Menu
根据 NSFC 标书正文内容，结合申请代码推荐库，为你给出 5 组申请代码1/2（主/次）推荐与理由；输出到 NSFC-CODE-vYYYYMMDDHHmm.md（只读，不修改标书）
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/huangwb8/ChineseResearchLaTeX --skill nsfc-codeThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
去除 NSFC 标书中的 AI 机器味，覆盖词语、句法、段落和章节层，尤其处理伪对立、工程协议腔、规格书式字段串、术语漂移、边界声明过重和研究动作不清（不适用：非标书内容/需修改格式/需补充新内容）
当用户明确要求"做系统综述/文献综述/related work/相关工作/文献调研"，或要求使用旧名 systematic-literature-review skill 时使用。AI 自定检索词，多源检索→去重→AI 逐篇阅读并评分（1–10分语义相关性与子主题分组）→按高分优先比例选文→自动生成"综/述"字数预算→资深领域专家自由写作（固定摘要/引言/子主题/讨论/展望/结论），保留正文字数与参考文献数硬校验，强制导出 PDF 与 Word。支持多语言翻译与智能编译（en/zh/ja/de/fr/es）。
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。
Showing SKILL.md
Based on SOC occupation classification
| name | nsfc-code |
| description | 根据 NSFC 标书正文内容，结合申请代码推荐库，为你给出 5 组申请代码1/2（主/次）推荐与理由；输出到 NSFC-CODE-vYYYYMMDDHHmm.md（只读，不修改标书） |
| metadata | {"author":"Bensz Conan","short-description":"NSFC 申请代码推荐（5 组 code1/code2 + 理由，只读）","keywords":["nsfc","申请代码","基金代码","code"],"triggers":["基金代码","申请代码","NSFC 代码"]} |
| config | skills/nsfc-code/config.yaml |
本 Skill 的新任务中间文件统一写入 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/{skill名}/input|output|log/。同一任务复用一个任务根目录；多 Skill 协作才创建 shared/。正式交付物不写入该目录，历史隐藏目录只允许显式兼容读取、迁移或清理。
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。gh 与 bensz-collect-bugs，仅上传新增 bug 到 huangwb8/bensz-bugs；不要 pull / clone 整个 bug 仓库。基于标书正文内容，推荐最贴切的 NSFC 申请代码（每条推荐包含：申请代码1=主代码、申请代码2=次代码），并把结果写入 Markdown 文件（全程只读，不修改标书）。
skills/nsfc-code/references/nsfc_code_recommend.toml 的“推荐描述”，输出 5 组代码推荐与理由。.tex/.bib/.cls/.stynsfc_code_recommend.toml 的 section key（例如 A.A06.A0606）。禁止输出”看起来像代码但库里不存在”的字符串。申请代码1 与 申请代码2，并附带理由。recommend 描述中最贴合的学科方向表述。{ts}（格式 YYYYMMDDHHmm），并在工作目录下创建隐藏工作区 .nsfc-code/v{ts}/。所有中间文件（粗排结果、调试日志等）只能写入该子目录，不得散落到工作目录根层。最终只向工作目录根层交付一个文件：NSFC-CODE-v{ts}.md。优先获取以下信息：
projects/NSFC_Young/）或主 .tex 文件路径每次运行开始时，确定分钟级时间戳 {ts}（格式 YYYYMMDDHHmm），并创建本次专属工作区：
TS=$(date +%Y%m%d%H%M)
mkdir -p ".nsfc-code/v${TS}"
后续所有中间文件均写入 .nsfc-code/v{ts}/，最终交付文件写入工作目录根层。
.tex/.md/.txt；必要时包含 extraTex/）。.latex-cache/、build/ 等）。运行脚本将正文内容与每个代码的 recommend 描述做启发式相似度打分，结果写入工作区：
python3 skills/nsfc-code/scripts/nsfc_code_rank.py \
--input projects/NSFC_Young \
--top-k 50 \
--output-dir ".nsfc-code/v${TS}"
说明：
--output-dir 时，默认生成：
nsfc_code_rank.md（--format table）nsfc_code_rank.json（--format json）--input 换成具体路径。A 类），建议加过滤降低噪声：python3 skills/nsfc-code/scripts/nsfc_code_rank.py \
--input projects/NSFC_Young \
--top-k 50 \
--prefix A \
--output-dir ".nsfc-code/v${TS}"
从候选列表中选择 5 组推荐（每组 2 个代码）：
当存在不确定性时：
先用确定性脚本在工作区生成报告骨架，再由你填充内容，最后复制到根层：
python3 skills/nsfc-code/scripts/nsfc_code_new_report.py \
--output-dir ".nsfc-code/v${TS}" \
--ts "${TS}"
# 填充内容后，将最终报告复制到工作目录根层
cp ".nsfc-code/v${TS}/NSFC-CODE-v${TS}.md" ./
文件建议结构如下（可按需要微调，但必须包含 5 条推荐与理由）：
# NSFC 申请代码推荐
- 生成时间：YYYY-MM-DD HH:mm
- 输入来源：xxx（标书路径/文件列表）
- 参考库：skills/nsfc-code/references/nsfc_code_recommend.toml
## 标书内容要点（只读提炼）
- 研究对象：
- 核心科学问题：
- 主要方法/技术路线：
- 关键应用场景/系统：
- 关键词（10-20 个）：
## 5 组代码推荐（主/次）
### 推荐 1
- 申请代码1（主）：A....
- 申请代码2（次）：A....
- 理由：
...（共 5 条）
## 候选代码粗排 Top-N（可选附录）
| rank | code | score | recommend 摘要 |
|---:|---|---:|---|
| 1 | A.... | 0.123 | ... |
skills/nsfc-code/references/nsfc_code_recommend.toml