project-education-humanities-grant-alt
下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-xhtzrlnb--project-education-humanities-grant-alt.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-xhtzrlnb/project-education-humanities-grant-alt。执行科研领域“科研项目—教育部人文社科项目申报”的本地化工作流,围绕文献、数据、代码、写作产出可追溯结果;不适用于与该任务无关的通用问答。
阅读全文 (展开查看完整说明)
概述
科研项目|教育部人文社科项目申报(备选)
1. 任务定位
本 Skill 专门完成“教育部人文社科项目申报”,服务于“科研项目”工作流。清单给出的任务目标是:用于完成“教育部人文社科项目申报”任务的通用工作流。设计包含问题、假设、方法、功效分析、抽样、工具和伦理的原始研究方案。
本地设计原则:只有在首选路径不适用或存在明确差异时启用,并说明差异和代价。
2. 何时启用
当用户明确提出“教育部人文社科项目申报”,并提供研究对象、材料或可执行目标时启用。若请求同时包含多个任务,先拆分并说明本 Skill 只负责哪一部分。
3. 输入契约
- 必填:任务目标、研究对象/材料范围、期望交付物。
- 视任务需要:研究问题、方法、样本、时间范围、软件/版本、格式、伦理和版权约束。
- 若输入缺失:先列出最小缺口;可以继续的部分与待确认部分分开,不用猜测补齐事实。
4. 独立执行流程
- 先定义研究问题、分析单位、核心概念、目标参数或解释目标。
- 把样本、变量、测量、识别逻辑、分析步骤和预设检验写成可执行方案。
- 提前列出替代解释、失败条件、稳健性检验和不能由设计回答的问题。
- 提出若干可比较候选,将重要性、可行性、证据可得性和创新性分开评分。
- 把推荐方向改写成可回答的问题,并列出最小可行验证动作。
- 先做小规模试采或试填,核对字段映射、覆盖范围和许可。
- 设置失败重试、去重、抽查和停止规则,保留原始材料及日志。
- 标记个人信息、敏感数据、第三方材料、署名和知识产权环节。
- 为每项判断登记适用规则、证据、责任人、版本和整改状态。
阶段 A:界定
把用户目标转换为“对象—动作—标准—交付物”,记录范围、假设和停止条件。任何超出“教育部人文社科项目申报”的动作都作为后续建议,不自动执行。
阶段 B:处理
按上面的任务步骤执行。优先保留原始材料和中间结果;需要调用工具时记录工具、版本、关键参数、输入范围和输出位置。
阶段 C:交付
- 候选方向比较表、推荐方案、风险和验证清单。
- 字段字典、来源清单、采集日志、失败样本和质量报告。
- 合规核对表、证据索引、风险等级和整改建议。
5. 质量门禁
- 研究问题、设计、数据和结论强度相互匹配。
- 关键假设、测量误差、样本限制和风险均有记录。
- 另一位研究者可以根据交付物复核设计决策。
- 候选方向有选择理由、主要风险和下一步验证动作。
- 覆盖率、失败率、抽查准确率和潜在选择偏差已有说明。
- 无法确认的合规结论标记为待核验,不输出确定性判断。
- [ ] 所有核心结论都能回到输入材料、计算结果或明确标记的推断。
- [ ] 关键数字、术语、版本、路径、引用和格式已抽查。
- [ ] 原始材料、中间处理、最终交付物之间可相互追踪。
- [ ] 没有未经授权的上传、发送、发布、安装、删除或账号操作。
6. 工具与失败处理
本地工具选择原则:根据当前环境的可用能力和任务约束选择工具,不依赖原始来源的实现或命令。
- 工具不可用:说明影响,切换到可验证的替代方法,并记录差异。
- 数据不足、格式错误或结果冲突:保留错误样本,输出缺口和修复建议,不伪造完成。
- 外部联网、第三方材料或敏感数据:先确认权限、来源、许可和最小化范围。
- 需要写入文件时:使用稳定文件名,保留版本和来源记录;仅写入用户指定范围。
7. 本地化边界
本文件是独立设计的执行契约;最终包不包含第三方源文件、第三方代码或第三方运行指令。来源审计信息留在工作区归档中,不作为本 Skill 的运行指令。
8. 场景化验证
本 Skill 的验证场景与执行记录保留在项目工作区,不随最终 Skill 包提供。
- 正常场景:围绕“教育部人文社科项目申报”执行完整流程,输出结果、依据、限制和下一步。
- 输入不完整:先列出最小信息缺口,区分可继续部分与待确认部分,不猜测补齐事实。
- 请求越界:识别上传、删除、账号操作或其他超出本 Skill 边界的动作,停在准备或建议阶段。
角色要求:备选。真实模型对话仍需在实际使用中执行并记录,不以静态检查代替效果验证。