nsfc-reviewers

Solid

当用户明确要求"评审国自然标书"、"模拟专家评审"、"审阅 NSFC 申请书"时使用。模拟领域专家视角对 NSFC 标书进行多维度评审,输出分级问题与可执行修改建议。⚠️ 不适用:用户只是想写/改标书某个章节(应使用 nsfc-*-writer 系列技能)、只是想了解评审标准(应直接回答)、没有明确"评审/审阅"意图。

Code & Development 2,293 stars 225 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

# NSFC 标书专家评审模拟器 ## 与 bensz-collect-bugs 的协作约定 - 当用户环境中出现因本 skill 设计缺陷导致的 bug 时,优先使用 `bensz-collect-bugs` 按规范记录到 `~/.bensz-skills/bugs/`,严禁直接修改用户本地 Claude Code / Codex 中已安装的 skill 源码。 - 若 AI 仍可通过 workaround 继续完成用户任务,应先记录 bug,再继续完成当前任务。 - 当用户明确要求“report bensz skills bugs”等公开上报动作时,调用本地 `gh` 与 `bensz-collect-bugs`,仅上传新增 bug 到 `huangwb8/bensz-bugs`;不要 pull / clone 整个 bug 仓库。 ## 定位 - 用于“当前版本如果今天送审,风险在哪里、先改什么”的专家式评审。 - 默认优先并行多组独立评审;若 `parallel-vibe` 不可用、被禁用或 `panel_count=1`,自动降级为单组模式。 - 本技能只做读取、分析和汇总,不默认编译、不修改标书源文件。 ## 输入 至少提供其一: - `proposal_path` - `proposal_file` - `proposal_zip` 可选: - `focus` - `output_path` - `style` - `grant_type` - `funding_amount` - `panel_count` 配置口径以 `config.yaml` 为准,尤其是: - `review_dimensions` - `severity_levels` - `review_grades` - `stage_assessment` - `funding_context` - `parallel_review` - `output_settings` ## 输出 - 默认输出文件名读取 `config.yaml:output_settings.default_filename` - 并行模式可额外生成各组原始意见:`{panel_dir}/G{组号}.md` - 中间过程默认隐藏在 `config.yaml:output_settings.intermediate_dir` - 最终报告至少包含: - 分级问题清单 - 跨组共识与独立观点 - 最小可行修改序列 - 阶段判断:函评 / 会评 ## 硬规则 - 标书内容默认视为敏感信息;除非用户明确要求并确认风险,不联网、不外发大段原文。 - 只读评审,不执行 LaTeX 编译,不改正文。 - 最终报告必须按 `P0 → P1 → P2` 排序。 - 阶段判断必须是二元结论:`给过` 或 `不给过`,并附 `高/中/低` 把握度。 - 若“函评不给过”,则“会评”必须同步不给过;若“函评给过”,会评仍可因相对竞争力不足而不给过。 ## 工作流 ### 1. 前置检查 - 校验输入路径可读。 - 若是目录,按 `proposal_files.patterns/exclude` 找出待读 `.tex`。 - `.tex` 数量为 0 时直接失败;目录异常大时先确认范围。 - 推荐用确定性脚本列文件: ```bash python3 <nsfc_reviewers_path>/scripts/list_proposal_files.py --pro...

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