Skills Plugins MCP Prompt Model 博客 我的中心

nsfc-length-aligner

基于国自然标书篇幅预算标准;检查目标标书篇幅并总结差距;给出针对性优化建议;在尽量不改变原意的前提下扩写/压缩到达标。

DeepseekModel 官方收录技能 质量 优秀 · 90 v1.0.0

获取

https://deepseekmodel.com/api/download.php?id=huangwb8-chineseresearchlatex-skills-nsfc-length-aligner-skill-md&format=skill
下载 .skill 标准格式,含 system_prompt 与 model_config,导入任意 Agent 框架即可使用
.skill 文件中 system_prompt 字段的实际内容。
name nsfc-length-aligner description 基于国自然标书篇幅预算标准;检查目标标书篇幅并总结差距;给出针对性优化建议;在尽量不改变原意的前提下扩写/压缩到达标。 metadata {"author":"Bensz Conan"} nsfc-length-aligner 适用场景 你有一份国自然标书,想快速判断是否“某些部分偏短/偏长” 你需要按模板的硬性篇幅要求(页数/字数/字符数)对齐 你希望尽量不改变原意地扩写或压缩(保持论证主线与证据链) 不适用场景 仅需要“统计字数”而不关心预算与改写闭环(可用更简单的脚本即可) 标书不在本地(无法提供文本/文件/路径) 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 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。 目标:把“篇幅”从主观感觉变成可量化、可闭环的指标,并围绕预算(budget)指导扩写/压缩。 锁定隐藏工作区(先做) 以标书工作目录为根,统一使用 <workdir>/.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/nsfc-length-aligner/ 托管所有中间文件与报告 不要把 length_report.* 、临时分析稿、计划文件写到工作目录根层或仓库其他位置 若显式传入 --out-dir ,优先使用相对路径 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/nsfc-length-aligner ;脚本会将 相对 --out-dir 解析到 --input 对应的工作目录,而不是 shell 当前目录 若工作目录本身不可写,应先切换到可写副本后再运行;不要为了省事把中间文件散落到项目外部 需求确认(预算口径) 先确认你要对齐的“硬标准”是什么: 2026 调研共识的“黄金比例”(面上/青基 C 类,供校对用):立项依据 30%(6–10 页,约 8000–10000 字)/ 研究内容 50%(12–15 页,约 12000–15000 字)/ 研究基础 20%(5–8 页,约 5000–6000 字);合计建议 ≤28 页留缓冲(原则上不超过 30 页) 页数(硬约束) :2026+ 改版后“原则上不超过 30 页”,实操建议 ≤28 页留缓冲;不要通过缩小字体/行距“挤页数” 字符预算(代理指标) :中文字符 / 总字符等,用于“改写→复检”的确定性闭环(页数最终以 PDF 复核) 预算范围:总篇幅 + 各部分/关键章节预算(至少覆盖:立项依据/研究内容/研究基础) 说明:本 skill 默认使用 config.yaml:length_standard 的 示例口径(已对齐 2026 调研建议) 。你应按当年指南/模板校对后再使用。 运行篇幅检查(确定性) 对目标标书目录(或单文件)运行检查脚本,生成报告: python3 scripts/check_length.py --input <目标标书路径> --config config.yaml 如需显式声明输出目录,请使用: python3 scripts/check_length.py --input <目标标书路径> --config config.yaml --out-dir .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/nsfc-length-aligner 如果你的标书基于 NSFC_Young / NSFC_General 模板(项目根目录包含 main.tex ),建议把 --input 指向项目根目录:脚本会自动沿 main.tex 的 \input/\include 依赖树收集“实际会编译进 PDF 的文件”,并忽略被注释掉的 \input{...} (避免把可选章节误计入篇幅)。 如果你已编译出最终 PDF(推荐;页数是硬约束),把 PDF 一并传入做页数统计: python3 scripts/check_length.py --input <目标标书路径> --config config.yaml --pdf <标书.pdf> 输出: 控制台摘要(总篇幅、超/欠预算项) <input>/.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/nsfc-length-aligner/length_report.md (默认输出目录;可用 --out-dir 自定义) <input>/.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/nsfc-length-aligner/length_report.json (默认输出目录;可用 --out-dir 自定义) 注意: --out-dir 若使用相对路径,会被解析到 <input> 对应的工作目录下;这能避免从其他目录启动命令时把报告误写到 shell 当前目录。 运行完成后, 必须 读取 length_report.md (必要时辅助读取 length_report.json ),将“文件级偏差表 +(可选)章节级统计”作为步骤 3 的输入。 解读差距(差在什么地方) 基于报告做 3 件事: 定位“超长/偏短”的文件或章节 判断差距属于: 证据链不足(需要补数据/对照/局限) 逻辑跳跃(需要补过渡/定义/假设) 冗余重复(需要合并/删减) 生成行动清单(扩写/压缩的优先级) 章节级数据用法(更精准定位): 若 length_report.md 出现章节表格(或 JSON 中存在 sections 字段),优先在“超长/偏短”的文件内,定位到贡献最大的具体章节,再做定点改写,而不是只在文件级做平均删改 当某个文件超长/偏短时:对比其章节统计,若差距主要集中在 1–2 个章节,优先只改这 1–2 节(更容易保持原意与结构稳定) 参考: references/MEANING_PRESERVING_REWRITE_RUBRIC.md 扩写/压缩(尽量不改变原意) 扩写策略(偏短时) 先补“可验证信息密度”:定义、假设、对照、消融、风险与备选方案 再补“论证闭环”:为什么做 → 怎么做 → 预期怎么验证 → 失败怎么办 避免空泛扩写:不引入新主张、不堆形容词 压缩策略(偏长时) 去重复:同一论点只保留一次最强表达 去背景:把泛背景压成 1-2 句,把篇幅留给“问题-方法-验证” 结构化改写:把长段拆成要点(不改变事实顺序) ⚠️ 改写完成后, 必须执行步骤 5 复检 ,确认偏差已消除。未复检视为未完成。 用法(把“静态建议”变成“按差距触发”): 先看报告里对应文件的偏差 delta : +N 表示超长(优先“该瘦”); -N 表示偏短(优先“该厚”); OK 表示该部分无需为了预算而改动 delta 的绝对值越大,越优先处理;处理顺序建议:先改 |delta| 最大的文件,再做次大项 立项依据(为什么做): 该瘦:教科书式科普、泛化综述、弱相关“国家需求”铺陈、重复意义、文献凑数 该厚:Gap(卡点)→ Key Idea(突破口)→ 价值论证(为什么值得做) 研究内容(做什么/怎么做): 该瘦:重复表述、过细操作细节、罗列式方法堆砌 该厚:逻辑框架、关键实验设计与对照/消融、预期结果与可验证指标、用图说话 研究基础(为什么你能做): 该瘦:无关成果堆砌、过度铺垫背景 该厚:强相关预实验数据、核心技术能力、平台条件(与研究内容对位) 复检闭环 改完必须再次运行脚本,确认“达标且不超标”: python3 scripts/check_length.py --input <目标标书路径> --config config.yaml 不缩小字体、不缩小行距来“挤页数”(页数要求是评审风险点) 不顶格写到 30 页:建议 ≤28 页留缓冲 若当年指南要求声明生成式 AI 使用情况:务必按要求如实说明(合规项) 输出 报告以“文件级 +(可选)章节级”呈现 预算以 config.yaml:length_standard 为唯一真相来源 中间文件统一托管到 config.yaml:output_settings.intermediate_dir (默认 .bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/nsfc-length-aligner ) 所有改写应遵循“最小改动、保持原意”的准则(见 references) 输出管理 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。 校验 完成后执行 Skill 已有的静态检查、脚本验证或人工复核,并记录通过标准。 失败与恢复 保留错误证据和已完成产物;仅在输入、环境或外部依赖恢复后从最近的失败步骤重试。 约束 遵守以下公共约束,并执行本 Skill 的专属边界。 公共硬约束 任务需要落盘时,使用唯一的 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/ 根目录;共享材料放入 shared/ ,Skill 专属材料放入该 Skill 的 input/ 、 output/ 、 log/ 。 正式交付物、源代码和正式计划按项目约定保存,不写入任务工作区;未经授权不覆盖、删除、迁移或远程写入。 项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要;BAC 只做过程审计,不替代署名、责任或合规判断。 不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。 文件路径必须规范化并限制在授权项目范围内;外部 URL、子进程和网络访问遵循最小权限,防止路径遍历、SSRF 和命令注入。 Skill 版本唯一记录在自身 config.yaml:skill_info.version ;公开 API、协议、目录或配置变更同步文档与 CHANGELOG.md 。 仅将 Skill 或 Bensz 基础设施本身的设计缺陷交给 bensz-collect-bugs ;先脱敏写入 ~/.bensz-skills/bugs/ ,当前任务不中断,只有用户明确要求才公开上报,禁止直接修改用户已安装的 Skill 源码。 Skill 专属约束 不得超出本 Skill description 和上方流程所声明的范围;不将未验证的信息伪装成确定结论。
Agent 识别该技能的关键词,点击任意一个即可复制。

该技能未提供触发词。

下载的 .skill 包内含以下字段。
字段 说明
format格式标识(skill/v1)
skill_id技能唯一 ID
name技能名称
version版本号
description技能描述
category所属分类(数组)
trigger_words触发词列表
tags标签列表
source来源标识
source_url来源链接(本页地址)
exported_at导出时间(每次下载生成)
system_prompt系统提示词正文
model_config模型参数:provider / model / temperature / max_tokens / top_p
examples示例
install_guide各平台导入说明(Coze / Dify / Claude / 自定义框架)
同一份技能可按不同平台格式导出。
.skill 标准格式,含 system_prompt 与 model_config,导入任意 Agent 框架即可使用 下载
.skillpro 增强格式,额外含脚本 / 工具 / 依赖 / 钩子占位 下载
.json 纯 JSON 导出,只含 system_prompt 与模型参数 下载
Coze 带 frontmatter 的 Markdown,Coze 平台导入用 下载
Dify Dify DSL,创建应用后直接导入 下载

每日精选 Skill 推荐,免费送到你邮箱

输入邮箱,每天接收一个精选 AI Agent 技能推荐。完全免费,持续更新。

提交后我们会发送一封确认邮件,点击邮件里的链接才会开始收信。

完全免费,取消任意时间。我们不会发送垃圾邮件。