面向 NSFC、NSSFC、各类省部级自科、社科申请书的 AI 写作技能集。从近 20 本成功申请书（管理口）中提炼写作范式，覆盖从研究设计、技术路线、立项依据到文献综述等核心撰写环节。

四个专项技能，各司其职：

每个技能自包含：独立的知识库、风格指南、反模式清单和验证规则。

四个技能构成逻辑流水线，建议按以下顺序使用：

┌──────────────────────────────┐
│  1. research-content-writer  │  研究目标 → 研究内容 → 关键科学问题
└──────────┬───────────────────┘
           │ 输出作为后续输入
           ▼
┌──────────────────────────────┐
│  2. technical-route-writer   │  研究方法 → 技术路线 → 创新特色
└──────────┬───────────────────┘
           │
           ▼
┌──────────────────────────────┐
│  3. background-writer        │  立项依据 · 研究意义（政策+数据支撑）
└──────────┬───────────────────┘
           │
           ▼
┌──────────────────────────────┐
│  4. literature-review-writer │  文献综述 + 批判性评述
└──────────────────────────────┘

为什么是这个顺序？

• research-content-writer 最先跑，因为它定义了整个研究的骨架（目标、内容、科学问题），其他所有章节都以此为锚点。
• technical-route-writer 紧随其后，因为研究方法和技术路线是申请书的执行方案，需要尽早确定。同时 background-writer 依赖技术路线作为输入（方法→现有局限的映射）。
• background-writer 依赖研究内容和技术路线做输入-背景锚定——立项依据的每一段都能追溯到具体的用户输入。
• literature-review-writer 放最后，因为它需要完整的上下文（内容+问题+方法+文献空白）才能将文献组织为服务论证的结构。

设计研究骨架：目标、内容拆解、科学问题凝练。

核心特性：

• 自适应项目类型（面上/重点/青年/省基金），不同类型对应不同的数量和字数规范
• 三级内容结构：总起大帽段 → 专题 → 孙研究内容
• 孙研究内容严格遵循 6 步语义顺序（复杂问题→现实困境→研究局限→本质矛盾→突破需求→问题落点）
• 闭环验证：研究目标 ↔ 研究内容 ↔ 关键科学问题

输入： 研究主题（+ 可选：项目类型、已有框架、分点内容） 输出： Markdown 格式的研究目标、研究内容（含帽段）、关键科学问题

将研究方法、技术路线和创新特色进行学术化表达与逻辑优化。

核心特性：

• 三种模式：从零设计 / 继承用户方法 / 优化已有草稿
• 细粒度技术路线，与研究内容三级结构对齐
• Mermaid 路线图生成
• 从内容+问题+方法中提炼创新点（6 种类型：方法/视角/理论/应用/框架/集成）
• 闭环验证：研究内容 → 研究方法 → 技术路线 → 创新特色

输入： 研究目标、研究内容、关键科学问题（+ 可选：方法草稿、参考代码、流程图草图） 输出： 研究方法 + 技术路线文字 + Mermaid 路线图 + 创新特色

撰写有政策与数据支撑的研究意义。

核心特性：

• 输入-背景锚定机制：每段背景映射到具体的用户输入（研究内容→现实困境，研究方法→现有局限，创新点→理论意义等）
• 自动化政策检索（国务院、科技部、NSFC、各主管部门等）
• 自动化数据检索（国家统计局、行业蓝皮书、权威白皮书等）
• 浮夸表达排查（禁用"首次""填补空白""国际领先"等）
• 四维度覆盖验证

输入： 研究内容、研究方法、技术路线、特色与创新、研究目标、关键科学问题 输出： 结构化立项依据文本 + 政策清单 + 数据来源清单

将文献转化为 NSFC 论证结构，而非文献摘要堆叠。

核心特性：

• 按研究内容组织文献（非时间线、非作者罗列）
• 批判性评述：4 种判断类型（方法性、数据适用性、模型解释能力、研究边界）
• 内置搜索管线：OpenAlex + Crossref + Exa + Google Scholar 四源并行
• 期刊层级过滤（优先期刊/黑名单 CSV）
• BibTeX 输出，可直接导入 Zotero
• 反模式强制检查：禁止摘要堆叠、时间线综述、文献脱节

输入： 研究主题、研究内容、关键科学问题（+ 可选：已有文献） 输出： 文献综述 + 文献评述（Markdown）+ BibTeX 引用库

搜索配置： 将 search/.env.example 复制为 search/.env 并填写以下配置项：

EXA_API_KEY=your-exa-api-key-here      # Exa 搜索 API 密钥（必需）
OPENALEX_EMAIL=your-email@example.com   # OpenAlex 邮箱（必需，用于快速池）
USE_LLM_SUPPORT=true                    # 是否启用 LLM 辅助（可选）
LLM_API_KEY=your-llm-api-key-here       # LLM API 密钥（启用 LLM 辅助时需填写）
LLM_API_ENDPOINT=https://api.example.com/openai  # LLM API 端点
LLM_MODEL=your-model-name-here          # LLM 模型名称

skills/
├── fund-research-content-writer/
│   ├── SKILL.md
│   ├── config.yaml
│   ├── knowledge_base/       # 风格指南与逻辑范式
│   └── references/           # 反模式、术语表、验证菜单
│
├── fund-technical-route-writer/
│   ├── SKILL.md
│   ├── config.yaml
│   ├── knowledge_base/       # 风格指南与组织范式（6 个文件）
│   └── references/           # 反模式、术语表、验证菜单
│
├── fund-background-writer/
│   ├── SKILL.md              # 技能定义与工作流程
│   ├── config.yaml           # 配置文件
│   ├── assets/templates/     # 写作风格指南与结构模板
│   └── references/           # 信息表、检索策略、检查清单
│
└── fund-literature-review-writer/
    ├── SKILL.md
    ├── config.yaml
    ├── knowledge_base/       # 风格指南、组织范式、映射规则
    ├── references/           # 反模式、搜索工作流、验证菜单
    └── search/               # 内置搜索管线
        ├── scripts/           # Python 搜索脚本
        ├── data/              # 优先期刊与黑名单 CSV
        ├── references/        # API 文档、数据结构
        └── .env.example       # API 密钥模板

1. 先跑 research-content-writer。 研究骨架定义得越清晰，下游章节质量越高。输入模糊，输出就模糊。

2. 尽量多提供材料。 每个技能都有信息表（references/info_form.md）列出必填和选填输入。给得越多，Agent 猜得越少。

3. 先看大纲再生成全文。 技能会先生成大纲——先审阅调整，再进入全文撰写。

4. 每个技能跑完做验证。 每个技能都有内置验证（references/validation_menu.md）和反模式检查。

5. 不要在技能之间直接复制粘贴。 技能之间设计为引用彼此的输出，但各有各的写作规范。让每个技能做自己的转换。

6. 尽可能提供 Markdown 或纯文本格式的文档（如 .md、.txt）。 如需从 PDF 中提取内容，推荐使用 MinerU 进行转换，以获得更干净的结构化文本。

• Python 3.8+（仅文献搜索脚本需要）
• 搜索文献依赖见 fund-literature-review-writer/requirements.txt