Communitygithub.com

brycewang-stanford/Auto-Empirical-Research-Skills

9 Fähigkeiten für Stipendien und Finanzierung. Auslöser: Förderanträge, Finanzierungssuche, Budgetplanung, Datenrepositorien. Design: förderspezifische Leitfäden mit Förderfähigkeit, Einreichungsanforderungen und Zeitplänen.

Was ist Auto-Empirical-Research-Skills?

Dieses Skill-Paket 'Auto-Empirical-Research-Skills' von brycewang-stanford enthält neun spezialisierte Fähigkeiten zur Unterstützung bei der Beantragung und Verwaltung von Forschungsförderungen. Es deckt den gesamten Workflow ab: von der Identifizierung passender Fördermöglichkeiten über die Budgetplanung bis hin zur Einreichung von Anträgen und der Nutzung von Datenrepositorien. Die Skills basieren auf spezifischen Leitfäden für verschiedene Fördergeber, die klare Informationen zu Förderfähigkeit, Einreichungsanforderungen und Zeitplänen bieten. Der Hauptauslöser (Trigger) ist der Bedarf an Förderanträgen, Finanzierungssuche oder Budgetplanung. Das Skill-Set ist primär für KI-Assistenten wie Claude Code oder Cursor konzipiert, die mit Forschern zusammenarbeiten, und automatisiert wiederkehrende Aufgaben im Förderprozess. Durch die strukturierte Aufbereitung von Förderinformationen und die Integration in den Arbeitsablauf reduziert es den manuellen Rechercheaufwand und hilft, Fristen einzuhalten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add brycewang-stanford/Auto-Empirical-Research-Skills

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Auto-Empirical-Research-Skills?

9 Fähigkeiten für Stipendien und Finanzierung. Auslöser: Förderanträge, Finanzierungssuche, Budgetplanung, Datenrepositorien. Design: förderspezifische Leitfäden mit Förderfähigkeit, Einreichungsanforderungen und Zeitplänen.

Verwandte Skills