Write Grant Proposal logo

Write Grant Proposal

Community
sh2001sh
write-grant-proposal

Use when writing, revising, or reviewing Chinese grant proposals and technical application documents, including industry-university-research fund applications, NSFC-style proposals, enterprise challenge proposals, research contents, technical routes, innovation points, milestones, assessment indicators, expected deliverables, and scenario-specific technical narratives.

Overview

Publishersh2001sh
Repositorywrite-grant-proposal
Skill namewrite-grant-proposal
Stars
54
Forks
6
Bundled files
2
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • 2 bundled files

    Scripts, templates, and references the model can read while it works. Files are read-only and never executed.

  • Open source

    Published by sh2001sh on GitHub. Read the source before you install it.

Installation

Install the Write Grant Proposal AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/sh2001sh/write-grant-proposal/tree/main
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/sh2001sh/write-grant-proposal.git \
  .claude/skills/write-grant-proposal
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Write Grant Proposal in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Write Grant Proposal on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Write Grant Proposal is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

写本子技能

适用:产学研基金申请书、自然科学基金申报书、企业揭榜方案、专项申报书、技术实施方案。

核心目标:把用户提供的申报指南、申请书模板、草稿、大纲和材料,转化为场景贴合、结构完整、指标可验收的正式申请书文本。写作时只使用从优秀申请书中抽象出的结构规律、论证规律和句法规律,不复用任何具体项目内容、项目名称、专有场景或原文表达。


强制执行流程

写本子必须按流程推进,不能拿到材料后直接写正文。每个本子的模板、章节顺序、字数限制、表格字段和评审关注点都可能不同,必须先解析模板,再决定写法。

  1. 读模板:提取章节结构、标题层级、填写要求、字数限制、表格字段、附件要求和不可改动内容。
  2. 读指南:提取研究方向、申报边界、考核指标、交付成果、时间周期、经费和限制条件。
  3. 定方法:根据模板和指南确定写作模式、技术主线、研究内容分解、方法命名规则和指标映射规则。
  4. 写大纲:先产出完整章节大纲,明确每一节写什么、对应哪个指南要求、需要哪些素材、是否有待补信息。
  5. 填内容:按冻结后的大纲逐节写作,先写骨架性章节,再写研究内容和技术路线,最后补指标、成果、进度和支撑条件。
  6. 全文自检:检查模板完整性、内容一致性、标题一致性、指标一致性、术语一致性、主语一致性、字数格式和脱敏安全。
  7. 修订收口:根据自检结果统一改标题、术语、方法名、指标、成果和交叉引用,形成可提交版本。

除非用户明确要求只写某一小节,否则每次承担完整本子写作或大段修订时,都要先给出“模板解析 + 方法体系 + 大纲”,再进入正文填充。


第0步:读取输入材料

在写任何内容之前,先读取用户提供的基础材料:

  1. 申报指南:提取课题方向编号、研究内容要求、考核指标、经费限制、软硬件限制、交付要求和格式约束。
  2. 申请书模板:确定各节标题名称、顺序、层级、字数限制和表格格式。不同模板节名可能不同,必须严格按模板来。
  3. 当前大纲或草稿:识别用户已有框架、技术主线、已有表述、缺口和冲突。
  4. 补充材料:读取用户提供的技术方案、团队基础、已有成果、数据来源、应用场景和验收条件。

材料读取原则:

  • 先读申报指南和申请书模板,再读用户草稿,最后读补充材料。
  • 模板和指南的章节名、指标、交付要求优先级最高;草稿内容必须服从指南和模板。
  • 如用户提供了过往文本,只抽取其章节组织、标题命名、论证节奏、句法结构和指标组织方式,不迁移具体领域内容、项目名称、数据、机构信息或原文句子。
  • 若材料不足以确定关键事实,不编造项目背景、指标阈值、团队成果或外部数据;用占位符标注待补信息。

模板解析必须输出:

  • 章节清单:按模板原顺序列出一级、二级、三级标题。
  • 填写要求:记录每节需要回答的问题、字数要求、表格字段和格式限制。
  • 结构约束:标出不可删改的固定标题、必须保留的表格、附件或签章信息。
  • 内容映射:标出每节对应指南中的哪个要求、哪个指标或哪个成果。
  • 缺口清单:列出当前材料缺失的信息,避免后续正文凭空补写。

本步输出:课题核心要求摘要 + 模板章节结构表 + 指南要求映射表 + 现有草稿骨架 + 待补信息清单。


第0.5步:确定写作模式和方法体系

先判断本轮任务属于哪一类申请书,再选择章节重心和语气。然后根据指南与模板确定全文方法体系。不要把不同类型申请书的写法混在一起。

写作模式适用场景章节重心语气要求
产学研/专项模式高校产学研创新基金、专项申报、横向项目需求分析、研究内容、技术路线、考核指标、预期成果问题导向、工程可落地、指标可验收
自然科学基金/大项目模式自然科学基金、联合基金、重点项目、重大项目科学问题、研究目标、研究内容、关键技术、创新点、可行性科学问题清楚、技术机制充分、创新性突出
企业揭榜/方案模式揭榜挂帅、企业技术方案、平台申报业务痛点、总体方案、实施路径、验收方法、交付物场景强绑定、交付明确、风险可控

人称与主语规则:

  • 概述、研究目标、创新点、预期成果等正式章节,可按模板使用"本项目""本课题""本研究",但同一章节保持一致。
  • 技术路线展开段可使用"我们",用于增强方案推演感和执行感。
  • 不要在同一段中频繁混用"本项目/本课题/本研究/我们/本文"。

方法体系必须先定后写:

  • 总技术主线:用一句话说明全文围绕什么核心问题、采用什么总体路径、形成什么能力。
  • 研究内容分解:确定研究内容的大项和子项数量,确保能覆盖指南要求。
  • 方法命名规则:先统一方法名风格,避免正文中同一方法出现多个名称。
  • 标题对应规则:确定哪些章节标题必须一一对应,例如研究内容标题与技术路线标题。
  • 指标映射规则:确定每个研究内容对应哪些考核指标、预期成果和验证方法。
  • 术语表:列出全文必须统一的关键术语、对象名称、系统名称、模型名称和成果名称。

本步输出:写作模式 + 章节重心 + 主语规则 + 总技术主线 + 研究内容分解表 + 方法命名表 + 指标映射表 + 术语表。


第0.8步:写大纲并冻结结构

正文填充前必须先写完整大纲。大纲不是目录复制,而是把模板章节、指南要求、方法体系和材料缺口组织成可执行写作蓝图。

大纲必须包含:

  • 模板原始章节标题:保持模板标题、顺序和层级不变。
  • 每节写作任务:说明该节要回答什么问题,承担什么论证功能。
  • 核心内容要点:列出该节需要写入的技术点、场景点、指标点、成果点。
  • 材料来源:标出该节依据指南、草稿、补充材料还是待补信息。
  • 交叉关系:标出该节与研究内容、技术路线、指标、成果之间的对应关系。
  • 风险提示:标出材料不足、逻辑未闭合、指标无来源、成果无对应等问题。

大纲冻结规则:

  • 大纲确认后再填正文,正文不得擅自新增模板外章节。
  • 如写作中发现方法体系或章节结构需要调整,先更新大纲和映射表,再改正文。
  • 研究内容、技术路线、创新点、指标、预期成果之间的数量和名称必须在大纲阶段先对齐。

本步输出:完整章节大纲 + 每节写作要点 + 内容映射关系 + 待补/风险清单。


第1步:写概述/需求分析

本段任务:大背景 → 具体问题枚举 → 本课题方案 → 预期价值。

结构规律:

  • 第一段先从领域趋势或应用需求切入,再缩小到具体场景中的关键矛盾。
  • 第二段列出至少3个具体问题。问题必须来自场景,避免只写"数据质量不高""智能化不足""效率较低"等泛化表述。
  • 第三段点出课题全称和核心方案,用一句话说明"用什么技术解决什么场景问题"。
  • 第四段收束到预期价值,描述能力提升和应用支撑,不提前承诺量化指标。

写法模板:

text
[领域/场景]的[发展趋势/任务特征]对[现有方法/系统/流程]提出了更高要求,特别是在[关键环节]方面,[现有手段]难以满足[具体需求]。
其中,[核心痛点]尤为突出:
[问题1],[具体表现];
[问题2],[具体表现];
[问题3],[具体表现]。

为克服上述不足,本课题——[课题全称],提出了一套面向[应用场景]的[总体方案]。
其核心在于[一句话说清核心思路]。
本课题将[核心技术/方法]融入[业务流程/研究场景],以实现[目标]。

通过本课题的研究,将构建[系统/方法/模型/平台]。
该成果能够有效解决[场景问题],具备[能力1]、[能力2]和[能力3]。

写完后自查:

  • 是否列举了至少3个具体问题,并用分号分隔?
  • "其核心在于"后面是否一句话能说清核心思路?
  • 是否点出了课题全称?
  • 是否没有提前写百分比、阈值等量化验收指标?

第2步:写研究目标

本段任务:总目标 → 逐条目标。每条目标必须回答"针对什么问题、提出什么方法、达到什么效果"。

结构规律:

  • 总目标要承接概述中的核心痛点。
  • 分目标数量通常与研究内容大项数量一致。
  • 每个分目标用同一语法骨架,形成稳定的评审阅读节奏。
  • 目标写"旨在达到的能力",不写过细的算法流程。

写法模板:

text
本研究旨在[总目标],针对现有方法在[不足1]、[不足2]和[不足3]方面的问题,分别提出以下研究目标:

1. 针对[不足1]的问题,提出[方法名]。
   该方法旨在[具体目标],以[作用/效果]。

2. 针对[不足2]的问题,提出[方法名]。
   该方法旨在[具体目标],以[作用/效果]。

3. 针对[不足3]的问题,提出[方法名]。
   该方法旨在[具体目标],以[作用/效果]。

写完后自查:

  • 研究目标条数是否与研究内容大项数一致?
  • 每条是否包含"针对...提出...旨在..."三段?
  • 每条是否是目标表达,而不是技术路线细节?

第3步:写研究内容

这是申请书最核心的一段。 先写总述,再逐项展开。每项严格按"针对 → 提出 → 通过 → 实现"四段式。

3.0 总述

text
针对[总问题1]、[总问题2]以及[总问题3],提出了[总方法名/总体技术体系]。
该方法通过[技术路径A]实现[效果A],
通过[技术路径B]实现[效果B],
通过[技术路径C]实现[效果C]。

3.1 子项标准句式

text
针对[精确限定场景]中[具体对象]的[具体困难],
提出了[方法全名]。
该方法通过[技术手段1:具体怎么做]、[技术手段2]和[技术手段3],
实现了[效果1]、[效果2]和[效果3]。

高频动词表:

环节动词
问题锚定针对、面临、存在、缺乏、难以、制约
方法引出提出、构建、设计、建立、引入、融合
手段展开通过、利用、基于、结合、借助
效果收束实现、形成、达到、提升、支撑、保障

写作规律:

  • 子项开头必须锚定场景,不要直接从技术名词开始。
  • "提出了"后面必须是完整方法名,优先使用"基于/面向/融合/结合"等结构。
  • "通过"后面必须写具体技术动作,不能写"通过深入研究""通过系统分析"。
  • 末尾必须有明确产出或能力,且为定性描述。

写完后自查:

  • 每个子项是否以"针对"开头?
  • "提出了"后面是否给出了完整方法名?
  • "通过"后面是否有具体技术手段?
  • 末尾是否有"实现了/形成了/达到了"的明确产出?
  • 收束句是否为定性效果描述,且不出现数字指标?
  • 多个子项的句式是否统一但不机械重复?

3.2 标题命名铁律

研究内容标题 = 技术路线标题,一个字不差。

这是优秀申请书中非常稳定的组织规律:研究内容负责说明"研究什么",技术路线负责说明"怎么做",但二者的子项标题必须完全一致,以形成评审可追踪的对应关系。

标题命名公式:

text
基于[核心技术/理论/机制]的[场景+对象][动作]方法
组成部分说明示例
核心技术/理论/机制支撑方法成立的技术来源或理论基础多源数据融合、领域知识约束、动态关系建模、混合推理
场景+对象本课题的业务场景、研究对象或操作对象工业检测报告、遥感目标识别、医学文本质控、供应链风险事件
动作方法、模型、技术、机制、体系知识抽取方法、质量判定模型、关系建模方法、风险推理机制

反面示例:

  • 不充分:数据抽取方法。问题:缺少场景、对象和核心技术。
  • 不充分:质量判定方法。问题:缺少技术来源和对象限定。
  • 更完整:基于领域知识约束的工业检测报告关键指标抽取方法。

变体公式:

  • 面向[场景/问题]的[技术名]方法
  • 融合[技术A]与[技术B]的[场景+对象]方法
  • 基于[机制]的[对象][动作]模型

第4步:写技术路线

技术路线分两层:总体技术路线 + 各研究内容技术路线。各研究内容技术路线必须与研究内容逐项对应。

4.0 总体技术路线

放在各研究内容技术路线之前,用一段说清整体链路。

写法模板:

text
本项目的总体技术方案聚焦于[核心目标]。
方案核心在于[核心A]、[核心B]以及[核心C],旨在通过[技术手段]全面提升[能力]。

首先,方案强调[方面A]。针对[问题],方案采用[方法],通过[具体技术]实现[效果]。
在[方面B]方面,项目引入了[技术],[做法],[效果]。
在[方面C]环节,方案构建了[系统/方法/模型],[做法],[效果]。

总体而言,该技术方案通过[技术列表]的有机结合,全面提升了[能力],为[对象/场景]提供了[价值]。

结构规律:

  • 第一段写整体目标和核心组成。
  • 第二段按技术链路展开,不要写成成果清单。
  • 第三段收束到总体能力和应用价值。

4.1 各研究内容技术路线

每个子项 1200-1500 字,严格按 问题 → 算法流程 → 场景效果 → 总结 四段结构。

四段模板:

text
##### 4.1.X.X [技术路线全名(=研究内容名)]

[段1:问题,200-350字]
[场景]中[具体对象]的[具体困难],用该场景中的真实对象、字段、流程或业务动作说明问题。
说明该问题导致的后果,例如人工处理成本、质量不可控、追溯困难、模型无法稳定应用、业务闭环无法形成等。

[段2:算法流程,550-800字]
针对上述问题,我们提出了[方法全名]。
用自然段叙述算法或技术过程,不使用"第一步/第二步/Step 1"等编号。
根据方法内在逻辑选择叙述节奏:
- 数据驱动型:从数据对象出发,逐项梳理字段、语义、关系和校验机制。
- 管线型:从输入端、处理层、约束层、输出端逐层说明。
- 层次型:从底层数据、中层模型、上层应用和反馈更新说明。

[段3:场景效果,250-400字]
在[场景]中,该方法[如何部署/使用]。
以[一个具体数据样例或业务样例]为例,说明输入经该方法处理后的输出结果,以及用户、系统或评审方如何使用该输出。

[段4:总结,120-200字]
收束方法的核心贡献和解决的痛点,只做定性描述,不出现百分比、准确率、数量等验收指标。

叙述节奏示例:

方法类型叙述风格
数据驱动型"从...出发,逐项梳理...由于...方法通过...在...基础上引入...模型建立后进一步..."
管线型"在输入端构建...送入模型后...但直接使用存在风险...为此引入...经过滤后还需..."
层次型"核心思想是通过三层架构...底层是...中间层是...因此需要...上层是...搭建完成后真正挑战在于..."

关键要求:

  • 技术路线展开段优先用"我们";概述类章节可用"本项目/本课题/本研究",同一章节主语必须一致。
  • 段2禁止用"第一步/第二阶段/Step 1"等编号。
  • 段3必须有具体数据样例或业务样例,不能只有泛化场景描述。
  • 段4收束为定性效果,不出现百分比、数量、阈值等指标。
  • 不写任何指向既有私有文本、私有项目或技术出处的溯源标注。
  • 四段总字数控制在 1200-1500 字。

4.2 关键技术展开写法

自然科学基金、大项目或技术机制要求较强的项目,关键技术可按 难点 + 特色方案 展开。

text
2.X [关键技术名]

[问题背景段落,说明面临的挑战]。

(1)难点:[具体技术难点描述,说明该领域为什么难、难在哪里、现有方法为什么不足]。

(2)特色:为应对上述难点,本研究设计了[方案]。
通过[技术A]和[技术B],该框架能够[效果]。
并引入[技术C],实现[效果]。

4.3 技术路线正文的场景贴合要求

技术路线正文必须绑定场景,不能写通用流程。

通用描述场景贴合写法
将实体和关系组织为图谱模式将具体业务对象、属性、流程节点和依据组织为可追溯的关系网络
利用规则进行校验使用该行业的业务规则、质量约束、阈值范围或审核条件校验输出结果
设计增量更新机制当新增记录、规则变化或业务状态变化时,定向更新受影响的数据、模型或判断链路
输出分析结果输出与业务动作直接相关的判断、原因、风险等级、处置建议或证据链

写完后自查:

  • 是否有总体技术路线段?
  • 技术路线子项数是否和研究内容子项数一致?
  • 每个技术路线标题是否和研究内容标题完全相同?
  • 每个子项是否严格按"问题→算法流程→场景效果→总结"四段结构?
  • 段2算法流程是否为自然叙述,无步骤编号?
  • 段3是否有具体数据样例或业务样例?
  • 段4收束是否为定性效果,无数字指标?
  • 三个子项的叙述节奏是否各有不同?
  • 是否没有任何具体项目溯源或原文引用?

第5步:写创新点

本段任务:每条创新点 = 问题 + 方法 + 技术手段 + 效果。

简洁型模板:

text
(1)提出[方法全名]。
针对[具体问题],构建[机制/模型],结合[技术A]和[技术B],形成[成果/能力]。

(2)提出[方法全名]。
针对[具体问题],通过[做法],实现[效果]。

展开型模板:

text
创新点N:提出[技术全名]。
针对[具体问题],基于[核心技术/理论],构建[体系/框架],提出[方法/机制],构建[模型],以实现[目标]。
同时利用[辅助技术],构建[辅助机制],以实现[更大目标]。

写作规律:

  • 创新点数量一般与研究内容大项对应。
  • 创新点不能只是技术名词堆叠,必须说明相对现有方法的新意。
  • 创新点只写创新机制和预期效果,不写完整技术路线。

写完后自查:

  • 创新点数量是否与研究内容大项数对应?
  • 每条是否覆盖"问题+方法+手段+效果"四要素?
  • 是否能看出相对现有方法的新意?

第6步:写进度安排

按项目执行期分3个阶段。阶段名称要体现工作推进逻辑,不要只写"第一阶段/第二阶段/第三阶段"。

text
### 阶段一:[名称](时间:YYYY年MM月-YYYY年MM月)
主要任务:[3-4条]
阶段成果:[2-3项]

### 阶段二:[名称](时间:YYYY年MM月-YYYY年MM月)
主要任务:[3-4条]
阶段成果:[3-5项]

### 阶段三:[名称](时间:YYYY年MM月-YYYY年MM月)
主要任务:[3-4条]
阶段成果:[3-5项]

写作规律:

  • 阶段一通常对应需求梳理、数据准备、理论模型或原型框架。
  • 阶段二通常对应核心方法研发、系统集成、关键技术验证。
  • 阶段三通常对应场景验证、优化完善、成果凝练和验收交付。
  • 每个阶段成果必须能映射到预期成果或考核指标。

第7步:写技术指标/考核指标及验证方法

本段任务:把指南中的考核要求转成可验收的指标表。每项指标必须回答"验什么、怎么验、交付什么证据"。

7.1 指标分类

指标类别适用内容写法重点
算法性能指标抽取、分类、匹配、推理、预测、排序等算法指标名称、测试数据、对比基线、验收阈值
功能完整性指标系统、平台、工具、原型软件功能模块、输入输出、操作流程、异常处理
数据/知识产品指标数据集、知识库、知识图谱、规则库数据规模、字段范围、更新机制、质量校验
工程交付指标软件著作权、专利、报告、样机、系统部署交付物名称、数量、形式、验收证据
应用验证指标示范场景、测试案例、业务闭环场景样例、验证流程、用户或专家评审方式

7.2 写法模板

text
围绕[核心技术环节1]、[核心技术环节2]和[核心技术环节3],项目考核指标按照[指标类别A]、[指标类别B]、[指标类别C]和[应用验证指标]进行设计,并通过[验证方法1]、[验证方法2]、[验证方法3]开展综合验收。

| 序号 | 指标类型 | 指标内容 | 验证方法 | 对应成果 |
|-----|---------|---------|---------|---------|
| 1 | 算法性能 | [具体指标及阈值] | [测试集/对比实验/人工复核] | [算法模型/测试报告] |
| 2 | 功能完整性 | [功能模块和能力边界] | [系统测试/场景演示] | [原型系统/用户手册] |
| 3 | 数据产品 | [数据规模、字段范围、质量要求] | [抽样检查/一致性校验] | [数据集/知识库] |

7.3 写作要求

  • 指标必须来自申报指南或研究内容,不要凭空承诺。
  • 指标阈值放在本节,不要塞进研究内容和技术路线的收束句。
  • 每项指标必须有验证方法,不能只写"达到要求"。
  • 每项指标必须映射到预期成果,避免成果和考核脱节。
  • 如果指南已经给出固定指标,必须逐项覆盖;如果指南没有给出,则按研究内容主动设计可验收指标。

写完后自查:

  • 指南要求的每项考核指标是否都有对应条目?
  • 每项指标是否包含指标内容、验证方法和对应成果?
  • 是否区分算法性能、功能完整性、数据产品、工程交付和应用验证?
  • 是否避免在技术路线中提前承诺量化指标?

第8步:写预期成果

分条列出,格式为"成果名 + 数量":

text
- 发明专利申请[数量]项
- [数据/知识产品][数量]套
- [方法/模型][数量]套
- [软件/原型系统][数量]套
- 研究报告[数量]份
- 测试验证报告[数量]份

注意:成果必须与申报指南和第7步技术指标对齐,指南要求的每项指标都要有对应成果。


场景贴合度铁律

写出来的内容必须"换一个场景就不能直接用"。不是简单替换名词,而是让问题、方法、输入、输出和效果都嵌入该项目的真实业务或科研链条。

判定方法

读完每一句,问两个问题:

  1. 这句话描述的问题,换成另一个行业或学科是否仍然成立?如果成立,问题不够场景化,需要重写。
  2. 这个方法的输入、输出或中间步骤,换成另一个行业或学科是否照样运行?如果能运行,方法没有贴合场景,需要重写。

抽象示例

通用套话场景贴合写法
通过智能模型自动识别实体属性从具体业务文档中识别该场景独有的指标、对象、约束条件和判定依据
构建知识图谱实现关联查询构建以业务对象、流程节点、判定依据和结果证据为核心的可追溯关系网络
输出分级结果输出与业务处置直接相关的等级、原因、依据、风险解释和后续动作
利用规则进行校验用该行业或学科的规则、阈值、流程约束和审核条件校验模型输出
结合领域知识约束将专业规范、专家经验、术语体系和质量要求转化为模型可执行的约束

核心原则

  • 问题必须来自场景:写具体对象在具体流程中的具体困难,不写泛化困难。
  • 方法必须嵌入场景:写清输入是什么、怎样处理、输出给谁用、如何进入业务闭环。
  • 效果必须服务场景:写对研究、管理、验证、生产、评审或决策有什么直接支撑。

字数控制铁律

  • 研究内容:每个子项 150-220 字。
  • 技术路线:每个子项四段合计 1200-1500 字。
  • 概述/需求分析:按模板要求控制篇幅,避免把技术路线提前写进概述。
  • 创新点:每条突出一个创新机制,不写成研究内容复述。

脱敏与开源安全规则

  • 不保留任何具体过往项目名称、课题名称、单位名称、团队名称、人员姓名、标准号、客户名称、经费信息、内部文件名或机器路径。
  • 不引用、复述或改写任何私有申请书原文段落。
  • 不使用指向既有私有文本、私有项目、历史版本或内部资料的溯源表述。
  • 可以保留从优秀文本中抽象出的写作规律,例如章节对应、标题一致、四段式技术路线、场景贴合、指标映射和主语一致。
  • 示例必须使用通用占位符或跨领域抽象样例,避免暴露真实项目痕迹。

全局自检

流程完整性自检

  • 是否先解析模板,再确定方法体系,再写大纲,最后填正文?
  • 是否保留了模板原始章节标题、顺序、层级和表格要求?
  • 是否为每个模板章节明确了写作任务、材料来源和指南映射?
  • 是否在大纲阶段冻结研究内容、技术路线、创新点、指标和成果的对应关系?
  • 是否没有在正文中擅自新增、删除或改名模板要求的章节?

全文一致性自检

  • 总技术主线是否贯穿概述、研究目标、研究内容、技术路线、创新点、指标和成果?
  • 同一方法、模型、系统、平台、数据集、成果名称是否全文一致?
  • 研究目标条数、研究内容大项、创新点、技术路线子项是否数量对应?
  • 研究内容标题与技术路线标题是否一字不差?
  • 每个研究内容是否都有对应技术路线、考核指标、验证方法和预期成果?
  • 每项考核指标是否能追溯到指南要求或研究内容,不是凭空增加?
  • 每项预期成果是否能支撑至少一项考核指标或指南要求?
  • 时间安排中的阶段任务是否覆盖全部研究内容和交付成果?
  • 章节之间是否没有互相矛盾的表述,例如目标不同、数量不同、名称不同、指标阈值不同?
  • 全文主语是否稳定,同一章节没有混用"本项目/本课题/本研究/我们/本文"?
  • 关键术语、专业对象、业务流程和技术缩写是否首次出现时解释清楚,后文用法一致?
  • 交叉引用是否准确,例如"见第X节""如表X所示"是否真的存在且对应正确?

章节质量自检

  • 研究内容:每个子项是否符合"针对...提出了...通过...实现了..."?
  • 技术路线:每个子项是否按"问题→算法流程→场景效果→总结"四段展开?
  • 技术路线:段2是否无步骤编号,段3是否有具体数据样例或业务样例?
  • 字数:研究内容单子项是否为 150-220 字,技术路线单子项是否为 1200-1500 字?
  • 叙事:多个子项的算法叙述节奏是否不同,避免机械重复?
  • 人称:同一章节主语是否一致?
  • 收束:研究内容和技术路线总结是否为定性效果,无数字指标?
  • 场景:每句是否嵌入场景专有问题、方法、输入、输出或效果?
  • 创新点:是否覆盖"问题+方法+技术手段+效果"?
  • 指标:指南要求的每项考核指标是否都有对应成果和验证方法?

提交前自检

  • 是否逐项覆盖模板中的所有必填章节、表格和附件要求?
  • 是否所有占位符、待补标记、括号提示和内部备注都已处理?
  • 是否没有把技术路线细节提前堆进概述、研究目标或创新点?
  • 是否没有在研究内容和技术路线收束句中提前承诺量化指标?
  • 是否格式统一,包括标题层级、编号样式、表格列名、标点和单位写法?
  • 是否读起来像同一个项目的一份完整申请书,而不是多个段落拼接?
  • 脱敏:是否没有具体项目名称、专有场景、机构信息、机器路径、标准号、私有文本或溯源表述?

Bundled files

The model reads these on demand while the skill is loaded. They are exposed as readable files and are never executed.

Frequently asked questions

What does the Write Grant Proposal AI skill do?

Use when writing, revising, or reviewing Chinese grant proposals and technical application documents, including industry-university-research fund applications, NSFC-style proposals, enterprise challenge proposals, research contents, technical routes, innovation points, milestones, assessment indicators, expected deliverables, and scenario-specific technical narratives.

Why use Write Grant Proposal on TypingMind?

Because you install it once and use it with any model. Write Grant Proposal is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Write Grant Proposal in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/sh2001sh/write-grant-proposal/tree/main. TypingMind reads its SKILL.md and bundles its files and installs it as a skill you can enable per chat.

Which AI models can use Write Grant Proposal?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Write Grant Proposal?

As many as you like. As long as a model supports skills, you can use Write Grant Proposal with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Write Grant Proposal AI skill free?

It is published on GitHub by sh2001sh. Check the repository for licensing terms. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇