闲社服务运行正常AI智能体自动化平台
g

模拟NIH同行评审

技能标识:grant-mock-reviewer

Simulates NIH study section peer review for grant proposals. Triggers

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 0.1.0
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

模拟NIH同行评审

模拟NIH评审员

一个模拟的NIH研究部评审员,使用官方NIH评分标准和方法对资助申请进行结构化、严格的评审。

功能

  1. 1. NIH评分标准应用:所有5项标准均采用官方1-9分制评分
  2. 弱点识别:系统检测常见申请缺陷
  3. 评审意见生成:为每项评审标准生成结构化书面评审意见
  4. 总结陈述:输出完整的模拟总结陈述
  5. 修改指导:提供按优先级排序、可操作的改进建议

使用方法

命令行

bash

含总结陈述的完整模拟评审


python3 scripts/main.py --input proposal.pdf --format pdf --output review.md

仅评审具体目标

python3 scripts/main.py --input aims.pdf --section aims --output aims_review.md

针对性评审(聚焦特定标准)

python3 scripts/main.py --input proposal.pdf --focus approach --output approach_critique.md

仅生成NIH风格评分

python3 scripts/main.py --input proposal.pdf --scores-only --output scores.json

比较修改前后版本

python3 scripts/main.py --original original.pdf --revised revised.pdf --compare

作为库使用

python
from scripts.main import GrantMockReviewer

reviewer = GrantMockReviewer()
result = reviewer.review(
proposaltext=proposalcontent,
grant_type=R01,
section=full
)
print(result.summary_statement)
print(result.scores)

参数

参数类型默认值必填描述
--input字符串-是申请文件路径(PDF、DOCX、TXT、MD)
--format
字符串 | auto | 否 | 输入文件格式(pdf、docx、txt、md) | | --section | 字符串 | full | 否 | 评审部分(full、aims、significance、innovation、approach) | | --grant-type | 字符串 | R01 | 否 | 资助机制(R01、R21、R03、K99、F32) | | --focus | 字符串 | - | 否 | 聚焦特定标准(significance、investigator、innovation、approach、environment) | | --scores-only | 标志 | false | 否 | 仅输出评分(JSON格式) | | --output、-o | 字符串 | stdout | 否 | 输出文件路径 | | --original | 字符串 | - | 否 | 用于比较的原始申请 | | --revised | 字符串 | - | 否 | 用于比较的修改后申请 | | --compare | 标志 | false | 否 | 启用比较模式 |

NIH评分系统

总体影响评分(1-9分)

反映项目对研究领域产生持续、强大影响可能性的最重要评分。
分数描述资助可能性
1卓越非常高
2
杰出 | 高 | | 3 | 优秀 | 良好 | | 4 | 很好 | 中等 | | 5 | 良好 | 低-中等 | | 6 | 满意 | 低 | | 7 | 一般 | 非常低 | | 8 | 边缘 | 不太可能 | | 9 | 差 | 不可资助 |

单项标准(每项1-9分)

  1. 1. 重要性:项目是否解决重要问题?能否推动科学知识发展?
  2. 研究者:项目负责人是否合适?是否有足够的经验和培训?
  3. 创新性:是否挑战现有范式?是否有新颖的概念、方法、手段?
  4. 研究方法:研究设计是否合理?方法是否恰当?对照是否充分?是否处理潜在问题?
  5. 研究环境:机构支持是否充分?科研环境是否有利于成功?

评分解读

  • - 1-3分(高优先级):令人信服、论证充分、方法扎实的申请
  • 4-5分(中优先级):良好但存在某些不足的申请
  • 6-9分(低优先级):存在显著缺陷,降低评审热情

评审输出格式

1. 评分摘要

总体影响:[分数] - [描述]

标准评分:

  • - 重要性:[分数]
  • 研究者:[分数]
  • 创新性:[分数]
  • 研究方法:[分数]
  • 研究环境:[分数]

2. 优势

按标准列出的主要优势要点列表

3. 劣势

按标准列出的主要劣势要点列表

4. 详细评审意见

遵循NIH风格,对每项标准进行段落式评审

5. 总结陈述

完整的评审叙述性综合

6. 修改建议

按优先级排序、可操作的改进建议

常见检测到的弱点

重要性

  • - 研究问题论证不充分
  • 影响是渐进式而非变革性
  • 与人类健康/疾病的联系不明确
  • 缺乏证据的临床意义夸大

研究者

  • - 缺乏拟议目标的相关专业知识
  • 关键方法学方面的成果记录不足
  • 项目负责人过度承诺(在其他项目上投入过多精力)
  • 缺少关键合作者的专业知识

创新性

  • - 仅是已发表工作的直接延伸
  • 方法为标准方法而非新颖方法
  • 未挑战现有范式
  • 潜力为渐进式而非突破性

研究方法

  • - 目标在时间框架内过于雄心勃勃
  • 初步数据不足
  • 实验对照不充分
  • 未讨论潜在问题和替代方案
  • 统计分析计划缺失或不充分
  • 缺少样本量/效能计算

研究环境

  • - 机构资源不足
  • 缺少核心设施使用权限
  • 缺乏相关设备
  • 协作环境不足

技术难度

高 - 需要深入理解NIH同行评审流程,能够一致应用标准化评分标准,并在不同研究领域生成临床/科学准确的评审意见。

需要评审:建议在生产环境部署前进行人工验证。

参考资料

  • - references/nihscoringrubric.md - 完整的NIH评分指南
  • references/reviewcriteriaexplained.md - 详细的标准描述
  • references/commonweaknessescatalog.md - 典型申请缺陷数据库
  • references/summarystatementtemplates.md - NIH风格陈述模板
  • references/scorecalibrationguide.md - 评分分配指南

用户最佳实践

  1. 1. 提供完整申请:该工具在处理完整的研究策略部分时效果最佳
  2. 包含初步数据:研究方法评审依赖于可行性证据
  3. 多次评审:在修改过程中迭代使用
  4. 比较版本:追踪草稿之间的改进
  5. 考虑多角度:辅以人工评审员反馈

局限性

  1. 1. 无法访问外部文献验证声明
  2. 可能无法捕捉领域特定的方法学细微差别
  3. 评分为模拟结果,可能与实际研究部评分不符
  4. 最适合作为准备工具,不能替代人工评审

版本

1.0.0 - 初始版本,支持NIH R01/R21/R03

风险评估

风险指标评估级别
代码执行Python/R脚本本地执行中等
网络访问
无外部API调用 | 低 | | 文件系统访问 | 读取输入文件,写入输出文件 | 中等 | | 指令篡改 | 标准提示指南 | 低 | | 数据暴露 | 输出文件保存到工作区 | 低 |

安全检查清单

  • - [ ] 无硬编码凭据或API密钥
  • [ ] 无未经授权的文件系统访问(../)
  • [ ] 输出不暴露敏感信息
  • [ ] 已实施提示注入保护
  • [ ] 输入文件路径已验证(无../遍历)
  • [ ] 输出目录限制在工作区
  • [ ] 脚本在沙盒环境中执行
  • [ ] 错误消息已清理(不暴露堆栈跟踪)
  • [ ] 依赖项已审计

先决条件

bash

Python依赖项


pip install -r requirements.txt

评估标准

成功指标

  • - [ ] 成功执行主要功能
  • [ ] 输出符合质量标准
  • [ ] 优雅处理边缘情况
  • [ ] 性能可接受

测试用例

  1. 1. 基本功能:标准输入 → 预期输出
  2. 边缘情况:无效输入 → 优雅的错误处理
  3. 性能:大数据集 → 可接受的处理时间

生命周期状态

  • - 当前阶段:草稿
  • 下次评审日期:2026-03-06
  • 已知问题:无
  • 计划改进:
- 性能优化 - 增加额外功能支持

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 grant-mock-reviewer-1776081961 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 grant-mock-reviewer-1776081961 技能

通过命令行安装

skillhub install grant-mock-reviewer-1776081961

下载

⬇ 下载 grant-mock-reviewer v0.1.0(免费)

文件大小: 30.09 KB | 发布时间: 2026-4-14 12:12

v0.1.0 最新 2026-4-14 12:12
Initial release providing a full-featured NIH grant proposal mock review tool.

- Simulates NIH study section peer review using the official 1–9 scoring rubric across significance, investigator(s), innovation, approach, and environment.
- Generates structured written critiques, identifies weaknesses, and provides actionable revision recommendations for each review criterion.
- Produces a comprehensive, NIH-style Summary Statement as review output.
- Supports reviews of full proposals, specific sections, targeted criteria, and before/after revision comparisons.
- Exposes a command-line interface and Python library API for flexible integration.
- Includes detailed documentation, usage examples, and risk assessments.
返回顶部