企业官网建设流程全解析

简介：这份LaTeX模板专为全国大学生数学建模竞赛参赛队伍设计，用于规范记录和展示AI工具的使用情况。模板提供可定制的AI模型环境，内置OpenAI、Claude、DeepSeek、通义千问等主流模型图标，覆盖问答、代码生成、数据分析等交互场景，并具备自动分页和长内容排版能力，适合撰写包含大量公式与图表的建模报告。压缩包共26个文件，包含4个tex源文件、9个模型图标png、2个PDF使用说明，以及Python脚本、Markdown说明、docx附赠资料等，约894KB，目录结构清晰，便于二次修改和团队协作。模板基于XeLaTeX引擎，对中文和复杂公式支持良好，可帮助团队节省排版时间，专注于模型构建与问题求解。目前已有104人学习，适合参赛队伍作为AI使用记录的规范模板。

1. 竞赛规则下AI使用记录正在成为硬性要求，你真的会记录吗

从2023年美赛首次明确要求提交AI使用报告，到国内多个数学建模赛事陆续跟进，AI工具使用说明已经从"可选项"变成了"必答题"。我带过好几支队伍，见过太多人在最后一天晚上手忙脚乱地补AI使用说明——有的写一段文字塞进附录，有的用聊天记录截图拼一个Word文档，格式五花八门，评委根本没法快速抓到有效信息。

你仔细想想，竞赛要求记录AI工具使用，不是为了查你有没有"作弊"，而是为了让整个建模过程可追溯、可复现。评委想知道的是：你在哪个环节用了AI，用了什么AI，你给它什么输入，它返回什么结果，你怎么判断这个结果能不能用。这些信息拼在一起，其实是一份"建模过程的透明日志"。

但很多队伍的问题恰恰出在这里：第一，记录零散，成员A记在手机备忘录，成员B记最后才抄在word里，最后根本对不上；第二，只记工具名不记使用过程，写一行"我们使用了AI进行数据分析"，等于什么都没说；第三，缺少场景维度，建模比赛里的AI使用场景差异很大——查资料、跑模型、调代码、写摘要、做排版，不同场景对应的记录字段完全不同。

这就暴露了一个关键需求：你需要一份结构化的、可定制的、能适应多人协作的AI工具使用记录方案。如果你还带着团队用Word手工排版，每次更新都要重新调格式，那我强烈建议你直接改用LaTeX模板。下面我结合这个「全国大学生数学建模竞赛AI工具使用详情LaTeX模板」，从头到尾拆一遍它的设计思路、使用方法和二次开发要点。

2. 模板核心架构拆解：模型环境、交互场景和字段设计是怎么组织在一起的

2.1 可定制AI模型环境，解决的是"工具清单不一致"问题

很多队伍不止用一个AI工具，甚至不止用一家厂商的模型。有的用ChatGPT做方案构思，用Claude帮忙读论文，用Codex生成代码，用文心一言写中文润色。这些工具背后的模型名称、版本号、访问方式都不一样，如果模板里写死几行字段，很快就会不够用。

这个模板的"可定制AI模型环境"设计，本质上是把AI工具的使用记录拆成两层：模型层和使用层。模型层维护一份"全局AI工具清单"，你只需要在模板开头定义一个列表，列出队伍用到的所有模型——模型名称、厂商/平台、版本号、访问方式（API还是网页端）、使用时间段。后面所有具体的记录条目只需要引用这份清单里的key，不用重复填写工具信息。

实际使用时你会发现这个设计非常省事。比如你们队伍一共用了5个不同的模型，其中某个模型只在第二天用了半天，你只需要在清单里对应位置填好，然后在记录正文里引用它。不需要每次记录都重新写一遍"我们用了xx模型的xx版本"，信息冗余大幅降低。

2.2 多交互场景的字段组织，决定了记录的"颗粒度"

数学建模的AI使用不是单一形态。我梳理了一下，至少有五类高频场景：

• 文献调研与信息检索：AI帮你找相关论文、总结研究现状
• 模型选择与数学推导：AI建议用什么模型、怎么建方程
• 代码实现与调试：AI生成代码、修复报错
• 论文写作与润色：AI帮忙组织语言、生成英文摘要
• 结果分析与可视化：AI帮忙做数据解读、生成图表

这五种场景要记录的信息差异很大。比如代码调试场景，核心要记录的是"报错信息-给AI的提问-AI给出的修改方案-最终是否解决"；而论文润色场景，核心是"原文片段-润色要求-润色结果-是否采用"。

模板的做法是提供一套多场景记录表，每个场景单独设计字段，而不是一刀切地用一个通用表格硬套所有场景。比如说"交互场景"这个字段，模板预设了几个类别，但你可以自己继续添加、删减。这也呼应了标题里的"支持多种交互场景"——它不是一个死板的模板，而是给你搭好了骨架，场景分类和字段都由你按需调整。

2.3 表格与自由文本搭配，保证"可读性"和"可追溯性"的平衡

纯表格记录AI使用，看起来很规整，但很多细节没法写进去；纯文本记录，信息密度低，评审翻起来太吃力。这个模板的做法是表格和自由文本混排：每次AI使用先给一行表格摘要——时间、场景、使用模型、目的；紧接着一段自由文本，详细描述你和AI的对话过程、你做的判断和调整。

这个设计很聪明。先让摘要表格承担"快速检索"的功能，评委想抽查某个环节，只要扫一遍表格定位即可；再看自由文本还原细节，判断你的AI使用是否合理、是否有实质性的工程判断。

模板还预留了“人工干预说明”字段。竞赛评审最关注的其实是"你用AI生成了一个结果，但你有没有验证它"，这个字段就是用来写"我检查了什么、我修正了什么、我为什么认为AI输出的结果是可信的"。这个点在很多队伍自己做的记录里是完全缺失的。

3. 基于XeLaTeX的编译与自动分页实操，从环境配置到常见报错

3.1 为什么用XeLaTeX编译，而不是默认的pdfLaTeX

这个模板从命名上就写明"基于XeLaT"——即XeLaTeX编译引擎。很多用过LaTeX的同学默认用的是pdfLaTeX，但这个模板必须用XeLaTeX，原因在于中文支持方案完全不同。

XeLaTeX相比于pdfLaTeX的最大优势是原生支持Unicode和系统字体。数学建模竞赛的报告肯定要写中文，如果用pdfLaTeX需要额外引入CJK宏包、配置中文字体，操作烦琐且效果不稳定。而XeLaTeX配合xeCJK宏包，可以直接调用系统字体，比如"宋体""黑体""微软雅黑"等，中英混排的体验非常自然。

你可以这样理解：XeLaTeX就像一个"自动识别语言"的排版引擎，它知道哪个字符是中文，哪个是英文，能自动切换字体和排版规则。pdfLaTeX则需要你手动告诉它"这一段是中文"，否则输出就是乱码或豆腐块。

3.2 编译环境准备：一套最省心的配置方案

我第一次拿到这个模板时，直接双击.tex文件用默认编辑器打开，编译直接报错。正确做法是先确认编译器选择是否正确。以TeXstudio为例，需要做这几步设置：

1. 打开"选项" → "设置TeXstudio"
2. "构建"选项卡下，把"默认编译器"切换为"XeLaTeX"
3. 如果使用TeXLive发行版，建议同时更新宏包，命令行运行tlmgr update --all（如果网络允许）

如果用的是Overleaf在线平台，则更简单——在菜单里找到"编译器"，选择"XeLaTeX"即可，不需要本地安装任何发行版。

模板中的.tex主文件开头，通常会有类似这样的导言区配置：

\documentclass[11pt]{ctexart} \usepackage{xeCJK} \setCJKmainfont{SimSun} % 可替换为你需要的字体 \usepackage{longtable} \usepackage{enumitem}

其中ctexart文档类已经帮你处理了大部分中文排版问题，xeCJK负责中文字体适配，longtable用于长表格跨页分页。

3.3 自动分页长内容排版是怎么实现的

"自动分页长内容排版"是这个模板的一个硬需求。AI使用记录通常条目很多，一个队伍三天比赛下来，可能产生30到50条记录，如果每条记录占用一两页，直接用普通表格排版，表格跑到页尾就会断掉或者溢出页面。

模板采用longtable环境来处理长表格的分页问题。它和tabular环境最大的不同是：longtable支持跨页断行，自动在每一页重新显示表头，不需要你手动把表格拆成多段。这在记录AI使用详情时非常重要——因为记录是逐条追加的，前期预估不了最终长度，只能靠自动分页解决。

在长文本方面，模板还用了一个技巧：把"摘要表格"和"详细描述"做成一个可重复的条目块，整个文档的主体部分其实是一个条目块的序列。每个块内部是固定结构，块与块之间可以连续排列，遇到分页边界时由LaTeX自动处理，不需要人工干预。

我在实际使用中还发现，如果单个描述段落特别长，超过一页，会导致排版失控。这里有一个小技巧：每条记录的描述部分尽量控制在300字以内，如果确实需要更多细节，拆成多个子条目记录，视觉效果和可读性都会好很多。

3.4 三分钟解决最常见的编译报错

我把这个模板给多支队伍用过，汇总了三个最高频的报错场景：

报错一：Font SimSun not found

系统里没有SimSun字体，直接改导言区的字体配置即可：

\setCJKmainfont{Noto Serif CJK SC} % Linux/macOS可用 \setCJKmainfont{Microsoft YaHei} % Windows可用

报错二：! LaTeX Error: File 'longtable.sty' not found'

缺少宏包，在TeX Live中通过包管理器安装longtable宏包，或在Overleaf的左侧文件栏检查是否上传了模板自带的.sty文件。

报错三：编译有结果但是中文全部变成空白

编译器选错了，检查是否用了XeLaTeX而不是pdfLaTeX。这个问题在本地编辑器里最常出现，因为你之前可能一直用默认编译器编译别的英文文档，系统记住了上次的设置，直接沿用到了这个模板上。

4. 定制AI模型清单和交互场景分类的两种实用做法

4.1 直接修改定义区的宏，快速完成定制

模板的定制入口一般集中在.tex文件顶部，会有一组自定义命令或变量配置。比如定义当前队伍使用的AI工具列表：

\newcommand{\toolA}{ChatGPT-4o} \newcommand{\toolB}{Claude 3.5 Sonnet} \newcommand{\toolC}{GitHub Copilot}

后面所有记录模块引用这些宏命令，后续如果换了模型，只需改这一处，全文自动同步。这就是"可定制AI模型环境"在技术落地上的具体体现。

你可能觉得这不就是个"查找替换"吗？区别大了。用宏定义后，记录条目里只存一个\toolA，而不会存死字符串。比赛过程中模型的版本可能发生变化，比如第一天用ChatGPT-4，第二天升级到ChatGPT-4o，大量引用工具名的记录会变得非常混乱。宏定义方案下，你只需要在文档末尾追加一段"模型版本变更说明"，并在宏定义区更新对应字段即可。之前的记录虽然显示的是\toolA，但通过版本变更说明可以让读者准确追溯到当时的模型版本。

4.2 通过自定义环境添加新的交互场景记录块

如果预设的几种交互场景不够用，你可以通过自定义环境来扩展。比如你想增加一个"数学公式验证"场景，可以在模板的导言区新增一个自定义块：

\newenvironment{aiFormulaCheck}[1]{ \subsection*{公式验证记录} \textbf{场景:} #1 \\ \begin{itemize} }{ \end{itemize} }

然后正文里直接写：

\begin{aiFormulaCheck}{验证梯度推导正确性} \item 原始问题: 非凸函数梯度方向是否收敛 \item 给AI的输入: 提供完整推导过程和停顿位置 \item AI输出: 补全推导，指出一处符号错误 \item 验证方式: 手动重推，并用数值梯度比对 \end{aiFormulaCheck}

这样你的记录就不是局限在预设格式里，而是可以针对自己队伍的实际工作流定制专属场景。我见过有的队伍加了"数学公式校验"场景，有的加了"英文摘要润色"场景，还有的加了"参考文献筛选"场景，效果都很好。

5. 队伍协作管理中的使用经验：版本控制、分工和展示顺序

5.1 多人同时编辑的版本同步方案，别再用微信传文件

一个队伍三个人，比赛期间同时使用AI工具，如果各自记录在本地，最后合并就是一场灾难。这个模板本身是纯文本的.tex文件，这意味着你完全可以用git做版本管理，或者用Overleaf的多人实时协作功能。

我的建议是：如果你在Overleaf上使用模板，直接开启多人协作，让三个成员同时在浏览器里编辑不同章节。Overleaf会实时同步，避免互相覆盖。如果你用本地环境，建议启用git，成员各自在自己的分支上记录，每天结束时合并到主分支。

这里有一个实践中的坑：三个成员如果同时修改同一个文件的不同片段，git在合并时大概率会产生冲突，手动解决冲突需要理解LaTeX语法，对不熟悉LaTeX的队员不太友好。更好的做法是按章分文件——主文件用\input{}指令引入三个子文件，比如ai_usage_day1.tex、ai_usage_day2.tex、ai_usage_day3.tex，每人负责各自日期的文件，冲突概率大幅下降。

5.2 展示顺序决定评委的阅读效率

AI使用记录最终要作为竞赛论文的一部分提交，展示顺序不是随便排的，建议按照"比赛时间线→建模流程"双维度排列。时间线维度保证完全可追溯，任何人可以按时间复现你们的建模过程；流程维度则帮助评委快速理解你们在问题分析、模型建立、求解计算、论文撰写四个阶段分别如何使用AI。

我实际测试过，把每个赛题阶段作为主分组，组内按时间排序，是最符合评委阅读习惯的编排方式。比如说，第一阶段"问题分析"下设几条记录，时间从第一天上午到下午排列；第二阶段"模型构建"另起一组。这种排列方式下，评委能在最短时间内定位"他们用AI做了模型构建的哪些事"。

模板标题里强调"便于协作管理"，真正落实到使用环节，关键是三个约定俗成的小规则：每天结束时20分钟统一更新记录、记录时顺手填入人工干预说明、使用工具名称前先检查宏定义是否已经添加。这三条规则坚持下来，最终汇总时你会惊讶地发现，AI使用报告几乎不需要额外整理，直接可以提交。

6. 团队记录AI使用后的复盘价值，可能比报告本身更值钱

比赛结束后，这份AI使用记录除了提交给评审，还应该留一份作为团队复盘素材。我见过不少队伍只把AI使用记录当成"应付规则"的产物，打完比赛文件就扔了，这非常可惜。

如果你想在赛后认真复盘一次建模过程，这份记录的价值比赛后总结大得多。因为它记录了当时每个决策分支里AI给出的建议、你实际选择的路径、以及你没有采纳AI建议的原因。这些东西如果不记录下来，过几天你只会记住"最后用了什么方法"，中间被淘汰的思路完全想不起来。而恰恰是那些被淘汰的思路，才是建模过程中最有价值的思考痕迹。

根据我的经验，赛后再看这份记录，你会发现自己对AI工具的依赖程度分布非常不均匀：比如可能80%的AI交互集中在代码调试和文本润色上，而对模型选择、假设设置的深度对话偏少。这个发现看起来只是"数据统计"，但反映的其实是团队在关键节点上的核心思考能力。下一次比赛前，你就可以有意地把AI用在更需要讨论的地方。

所以哪怕竞赛规则不强制要求，我也建议参赛队给每个AI交互留一份记录。这个习惯的价值不在一朝一夕，等你积累了两三次比赛的记录后再翻看，你会对整个团队的协作模式、技术短板和判断力成长有非常清晰的认知。

本文还有配套的精品资源，点击获取