https://github.com/HUANG19910918/Vibe-grant-writer
Vibe Grant Writer 是一套面向国家自然科学基金申请的 Markdown Skill。它试图把选题、立项依据、研究内容、摘要、模拟评审和逐段批判性审查放进同一个交互流程。
思路很完整。可如果把它理解成“让 AI 替我写一份国自然”，风险也很直接。
它不是程序，而是一套写作工作流
这个仓库没有模型代码、安装脚本或独立应用。核心是一份 SKILL.md，外加选题、摘要、语气、框架、评分和批判性审查等说明文件。
把这些文件交给支持 Skills 的 Agent 后，AI 会先询问研究方向、项目类型和是否已有选题，再逐步讨论科学问题、创新性、技术路线、研究基础和年度计划。
用户也可以只调用一个模块，例如评估选题、修改摘要、生成年度计划，或者让几位虚拟专家从不同角度评分。
它最有价值的地方，不是“写得快”，而是把写作过程拆成多轮确认。申请人需要不断补充材料，AI 每写一段就按六个维度找漏洞，再修改，而不是一次输出整本申请书。
批判性审查比生成正文更值得看
很多 AI 写科研材料的问题，并不是语句不通，而是逻辑看起来顺，证据却接不上。
这个 Skill 专门设置了 critical-reviewer.md，检查逻辑漏洞、替代解释、证据充分性、概念准确性、论述完整性和语言规范。它还特别要求追问因果链中的每一个箭头是否有具体分子事件支撑，避免把相关性和表型变化直接写成机制。
摘要模块也不是简单压缩正文，而是要求把研究痛点、核心思路、技术路线和预期价值连成一段。语气规范则反对近义词堆砌、空泛动词和被句号割裂的因果链。
这些规则适合拿来审自己的稿子。即使不让 AI 生成正文，只把已有段落交给它挑错，也有实际价值。
文献调研不是装上 Skill 就自动拥有
项目写着支持 PubMed 和学术搜索，但仓库并没有附带 MCP 服务或学术数据库连接配置。
这部分能力取决于用户自己的 Agent 是否已经配置 PubMed、Zotero 或其他文献检索工具。没有这些工具时，模型只能依赖上下文和自身知识，最容易出现的就是题目、期刊、年份和数据看起来都像真的，实际却查不到。
因此，Skill 里“近 5 年文献为主”“约 20 篇参考文献”等要求只能当写作检查项。每一篇引用都要回到原文核对，不能因为格式完整就直接使用。
2026 年的官方红线必须放在最前面
国家自然科学基金委员会在《关于2026年度国家自然科学基金项目申请与结题等有关事项的通告》中明确写道：
申请人可以借助生成式人工智能跟踪研究动态、收集整理参考文献，但必须人工核实生成信息和文献的真实性、准确性，并全面如实声明使用情况。不得使用由生成式人工智能直接生成的申请书，不得使用未经核实的生成内容。
这和“AI 逐段写完整标书”的产品描述之间存在明显张力。
更稳妥的用法，是让它帮助梳理问题、检查逻辑、寻找反证、整理待核实文献和提出修改意见。申请书的科学思想、实验设计和最终表达必须由申请人主导，并按当年规定标识和声明 AI 使用情况。
未公开的研究想法、预实验数据、患者信息和合作材料也不能随意发送给云端模型。使用前还要确认单位的数据和科研保密要求。
固定模板也已经出现时效问题
Skill 仍以“青年项目、面上项目、重点项目”组织流程，并写入固定字数、经费和评审机制。官方 2026 年通知已经将青年科学基金项目细分为 A、B、C 类，并明确面上项目和青年 C 类申请书结构已调整，要求申请人从系统下载最新版。
所以仓库里的框架只能用于理解写作逻辑，不能替代当年度官方模板。
项目内部还有一些口径不一致：主 Skill 的模拟评审权重写成创新性 30%、科学性 40%、应用价值 30%，单独的评分模块却使用 50%、25%、25%。这类虚拟评分适合找短板，不应把“8.5 分”当成真实资助概率。
仓库还引用了一个并不存在的 examples/successful-cases.md，说明它仍在迭代中。当前也没有 LICENSE 文件，复制、修改和再发布的授权边界并不清楚。
我会怎么用这套 Skill
我不会让它从空白开始代写整份申请书。
更合适的顺序是：申请人先写出真实的科学问题、已有证据和实验边界，再让 Skill 检查创新点是否成立、因果链有没有跳步、替代解释是否充分，以及技术路线能不能回答提出的问题。
摘要、标题和立项依据也可以请它提出不同改法，但所有文献、数据和结论都要逐项核验，最终文字由申请人重新组织。
Vibe Grant Writer 的价值在“第二双眼睛”，不是“第二个申请人”。在 2026 年的规则下，这个区别已经不是写作偏好，而是申报合规的底线。
