从 9 月 10 日 18:00 到 9 月 13 日 20:00，三天三夜的国赛终于结束。原本以为经过美赛失利后，这次至少能少踩一些坑。结果没想到这次依旧是攒经验，不过也是，世上又怎会有十全十美的时刻呢，这次的遗憾不少，但也是必须经历的过程。作为论文手兼队长，我想把整个时间线和思路重新梳理一遍，哪些是有效推进，哪些是无用功，为什么最后会那么赶。
时间线复盘
Day 1：选题、问题一与文献坑
比赛刚开始，我们先一起分析赛题。大约 20:00 确定选 C 题，微电网方向。确定选题后，大家开始分工：建模手负责模型，编程手暂时等待建模输出，我作为论文手兼队长，先去找相关领域论文，并顺手整理参考文献格式。
21:30 左右，建模手完成问题一建模，把思路讲给我们听，并发了建模笔记 PDF 和与 GPT 的对话链接。我把这些材料交给 Codex，让它提取思路、公式和参数，生成一份 Markdown 文档，再发给编程手。编程手拿到后，会把文档交给 Codex，让它据此生成求解代码。
之后我继续补文献。当时用的提示词很直接：
:::note 当时的文献检索提示词
@C题(2).pdf 帮我找一下与题目背景，或者解题有关的文献，最后再给我列一些检索词，中英都要:::
但实际效果并不好。我一开始是想自己有挺多的找论文的经验了，那就自己通过检索词去找，但实际做起来又发现GPT 给的检索词，在 Google Scholar 和 IEEE 上用起来很尴尬，太长、限制太多的检索词找不到文献，太短的又很难筛出符合要求的。最后更多是靠论文标题一篇篇搜，还有不少论文不免费，根本拿不到原文，我目前也去缺少处理这个情况的相关经验。只能把能下的都下载了，下载后我想用 Zotero 翻译插件把英文转中文，中间遇到内存报错，重启后才解决，也浪费了一些时间。
23:30 左右，编程手跑完问题一求解。图不太好看，建模手先美化了一版，与此同时，编程手也重新优化，问题一也给出 v2，两个版本撞名。第二天 10:00 左右，编程手给出第三版。11:00 左右又给了一个新版本，命名仍然是 v3。版本管理从一开始就有些混乱。
Day 2：问题二、问题三与版本混乱
11:30 左右，建模手完成问题二第一部分——电价预测模型。流程和问题一一样：先讲思路，我再用 Codex 提取，生成 Markdown 给编程手求解。14:10，编程手完成问题二求解；14:47，跑完预选三个模型的对比。
15:48，建模手完成问题二后半部分——购电优化模型。16:11 我完成思路提取，16:42 编程手求解完成，17:00 完成图表美化。到这里，问题二的推进还算紧凑。
22:34，建模手完成问题三建模。23:36 我完成思路提取。但编程手为了赶进度，没有等提取完成，直接把建模手发来的材料交给 AI 跑代码，23:50 完成问题三求解。1:44，又跑完模型优化，并给出模型之间的比较成果。
现在回看，编程手提前开跑并不是完全不能理解，但缺少中间核对，导致后面发现条件遗漏时，返工成本被放大了。
Day 3：问题四、条件遗漏与支撑材料
早上 10:30，我发现准备提交的 Excel 附件与模板表头不一致，模板的表头时间整体后移了 10 分钟。我们花了很长时间讨论这个问题，直到最后一天下午才决定就按我们原来的版本提交，就是保持我们原来的那个版本不动。
10:54，编程手给出随机 MPC 模型的优化版本。之后问题一、二、三的图片美化润色大多转到建模手这里，原因之一是 GPT Plus 额度不够，但是又为什么不在初版的时候就把图片美化也做好呢。而建模手在图片美化后没有逐张细看，ai味太重了，很多图都拼到一起了，根本没法直接用，导致最后一天集中返工，这事我也有责任，也是没有及时看，让他们及时改。
14:16，建模手给出第四问第一部分的求解思路，15:06 给出第四问后半部分。同样的，我根据他发的 PDF 和 AI 对话内容提取思路。第四问第一部分交给建模手那边跑，17:00 跑完；17:30，编程手在此基础上给出优化。
然后我们突然发现，前面忽略了一个条件：当前代码默认每天储能设备储电量要回到 6000 kWh，但这只是第一问的思路，后面的二三问也沿用了这个默认。重新做肯定来不及。我们并非一开始完全没想到，而是 AI 在写代码或提取思路时没有完全遵循我们的设定。
17:43，我们开始尝试解决这个问题。先让 AI 解释当前代码思路，再对第四问第一部分返工。19:00 跑完，发现考虑这个条件后费用反而更高。理论上不应如此，说明求解思路仍有错误，但是我们也实在是没有时间去深入研究这个问题了，干脆直接把每天储能设备容量要保持一致写进假设条件里面。18:16，编程手跑完问题四双模型比较的完整成果，但命名不够清晰，我觉得本末倒置了，正常来说，历年的优秀论文也是如此，一个问题一份代码文件就够了，比如q1.py等等，但是我们一个题目就有一堆的代码，导致最后整理支撑材料的时候也花费了不少的时间，我们做的不是怎么把题目求解出来，我们好像是把重点放在模型的比较上了。
晚上开始整理支撑材料。编程手对每问代码重新整理时也没有头绪，更多是让 AI 先生成一版。22:04，给出第一版支撑材料。
Day 4：论文拉锯与最后提交
0:05，我还在改论文。当时我一段一段看，手动删改。1 点左右队友回去，我一个人待到将近 5 点。但实际效率很低，一开始我还在手搓逐字修改，后面感觉时间不够，就让 AI 帮我简化。可我把要求限得太死，锁定了 30 页，导致 AI 删掉太多内容，第四问只用了几页就草草结束，当时大半夜我可能头脑不是很清晰，建模手第二天看论文的时候才发现这个问题。
第二天只能重新返工，我让 AI 不要那么简洁，取消页数限制，再根据代码把内容补回去，最后又变成四十多页，几乎回到前一晚改动前的状态。其实直接回退版本可能一秒就能解决，我却花了几十分钟重复劳动。
最后一天，建模手也开始和我一起改论文，不断提出质疑，这里不对，那里不对。有些确实有问题，有些其实没问题。我也在想，如果这些问题能更早暴露，或者在代码完成后就做一致性检查，也许不会拖到最后。与此同时，编程手一直在整理支撑材料，从昨晚到提交前基本都在做这件事，比预想中耗时得多。
最后几个小时，我把 AI 使用报告初版搞好，让编程手优化。他直接交给 AI 处理，之后没有逐项检查，误以为已经完成。我拿过来一看，AI 痕迹很重，意思也没表达清楚，只能再次返工，但时间已经不够了，我也没时间再细看。
论文压缩同样反复，四十多页交给 AI 压到三十多页，发现删减太多、页数不均衡；又让 AI 根据代码把内容补完整，重新变成四十多页，最后再压缩。这段过程让我非常疲惫，也让我意识到自己在重复做无用功，但我也感觉无能为力了，甚至一度想要放弃。
19:50 左右，我们终于把材料全部提交。还有很多想改的地方，但时间已经不允许了。摘要一共只改了不到半小时，标题也定得仓促。只能交。
踩坑总结
| 问题 | 表现 | 改进方向 |
|---|---|---|
| 文献 | 下载、翻译、整理，最后没人读 | 只保留核心参考，让 AI 直接总结 |
| 编程 | 编程手在建模手整理的思路的基础上，每一问都使用AI去优化，以结果为尊，不惜弃用建模手的思路 | 严格按照我们的思路来，比的是我们的思路，而不是最终的结果，就算有些确实值得优化的地方也要确认清楚再执行 |
| 沟通 | 我们的沟通还是很少，建模手给我们讲完思路，我们再编程、写代码的时候都是各做各的，没有交流 | — |
| 版本 | v2、v3 撞名，命名不清 | 统一命名规则，如 Q1_v1_0910 |
| 条件 | 6000 kWh 约束被 AI 默认沿用 | 每次生成代码前核对约束清单 |
| AI 协作 | 交给 AI 后等待，缺少中间检查 | 要求输出一致性检查表 |
| 论文 | 前期手搓，后期反复压缩 | 先完整后压缩，保留版本历史 |
文献：投入产出比极低
我们花了不少时间找文献、下载、翻译，但实际建模时几乎没有真正参考。大家都倾向于把材料直接丢给 AI。下一次，文献环节应该更克制：只找少量高质量文献，让 AI 做摘要和对比，而不是追求数量和全文翻译。
版本与命名混乱
问题一出现了两个 v2，后面又出现命名仍为 v3 的新版本。平时看起来只是文件名问题，但在比赛后期，它会直接影响沟通效率。统一的版本命名和目录结构，应该从第一天就确定。
条件遗漏，过于相信AI
6000 kWh 的储能默认条件，本应只在第一问使用，却在后续问题中被代码继承。AI 没有义务记住我们的假设，它只会沿着给定材料往下写。因此，关键约束必须人工维护，并且在每次生成代码时随思路一起提供。
过于依赖AI，“感觉自己在干活”
编程手把思路丢给 AI 后，容易进入等待状态；AI 跑代码时，似乎自己也在推进，但实际上没有检查与建模思路的一致性。我也有类似情况，让 AI 改论文时，我会觉得任务已经交出去，于是刷手机或做别的事。AI 能提速，但不能替代判断。
论文前期手搓，后期反复压缩
我前期想一段段看懂、一句句改，甚至从 AI 生成的 LaTeX 中一点点复制到论文里。现在看，这非常低效。AI 其实可以更快生成整篇结构稿，人应该把精力放在摘要、假设、模型主线、结果解释和格式核对上。后期又因为 30 页限制反复压缩、扩写、再压缩，说明一开始就不该把页数锁死。
:::tip 如果能重来
- 选题确定后先写论文框架、符号表和摘要初稿。
- 每个问题开始前，把约束条件清单连同思路一起交给 AI。
- AI 生成代码后，要求输出“与建模思路一致性检查表”。
- 版本命名统一，保留文件历史，能回退就回退。
- 论文先完整后压缩，不预设 30 页硬限制。
- 每天固定一个短会，交叉检查模型、代码和论文。 :::
这次比赛最大的教训，不是我们不会用 AI，而是我们太容易把 AI 当成外包，却忘了自己仍然是负责人。下次如果还参赛，我希望我们能用更少的时间做更多有效的事，而不是在最后一天反复返工。
部分信息可能已经过时
皖公网安备34040002000580号