| name | nsfc-justification-writer |
| description | 当用户明确要求"写/改 NSFC 立项依据""立项依据写作/重构"时使用。基于最小信息表输出价值与必要性、现状不足、科学问题/假说与项目切入点，并保持模板结构不被破坏。适用于 NSFC 及各类科研基金申请书的立项依据写作场景。 |
| author | Bensz Conan |
| metadata | {"author":"Bensz Conan","short-description":"科研立项依据写作/重构","keywords":["nsfc-justification-writer","立项依据","科学问题","假说","国内外现状","LaTeX"],"triggers":["nsfc-justification-writer","立项依据","研究意义","为什么要做","国内外现状","现有不足","切入点"]} |
| references | references/ |
| config | config.yaml |
科研立项依据写作器
目标输出（契约）
- 唯一写入落点：
extraTex/1.1.立项依据.tex
- 禁止改动：
main.tex、extraTex/@config.tex、任何 .cls/.sty
- 写作目标：把"为什么要做"讲清楚，并为
（二）研究内容 铺垫"科学问题/假说与切入点"。
- AI 依赖：默认使用运行环境提供的 Claude Code / Codex 原生智能（无需配置任何外部 API Key，AI 不可用会自动回退到硬编码能力）
- 理论创新导向（默认）：优先关注科学问题/假说的可证伪性、理论贡献的清晰性、验证维度的完备性（详见 theoretical_innovation_guidelines.md）
- 写作导向可配置：在
config.yaml 中用 style.mode=theoretical|mixed|engineering 切换（默认 theoretical）
必需输入（最小信息表）
推荐：用脚本快速生成信息表（并可交互填写），见 scripts/run.py init。
工作流（按顺序执行）
- 定位项目与目标文件：确认
project_root，读取并仅编辑 extraTex/1.1.立项依据.tex。
- 抽取现有骨架：若文件已有
\subsubsection 等小标题，优先保留骨架，仅替换正文段落（除非用户要求重构层级）。默认不强制标题精确匹配（strict_title_match=false），更关注“内容维度是否覆盖”。
- 渐进式写作引导（主推）：先骨架→再段落→再修订→再润色→再验收（避免一步到位压力）
- 使用
scripts/run.py coach --stage auto 自动判断当前阶段并给出“本轮只做三件事 + 需要你补充的问题 + 可复制提示词”
- 每轮只改一个
\subsubsection 的正文，配合 apply-section 安全写入并自动备份
- 生成“立项依据”主叙事（建议 4 段闭环，AI 会检查内容维度覆盖而非死盯标题）：
- 价值与必要性：痛点→影响范围/成本→为何现在必须做。
- 现状与不足：主流路线/代表性工作→2–4 个明确不足（尽量可量化/可验证）。
- 科学问题/科学假设：1–3 个科学问题（疑问句，非研究目标，约束与瓶颈一一映射）+ 1 句科学假设（陈述句，预测性结果，不写验证方式；覆盖关键约束并给出应对策略）。
- 本项目切入点与贡献：本项目相对现有工作的“差异化切口”，并用 1 句过渡到研究内容。
- 可核验性与引用守护：
- AI 语义识别“可能引起评审不适的表述”（绝对化/填补空白/无依据夸大/自我定性），并给出改写建议；硬编码高风险词仅作提示，不做机械阻断。
- 不写“国际领先/国内首次”等不可证明表述；需要对外部工作举证时，先让用户提供 DOI/链接（或可核验题录信息），补齐
references/*.bib 后再写 \cite{...}。
- 跨章节一致性检查：检查术语/缩写/指标口径是否能与
2.1 研究内容 对齐；必要时列出需用户确认的 3–5 个关键名词与指标。
- 目标字数解析：优先解析用户意图/信息表中的“字数”/“±范围”/区间描述；无显式指示时再使用配置兜底。
- 第三方约束预警（瘦身提质）：在
diagnose/review/coach 输出中提示：
- 立项依据建议 6-10 页（推荐 6-8 页，仅做经验估算预警）
- 建议 8000-10000 中文字符（与页数联动的兜底区间）
- 建议 30-50 篇核心文献（按去重
\cite{} keys 统计，避免凑数堆砌）
- 开篇约 300 字 尽量直击核心（卡点/局限 → 为什么难 → 本项目突破式切入；启发式检查）
配置校验与大文件支持（可选）
- 配置校验：
python scripts/run.py validate-config
- 大文件 Tier2：
diagnose/review --tier2 --chunk-size 12000 --max-chunks 20（支持 tests/_artifacts/cache/ai 缓存；超大文件会优先使用流式分块以降低峰值内存；用 --fresh 强制重算）
- 说明：本仓库脚本层不会“默认直连外部大模型”；AI 能力是否可用取决于运行环境是否注入 responder（不可用会自动回退到硬编码能力）
- 相关设计说明：
- 内容维度覆盖检查：
references/dimension_coverage_design.md
- "可能引起评审不适的表述"判别与改写：
references/boastful_expression_guidelines.md
- 理论创新导向写作指南：
references/theoretical_innovation_guidelines.md（含方法学术语误用警示）
- 方法学术语误用对比示例：
references/methodology_term_examples.md
Prompt 模板可配置化（可选）
config.yaml / preset.yaml / override.yaml 的 prompts.* 支持两种形式：
- 文件路径：如
assets/prompts/tier2_diagnostic.txt（兼容旧路径 prompts/）
- 直接写多行 Prompt：在 YAML 中用
| 写入多行文本（适合不同领域改侧重点）
也支持按 preset 变体覆盖：例如当 --preset medical 时，可提供 prompts.tier2_diagnostic_medical。
推荐 \\subsubsection 标题与内容映射
说明：模板与 config.yaml 默认推荐 4 个 \\subsubsection 标题（structure.recommended_subsubsections），而“4 段闭环”是内容叙事逻辑。为避免用户困惑，推荐按下表映射写作：
\\subsubsection 标题 | 对应叙事段落 | 核心写作要素（理论创新导向默认） |
|---|
| 研究背景 | 价值与必要性 | 理论空白/认知缺失→为何现在必须做（理论驱动） |
| 国内外研究现状 | 现状与不足 | 主流路线→理论局限性（假设过强/框架不统一/因果缺失/界不紧） |
| 现有研究的局限性 | 科学问题/科学假设 | 关键瓶颈→科学问题（疑问句，约束映射）→科学假设（陈述句，预测性结果）→验证维度（理论证明/定理/数值验证） |
| 研究切入点 | 本项目切入点与贡献 | 理论差异化切口（新表征/方法学/统一框架）→承上启下到 2.1 研究内容 |
如用户确需改小标题：建议仍保持 4 段结构，并先统一标题骨架（见 assets/templates/structure_template.tex）；结构检查不再机械匹配标题，但仍要求至少 4 个小节。
关键能力
用于“先诊断→再生成→再安全写入→再验收”的闭环：
AI 功能清单（可选增强）
| 功能 | 是否需要 AI | Fallback 行为 |
|---|
| Tier1 诊断（结构/引用/字数/高风险示例/危险命令） | ❌ | N/A |
| 内容维度覆盖检查 | ✅ | 启发式关键词检测（兜底） |
| 吹牛式表述识别（语义） | ✅ | 不阻断；仅依赖 Tier1 高风险示例提示 |
| 术语一致性（语义） | ✅ | 仅输出硬编码矩阵（terminology.dimensions） |
| AI 示例推荐（带理由） | ✅ | 关键词/类别启发式匹配 |
| AI 阶段判断（coach --stage auto） | ✅ | 硬编码阈值规则 |
| Tier2 深度诊断（diagnose --tier2） | ✅ | 跳过（仅输出 Tier1） |
AI 是否可用取决于运行环境是否注入 responder；可用 scripts/run.py check-ai 自检。
- Tier1 硬编码诊断：结构（≥4 个
\subsubsection）/引用键是否存在于 .bib/DOI 缺失与格式异常提示/字数统计/高风险表述提示与危险命令扫描
- 第三方约束预警（硬编码）：预估页数（经验估算）/核心文献数量（去重 cite keys）/开篇 300 字“卡点+突破”信号检查（启发式，默认不阻断写入）
- 内容维度覆盖检查（AI）：不依赖标题用词，检查“价值与必要性/现状与不足/科学问题/切入点”是否被覆盖
- 吹牛式表述识别（AI）：识别绝对化/填补空白式/无依据夸大/自我定性，输出改写建议
- 跨章节一致性矩阵：基于
config.yaml 的 terminology.dimensions（研究对象/指标/术语）做跨章节一致性提示
- AI 术语一致性（可选）：当 AI 可用且
terminology.mode=auto/ai 时，额外给出语义视角的“同义词/缩写混用”检查与修改建议（不可用则仅输出矩阵）
- 安全写入工具：按
\subsubsection{...} 精确定位并替换正文，写入白名单文件 + 备份（产物放在 tests/_artifacts/runs/，由 config.yaml:workspace.runs_dir 控制）
- 写入前质量闸门（可选）：
apply-section --strict-quality 仅对“本次新增正文”做高风险词/危险命令扫描；若 AI 可用则叠加“吹牛式表述”语义阻断，避免被历史遗留内容卡死
- 评审建议生成器：基于 DoD + 诊断结果输出“评审人会问什么 + 怎么改”（
scripts/run.py review）
- 可视化 HTML 诊断报告：快速定位问题（
scripts/run.py diagnose --html-report auto）
- 版本 diff/回滚：基于 runs 备份做差异查看与一键回滚（
scripts/run.py diff/rollback）
- 示例推荐：从
assets/examples/ 读取 *.metadata.yaml 关键词，辅助按主题匹配参考骨架（scripts/run.py coach --topic ... / scripts/run.py examples）
- AI 示例推荐（可选）：当 AI 可用时，优先进行语义匹配并给出“推荐理由”（不可用则回退到关键词/类别启发式）
- AI 阶段判断（可选）：coach 在
--stage auto 时，可用 AI 综合字数/结构/质量状态推断“skeleton/draft/revise/polish/final”，AI 不可用时回退到硬编码阈值
- 配置覆盖与预设：支持
--preset medical/engineering 与 ~/.config/nsfc-justification-writer/override.yaml 覆盖术语维度等参数（需要时可用 --no-user-override 关闭）
脚本入口：scripts/run.py（用法见 scripts/README.md）。
systematic-literature-review 集成（可选）
本技能支持只读访问 systematic-literature-review 生成的文献综述目录，便于引用已有的研究现状内容。
识别标准
目录满足以下任一条件时，自动识别为 systematic-literature-review 生成的目录：
- 存在隐藏文件夹
.systematic-literature-review，且包含 {主题}_review.tex 和 {主题}_参考文献.bib/references.bib 文件（运行中的 pipeline）
- 存在典型的文件组合：
{主题}_review.tex + {主题}_参考文献.bib/references.bib + {主题}_工作条件.md（已完成的输出目录）
- 存在同名的
{主题}_review.tex 和 {主题}_参考文献.bib 文件（基于文件名前缀匹配）
只读访问约束
对 systematic-literature-review 生成的目录：
- 只读模式：仅读取
.tex 和 .bib 文件内容
- 禁止写入：不会修改目录中的任何文件
- 引用验证：自动验证
.tex 中的引用与 .bib 中的定义是否一致
使用场景
- 用户要求引用已有的文献综述内容
- 需要从系统综述中提取研究现状信息
- 想要确保引用的一致性
核心功能
- 目录检测：
detect_slr_directory(path) 判断是否为 systematic-literature-review 目录
- 目录分析：
analyze_review_directory(path) 返回目录结构信息
- 引用验证：
validate_citation_consistency(tex_path, bib_path) 检查引用一致性
- 内容提取：从
.tex 和 .bib 文件中提取关键信息
实现见：scripts/core/review_integration.py
验收标准（Definition of Done）
变更记录
- 本技能不在本文档内维护变更历史；变更记录见：
- 技能级：
skills/nsfc-justification-writer/CHANGELOG.md
- 项目级（强制同步）：仓库根目录
CHANGELOG.md
- 版本号以
config.yaml（skill_info.version）为唯一真相来源，避免口径分散。
