academic-humanizer 基金申请书模式：NSF CAREER与NIH R01首页优先原则与可行性纪律

academic-humanizer 是一款面向论文与基金申请书的免费开源"去 AI 味" skill 工具（适配 Claude Code、Codex、MorphMind），内置专为 NSF CAREER 与 NIH R01 申请书打造的"基金申请书模式"：它剔除"In recent years……"、"delve"、"paving the way"等 AI 腔表达，同时保留学术语气与申请书应有的雄心，并执行两条核心纪律——首页优先原则（优先打磨评审专家最先看的第 1 页）和可行性纪律（每个大胆声明都要有初步数据与可信计划做支撑）。本文用通俗语言讲清这两个原则，以及如何用上这个工具。📝

一个为基金申请书而生的写作润色工具

市面上的"humanizer"大多服务于博客和营销文，用在论文或 NSF 申请书上会把学术写作赖以生存的精确措辞一并削平。academic-humanizer 的开发者用自己团队已发表论文与已资助申请书做校准样本，手工比对差异，才沉淀出这套规则。它的边界也很明确：

• ❌ 不生成研究结论、不编造数据
• ❌ 不改动任何一个数字、公式或引用
• ❌ 不用于规避 AI 使用检测（是否披露 AI 协助，仍须遵守目标基金/期刊的政策）

核心思路一句话：学术写作本来就有正确的"人类声音"——中立、精确、每个论断都挂着证据。工具的工作是去掉 AI 腔但不口语化，并强制执行纪律：动词不能比证据更强。

首页优先原则：分数在第 1 页就已定型

规则原文说得直白：评审专家从开头就形成评分，之后再快速浏览全文去确认它。所以基金申请书模式下，绝大部分编辑精力会花在前几页——这是"首页优先原则"（first-page primacy）的由来。

前三页"五件套"清单 🎯

NIH Specific Aims 的第 1 页结束前（NSF 大约在第 2~3 页），读者手里必须已经拿到这 5 样东西：

五件套中任何一项缺失或被埋没，工具会先修这些，再碰后面的章节——"第 3 页没被说服的评审，到第 10 页也回不来了。"

NSF 与 NIH 的结构要点

• NSF（CAREER）：一页纸的 Project Summary 必须写清三个评审标准标题——Overview / Intellectual Merit / Broader Impacts，且各自自足；Project Description 按"长期愿景 → 本申请书目标 → 差距 → 具体 thrusts/aims → 收益"展开，理想状态下 1~2 页内走完这条线，并配一张总览图。Broader Impacts 必须实质化、与科研融合，绝不能是附录式的凑数。
• NIH（R01）：Specific Aims 页是"压缩成一页的整份申请书"，是阅读最多、最决定生死的一页。标准弧线：问题与关键差距 → 长期目标 + 中心假设 → "The objective of this application is……" → 2~3 个 Aims（每个一行目标 + 方法短语 + 预期结果）→ Payoff 段。之后 Significance、Innovation、Approach 作为独立评分章节。

完整规则见 SKILL.md。

可行性纪律：每个大胆声明都要有"落脚点"

论文要求"声明 ↔ 证据"匹配（数据只支撑 show，就不准写 prove）；基金申请书则要求**"声明 ↔ 可行性"匹配。申请书里的雄心措辞（long-term goal、pioneer、transformative）在论文里会被删，在这里却是合适且被期待**的——前提是有可信的计划与证据兜底。

规则层专门列出了 6 种常见的"弱招式"及改法（摘自 SKILL.md）：

还有一个易踩的坑：被对冲掉的中心假设。Aims 页上的假设是不可证伪就白写的承诺，不能写成"我们将探索是否可能……"。有分寸的 hedging 应该出现在 Approach 的解读部分，而不是中心声明里。

效果示例：两组真实感的前后对照

仓库在 examples/before-after.md 提供了三组 before/after，下面两组正是基金申请书模式的产物。

示例一：NIH Specific Aims 开头

改前（AI 味 + 无可行性）：

Early detection of sepsis is a very important and timely problem with many applications. In this proposal we will explore whether machine learning might possibly help. Aim 1: apply our model to ICU data. Aim 2: extend Aim 1 to multi-site data. Aim 3: if Aims 1–2 succeed, run a pilot. This work will be groundbreaking and have a large impact on the field.

改后（差距 + 中心承诺 + 平行 Aims + 收益 + 可行性）：

Sepsis is treatable when caught early, yet bedside scores fire too late and too often, so clinicians cannot tell a true alarm from noise.The objective of this application isto deliver an early-warning model whose alerts are calibrated and transferable enough to act on. …… Aim 3: Quantify how alert calibration transfers across sites, using a prospectively held-out hospital. The aims are independent: each yields a usable result on its own.Impact:a calibrated, transferable early-warning tool, evaluated with two partner hospitals (letters enclosed).

具体变化：空泛重要性 → 具体临床差距及其代价；含糊的中心声明 → 挂上初步数据（Fig. 1）的可证伪假设；方法式 Aims → 结果导向的 Aims；去掉 Aim 3 的多米诺依赖（现在三者平行）；"groundbreaking" → 具体收益 + 可行性证据（合作医院函）。原文见 examples/before-after.md。

示例二：NSF CAREER Project Summary

改前（AI 生成，愿景淹没在 AI 腔里）：

In recent years, artificial intelligence has attracted increasing attention…… we propose a novel and comprehensive framework that leverages cutting-edge techniques to delve into the intricate challenges of continual learning, paving the way for a transformative new paradigm. ……

改后（改编自一份真实获批的 NSF CAREER Project Summary）：

As data and learning environments expand, the value of AI depends on its ability to scale and adapt. Continual learning addresses this…… This CAREER proposal builds a principled framework that unifies these traits through coupled theory and algorithm design, in three layers: evolving memory for capability growth, soft supervision for accelerated learning, and cross-domain knowledge for accuracy. ……

关键差异在于：论文模式下会被删掉的长期愿景、三层框架、点名的演示领域、融合的教育计划，在申请书模式下被完整保留——雄心留住了，只是被写具体、写得可信。原文见 examples/before-after.md。

安装与使用：一条命令搞定 🚀

1. 克隆仓库到 skill 目录：

   git clone https://gitcode.com/gh_mirrors/ac/academic-humanizer ~/.claude/skills/academic-humanizer

2. 在 Claude Code 中调用/academic-humanizer，粘贴一个章节或指向main.tex，可选附加指令："match my voice from prior_paper.pdf; target venue: ICLR"。

3. 它本质是一个纯SKILL.md+ 示例，Codex 和 MorphMind 同样可以直接把 SKILL.md 作为系统提示来用。

完整流程固定为四步：Read → Audit → Rewrite → Report——先通读并判断文体（论文还是申请书），审计阶段只列出 AI 腔位置与每条实证声明的证据状态、不动笔；重写阶段保持结构与内容不变、只去 AI 腔并让声明与证据对齐；最后附一份变更日志（删了哪些模式、哪些声明被软化或补了证据、语气说明）。

合规提醒：这个工具不做什么 🛡️

• 不生成发现、不编造数据，也不会杜撰初步结果、既往资助、合作方或推荐信——证据不存在就标记缺口，而不是替作者圆场；
• 每个数字、公式、引用原样保留，报告末尾会明确确认这一点；
• 它不是规避 AI 检测的工具：使用它不豁免披露义务，请始终遵循提交对象的披露政策。

伦理条款原文见 README.md，"绝不编造"的约束见 SKILL.md。

资料速查 📚

一句话收尾：首页优先原则的本质是"分数在第 1 页就已定型"，可行性纪律的本质是"雄心必须具体、可信"。把这两条交给 academic-humanizer，前几页的编辑质量会先于全文受益。