掌握高效协同建模的方法论。
（3）助力建模者在使用AI工具合作的过程中持续反思与提升，实现从工具使用到思维进化的跨越。
通过本书，我希望读者不仅能在短期内提升建模效率，更能建立起系统思维、逻辑推理与创新能力，成为真正擅长与AI工具协同构建优秀模型的高效建模者。
最后，诚挚感谢所有参与本书出版的编辑、学员与同行，你们的反馈与实践让我深刻认识到本书出版的必要性。愿本书能成为您数学建模之旅中的可靠伙伴，让我们在AI时代共同探索建模的深度与广度。
评论
还没有评论。