技能：资助趋势预测器

ID: 200
版本： 1.0.0
作者： OpenClaw Agent
许可证： MIT

概述

资助趋势预测器是一款智能分析工具，利用自然语言处理（NLP）技术分析全球主要研究资助机构（NIH、NSF、Horizon Europe）的中标项目摘要，预测未来 3-5 年的资助偏好转移趋势。

功能特性

多源数据采集：自动获取 NIH、NSF、Horizon Europe 的中标项目数据
NLP 深度分析：使用先进的文本挖掘技术提取主题、关键词和研究趋势
趋势预测模型：基于时间序列分析和主题建模预测资助方向变化
可视化报告：生成图表和趋势报告，直观展示分析结果
领域细分：按医学、工程、自然科学等领域进行分类分析

安装

# Enter skill directory
cd skills/funding-trend-forecaster

# Install dependencies
pip install -r requirements.txt

# Download NLTK data
python -c "import nltk; nltk.download('punkt'); nltk.download('stopwords'); nltk.download('wordnet')"

依赖项

requests>=2.28.0
beautifulsoup4>=4.11.0
pandas>=1.5.0
numpy>=1.23.0
scikit-learn>=1.1.0
textblob>=0.17.1
nltk>=3.7
matplotlib>=3.6.0
seaborn>=0.12.0
wordcloud>=1.8.0
python-dateutil>=2.8.0

使用方法

命令行接口

# Run full analysis workflow
python scripts/main.py --analyze-all --output report.json

# Analyze specific agency only
python scripts/main.py --source nih --months 6

# Generate visualization report
python scripts/main.py --visualize --input data.json --output charts/

# View trend forecast
python scripts/main.py --forecast --years 5 --output forecast.json

API 调用

from scripts.main import FundingTrendForecaster

# Initialize forecaster
forecaster = FundingTrendForecaster()

# Collect data
forecaster.collect_data(sources=['nih', 'nsf', 'horizon_europe'], months=6)

# Execute analysis
results = forecaster.analyze_trends()

# Generate forecast
forecast = forecaster.predict_trends(years=5)

# Export report
forecaster.export_report(output_path='report.pdf', format='pdf')

参数

| 参数 | 类型 | 默认值 | 是否必需 | 说明 | |-----------|------|---------|----------|-------------| | --analyze-all | flag | false | 否 | 对所有数据源运行完整分析流程 | | --source | string | - | 否 | 要分析的特定机构（nih、nsf、horizon_europe） | | --months | int | 6 | 否 | 要分析的历史数据月数 | | --years | int | 5 | 否 | 趋势预测的未来年数 | | --visualize | flag | false | 否 | 生成可视化图表 | | --forecast | flag | false | 否 | 生成趋势预测 | | --input, -i | string | - | 否 | 输入数据文件路径（用于可视化/预测） | | --output, -o | string | - | 否 | 输出文件路径 | | --config | string | config.json | 否 | 配置文件路径 |

数据来源

| 机构 | 数据源 URL | 更新频率 | |------|-----------|---------| | NIH | https://reporter.nih.gov/ | 每日 | | NSF | https://www.nsf.gov/awardsearch/ | 每日 | | Horizon Europe | https://ec.europa.eu/info/funding-tenders/opportunities/ | 每周 |

配置

创建 config.json 文件以自定义分析参数：

{
  "sources": {
    "nih": {
      "enabled": true,
      "base_url": "https://reporter.nih.gov/",
      "max_results": 1000
    },
    "nsf": {
      "enabled": true,
      "base_url": "https://www.nsf.gov/awardsearch/",
      "max_results": 1000
    },
    "horizon_europe": {
      "enabled": true,
      "base_url": "https://ec.europa.eu/info/funding-tenders/",
      "max_results": 500
    }
  },
  "nlp": {
    "language": "en",
    "min_word_length": 3,
    "max_topics": 20,
    "stop_words": ["research", "study", "project"]
  },
  "forecast": {
    "method": "lda_trend",
    "confidence_level": 0.95,
    "years_ahead": 5
  }
}

输出格式

JSON 报告结构

{
  "metadata": {
    "generated_at": "2024-01-15T10:30:00Z",
    "data_period": "2023-07-01 to 2024-01-01",
    "sources": ["nih", "nsf", "horizon_europe"],
    "total_projects": 15420
  },
  "trend_analysis": {
    "top_keywords": [
      {"term": "artificial intelligence", "frequency": 342, "growth": 0.45},
      {"term": "climate change", "frequency": 298, "growth": 0.32}
    ],
    "emerging_topics": [
      {"topic": "Large Language Models", "projects": 89, "trend": "rising"},
      {"topic": "Carbon Capture", "projects": 156, "trend": "stable"}
    ],
    "funding_shifts": {
      "increasing": ["AI/ML", "Climate Tech", "Quantum Computing"],
      "decreasing": ["Traditional Materials", "Fossil Fuels Research"]
    }
  },
  "forecast": {
    "2025": {
      "predicted_hot_topics": ["Generative AI", "Gene Editing", "Fusion Energy"],
      "confidence": 0.87
    },
    "2026-2029": {
      "long_term_trends": ["AGI Safety", "Personalized Medicine", "Space Mining"],
      "confidence": 0.72
    }
  }
}

架构

funding-trend-forecaster/
├── scripts/
│   ├── main.py              # Main entry
│   ├── collectors/          # Data collection module
│   │   ├── __init__.py
│   │   ├── nih_collector.py
│   │   ├── nsf_collector.py
│   │   └── horizon_collector.py
│   ├── analyzers/           # NLP analysis module
│   │   ├── __init__.py
│   │   ├── text_processor.py
│   │   ├── topic_modeler.py
│   │   └── trend_detector.py
│   ├── predictors/          # Prediction module
│   │   ├── __init__.py
│   │   └── trend_forecaster.py
│   └── utils/               # Utility module
│       ├── __init__.py
│       ├── config.py
│       └── visualizer.py
├── data/                    # Data storage
│   ├── raw/
│   └── processed/
├── output/                  # Output directory
├── config.json              # Configuration file
├── requirements.txt         # Python dependencies
└── SKILL.md                 # This document

路线图

[x] 基础架构设计
[x] 核心分析模块
[ ] 更多数据源支持（Wellcome Trust、JSPS 等）
[ ] 实时数据流处理
[ ] 交互式网页界面
[ ] 机器学习模型优化

许可证

MIT License - 详见项目根目录中的 LICENSE 文件

由 OpenClaw Agent 生成 | 技能 ID：200

风险评估

| 风险指标 | 评估 | 级别 | |----------------|------------|-------| | 代码执行 | 使用工具的 Python 脚本 | 高 | | 网络访问 | 外部 API 调用 | 高 | | 文件系统访问 | 读写数据 | 中 | | 指令篡改 | 标准提示词规范 | 低 | | 数据暴露 | 数据处理安全 | 中 |

安全检查清单

[ ] 无硬编码凭证或 API 密钥
[ ] 无未经授权的文件系统访问（../）
[ ] 输出不暴露敏感信息
[ ] 已实施提示词注入防护
[ ] API 请求仅使用 HTTPS
[ ] 输入已根据允许的模式进行验证
[ ] 已实现 API 超时和重试机制
[ ] 输出目录限制在工作区内
[ ] 脚本在沙盒环境中执行
[ ] 错误消息已清理（不暴露内部路径）
[ ] 依赖项已审计
[ ] 不暴露内部服务架构

前置条件

# Python dependencies
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
[ ] 妥善处理边界情况
[ ] 性能可接受

测试用例

基本功能：标准输入 → 预期输出
边界情况：无效输入 → 优雅的错误处理
性能：大数据集 → 可接受的处理时间

生命周期状态

当前阶段：草案
下次审查日期：2026-03-06
已知问题：无
计划改进：
- 性能优化
- 增加功能支持