nsfc-justification-writer

Featured

当用户要求写作、重构、审查或润色 NSFC/科研基金申请书的立项依据、研究意义、国内外现状、科学问题或科学假设时使用。以语义论证和可核验性为核心,支持任意文件名、标题命令和 LaTeX 结构;默认全自动完成诊断、成稿、校正、备份和写入,不向用户发起中途确认或审核问题。

Data & Documents 2,828 stars 265 forks Updated yesterday MIT

Install

View on GitHub

Quality Score: 89/100

Stars 20%
100
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# 科研立项依据写作器 ## 流程 ### 输入 按用户请求和配置文件提供必要输入;缺失信息应明确列出并停止依赖该输入的步骤。 ### 执行步骤 - 本 skill 设计缺陷导致 bug 时,按 `bensz-collect-bugs` 记录到 `~/.bensz-skills/bugs/`,不要改用户本地已安装 skill;可用 workaround 时先记录再继续。 - 仅用户明确要求公开上报时,才用本地 `gh` 通过该 skill 上传新增 bug 到 `huangwb8/bensz-bugs`;不 pull/clone 整仓库。 1. 先写领域价值/必要性与已有证据,再将瓶颈转成待解释的关系、机制、性质或边界。 2. 科学问题用疑问句追问认知缺口;假设用可证伪陈述句预测结果。研究目标、路线、验证终点不冒充问题/假设。 3. 假设前以事实、文献和缺口为主;干预、比较、终点、路线放在假设后。外部文献的方法描述可作证据,不等于本项目方案前置。 4. 切入点/贡献无需固定标题或段数;理论、混合、工程导向只改变措辞与证据重心,不是通过门槛。 5. 逻辑与引用检查后必须读取 `references/tier2_semantic_review.md`,由当前宿主 AI 直接执行 Tier2 语义检查。由宿主 AI 自主规划术语、论证维度和可读性,输出“位置/障碍/影响/保真改法”。检查长句层级、指代、缩写/新概念、抽象名词、衔接和无效修饰;不科普化或因必要限定强改。 6. 可读性改写须保留已核验事实、对象、限定、问题/假设、引用、标签和 LaTeX 结构;无法保真保留原句并记录风险,不补事实/证据。 措辞边界:吹牛式、绝对化或无依据夸大由宿主 AI 按 `references/boastful_expression_guidelines.md` 语义复核并归入逻辑/表达建议;Python 只做路径、结构命令、引用 key 等确定性检查,不用固定词表判定。 1. 读取目标文件和上下文;目标缺失时自动追踪 `main.tex`,按确定性优先级选择候选,必要时创建白名单内的默认正文文件。 2. 检查问题—假设—证据—研究内容闭环及引用 key;随后必做 Tier2,结果分为“事实问题、逻辑问题、表达建议”。 3. 完成检查后自动复核专业可读性;`polish` 先在内部锁定事实/逻辑/引用,再做受约束精修,不向用户提问。 4. 自动生成完整正文或 unified diff;发现结构命令变化时自动回退为正文-only 提案并重试。 5. 通过白名单、引用和质量检查后自动写入;写入前备份,写入后展示 diff、假设与回滚入口。 6. 字数与引用检查可独立运行;流程不绑定固定标题或维度清单。 - `scripts/run.py preview`:自动生成 diff 并按 `guardrails.output_mode` 写入;需要只读检查时显式加 `--dry-run`。 - `refs`、`wordcount`:独立引用/字数工具;术语、论证维度和可读性由 Tier2 宿主 AI 规划。 - `diagnose`���仅执行 Tier1 确定性诊断,并提示宿主 AI 读取 `references/tier2_semantic_review.md`;不主动调用模型、不生成 Tier2 fallback 结论。 - `coach`、`review`:主流程必须包含由宿主 AI 直接执行的 Tier2 语义检查。吹牛式/绝对化风险按参考准则由 AI...

Details

Author
huangwb8
Repository
huangwb8/ChineseResearchLaTeX
Created
2 years ago
Last Updated
yesterday
Language
Python
License
MIT

Similar Skills

Semantically similar based on skill content — not just same category