cuOpt 数值优化建模助手

## 这是什么 帮助开发者按 NVIDIA cuOpt 的实际接口建立和求解线性规划（LP）、混合整数线性规划（MILP）及二次规划（QP）问题。技能会先判断变量类型与目标函数，再选择 Python、C/C++、CLI 或已有建模库的接入路径。 ## 适用范围与前置条件 - 适合已有 NVIDIA cuOpt 安装/服务，或正在准备相应环境的开发者；安装 Agent 技能本身不会安装 cuOpt 求解器。 - 官方说明支持 Python、C/C++、CLI，也可指导通过 AMPL、GAMS/GAMSPy、PuLP、JuMP、Pyomo、CVXPY 接入。具体版本、硬件和安装要求以 cuOpt 官方文档为准。 - 用户应先说明所用接口；如果已在现有建模语言中工作，优先复用原模型，不必重写成 cuOpt 原生 API。 ## 核心能力 - 按问题含义区分 LP、MILP、QP，并帮助确定变量应为连续值还是整数/0-1。 - 引导通过 Python、C/C++ 或 CLI 接口构建模型、设置求解参数并读取结果。 - 提醒常见边界：QP 目前为 Beta，仅支持连续变量与最小化目标；MILP 不提供对偶值；检查可行性、界限、缩放和时间/间隙设置。 ## 适用场景 - 排产、设施选址、人员或车辆分配等离散决策（MILP）。 - 资源分配、流量、预算或产能规划等连续线性问题（LP）。 - 组合投资、最小方差或平方误差等连续二次目标（QP，Beta）。 - 将已有 PuLP、Pyomo、JuMP 或 CVXPY 模型连接到 cuOpt。 ## 安装与使用 Skills CLI 需为 1.5.16 或更新版本。在项目目录安装此 Agent 技能： `npx skills add nvidia/skills --skill cuopt-numerical-optimization-api --agent codex --yes` Claude Code 可将 `codex` 替换为 `claude-code`；Cursor 可替换为 `cursor`。重新加载 Agent 后，说明问题、目标、约束、变量类型以及要使用的接口。 ## 限制与安全提示 - 此安装命令只添加 Agent 指南，不会安装 cuOpt 求解器或申请 GPU/API 权限；按官方产品文档另行配置环境。 - QP 为 Beta，接口可能变化；只适用于连续变量，且只能最小化。二次矩阵需满足凸性要求。 - 求解结果仍需结合业务单位、约束和数据质量复核；不要将 Agent 建模建议视为业务决策批准。 - 许可与热度说明：该 SKILL.md 文件头标注 Apache-2.0，而 NVIDIA/skills README 对 skills 文档的概述为 CC BY-4.0；使用、改编或再分发前请按具体文件核实当期许可。GitHub 仓库页当时显示 3.4k stars，后台约记 3,400（仓库级约数，并非单项技能星标）；安装量未知，记为 0。 ## 常见问题 **我已在用 Pyomo/PuLP/CVXPY，还要重写模型吗？** 通常不用；技能说明可将 cuOpt 作为现有模型的求解器后端。 **什么时候变量要设为整数？** 计数、是否开启、互斥选择等离散决定通常是整数/0-1；可分割的数量、比例和工时通常连续。 **QP 能用于混合整数变量或最大化吗？** 当前技能说明 QP 仅支持连续变量和最小化；最大化可通过最小化目标的相反数变换，仍需按具体接口验证。 **为什么 MILP 没有对偶值？** 该技能指出 cuOpt 的 MILP 不提供 duals；LP 和 QP 才可用相应对偶信息。