NVIDIA cuOpt 使用规范
向 AI 提供调用 NVIDIA cuOpt 做路径规划与线性/整数优化时应遵守的协作规则:先澄清需求、先确认环境、绝不自作主张装包或跑命令。
功能与用途
用 cuOpt 求解车辆路径或 LP/MILP 问题时,AI 很容易在没搞清约束和规模的情况下就生成一大堆代码,跑出来还不知道对不对。这份规则要求 AI 先问清语言接口、问题类型、约束和输出格式,把示例数据的假设逐条写明,动手前先复述一遍理解让用户确认,并且无论用户怎么说都不许代替执行 pip/conda 安装。给出结果后必须显式报出求解状态和目标值。适合已经在用 cuOpt 的人把这套规范挂到自己的 AI 助手上。
适用场景
- 团队在用 cuOpt 做配送路线优化,AI 生成的代码经常漏:团队在用 cuOpt 做配送路线优化,AI 生成的代码经常漏掉时间窗约束,想用一套规则约束它的行为
- 让 AI 帮忙写求解脚本,结果它上来就要装包跑命令,需要明确:让 AI 帮忙写求解脚本,结果它上来就要装包跑命令,需要明确划出必须先征求同意的边界
- 多语言接口混着用(有 Python 也有 REST Serv:多语言接口混着用(有 Python 也有 REST Server),希望 AI 先确认环境再动手,别默认本地装了 Python 包
适用人群
- 运筹优化算法工程师
- 使用 cuOpt 的路径规划开发者
- 车队调度系统研发
使用步骤
- 把这份规则加载到 AI 助手的系统提示或项目规则里,之后它都会按此行事。
- 提出需求时先说清语言接口、问题类型和约束,剩下缺的 AI 会主动追问而不猜测。
- AI 在写代码前会复述一遍对问题、约束、目标函数和接口的理解,确认无误再实现。
- 涉及安装或运行命令时,AI 只给出确切命令并说明用途,由你自己执行。
- 拿到结果后核对它给出的求解状态和目标值摘要,确认状态是 Optimal 或 FeasibleFound 再继续。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-18
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Base rules for end users calling NVIDIA cuOpt (routing/LP/MILP/QP/install/server). Not for cuOpt internals — use cuopt-developer for those.
使用前准备
- 需要已具备 NVIDIA cuOpt 运行环境(cuopt 包、libcuopt、cuopt-server 或 CLI),并掌握优化建模知识
依赖与权限
- 读取用户主动提供的内容