Install any skill in seconds. Free to start, no credit card required.
Get Started Free →Use when drafting or revising the 中文摘要 or 英文 abstract for a 《中国农村经济》(China Rural Economy, CRE) manuscript — the CSSCI 权威三农期刊 run by 中国社会科学院农村发展研究所. 当摘要写成"为乡村振兴提供新视角"式套话、缺核心数据 / 识别策略 / 量化发现、或中英文语义不对齐时使用。Enforces the five-sentence pattern, requires quantified household-survey findings (CHIP / CFPS / CLDS / CRRS), and forbids empty-significance phrases.
.claude/skills/brycewang-stanford-cre-abstract/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 100% | 0% |
| case-02 | ✗→✓ | ▲ Improved | 42% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 23% | 0% |
| case-10 | ✗→✓ | ▲ Improved | 81% | 0% |
| case-12 | ✗→✓ | ▲ Improved | 92% | 0% |
| 句 | 任务 | |----|------| | 第 1 句 | 研究背景与问题:一句话点明现实的三农问题(落到农业 / 农村 / 农户)| | 第 2 句 | 数据与方法:什么调查数据(CFPS / CHFS / CLDS / 固定观察点等)、什么识别策略 | | 第 3 句 | 核心发现:用了什么 → 发现了什么(数字 + 方向)| | 第 4 句 | 机制 / 异质性与边界:通过什么农户机制实现,在哪类农户 / 地区上更强 | | 第 5 句 | 贡献与启示:为什么这个发现对乡村振兴 / 农村政策重要(意义层,不写"应该 XX")|
> 农户参与合作社能否真正增收,是评估新型农业经营主体政策效果的关键问题。本文基于 2014—2020 年中国家庭追踪调查(CFPS)农村样本,利用合作社设立的政策时点构造工具变量,缓解农户入社的自选择内生性。研究发现:参与合作社使农户农业经营收入显著提高约 X%,主要通过提升农产品销售价格和降低生产资料采购成本两条机制实现;该效应在土地经营规模较小、原本市场议价能力较弱的农户中更为明显。本文为通过培育新型经营主体促进小农户与现代农业有机衔接提供了微观证据。
英文摘要不是中文逐句翻译。结构调整为:
凡是删掉之后摘要不损失信息量的句子,都要删掉。
下表把《中国农村经济》摘要的常见取舍锚定到可判定的规则。本刊已刊实证论文的摘要多为单段、150—350 字量级的紧凑结构(确切字数请到官网"投稿须知"核对当年要求)。
| 决策点 | 本刊偏好(合格) | 退稿 / 退修信号 | |--------|------------------|------------------| | 首句 | 一句话点明农业 / 农村 / 农户的现实问题(确权、粮食、增收、减贫) | 从"乡村振兴是国家战略"这类宏大背景起笔,三句还没落到具体问题 | | 数据点名 | 明写 CHIP / CFPS / CLDS / CRRS / 农村固定观察点 + 年份跨度 | "基于微观调查数据"不点名,审稿人无法判断代表性 | | 识别策略 | 一短句交代准实验设计(确权试点分批、补贴资格线、政策时点 IV) | 只说"实证检验了……的影响",不交代如何处理农户自选择 | | 核心发现 | 方向 + 量化(X%、相当于均值 Y%、折合 Z 元) | "显著促进""有正向影响"——审稿人看不到效应大小 | | 机制 / 异质性 | 落到农户可观测行为(信贷、土地规模、要素配置)与子群体 | 停在"促进了城乡融合"的宏观叙事 | | 收尾 | 呼应小农户衔接现代农业 / 粮食安全 / 共同富裕的制度含义 | "具有重要的理论与现实意义"空收尾 |
以一篇虚构稿件演示五句法(示意数字,非真实估计):
原始摘要(套话版,黑名单命中 3 处):
"数字普惠金融是乡村振兴的重要抓手,具有重要的理论价值和现实意义。
本文研究了数字普惠金融对农户增收的影响,发现其有显著的正向作用,
为农村经济高质量发展提供了新的视角。"
按本刊决策表重写(五句法):
第1句〔问题〕数字普惠金融能否真正缩小农户内部收入差距,是评估其
"普惠"成色的关键。
第2句〔数据+方法〕本文基于 2015—2019 年 CFPS 农村样本,以县域数字
金融指数与农户到县城距离的交互项为工具变量,缓解使用自选择。
第3句〔发现〕数字普惠金融使农户人均纯收入提高约 6.8%(示意),其中
低收入组提升约 9.2%(示意),高收入组不显著。
第4句〔机制〕该效应主要通过放松流动性约束、促进非农就业两条农户层面
机制实现。
第5句〔贡献〕本文为数字金融服务"下沉到户"如何促进相对贫困治理提供
了微观证据。走查判定:黑名单命中由 3 降为 0;数据点名、识别策略、量化方向、农户机制四项齐备 → 通过。
【五句法合规】是 / 否(缺哪一句)
【量化结果】有 / 无
【数据点名】有(CHIP / CFPS / CLDS / CRRS / ...)/ 无
【三农场景】明确 / 模糊
【黑名单短语命中】[...]
【中英对齐】是 / 否
【下一步】cre-style 或 cre-submission| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 14,853 | 18,796 | +27% | 1 | 1 | 0% | 2,234 | 4,469 | +100% | 0 | 0 | — |
case-20 | pass→pass | 19,419 | 18,107 | -7% | 1 | 1 | 0% | 3,006 | 4,491 | +49% | 0 | 0 | — |
case-02 | fail→pass | 23,983 | 23,811 | -1% | 1 | 1 | 0% | 3,550 | 5,031 | +42% | 0 | 0 | — |
case-03 | fail→pass | 27,625 | 16,408 | -41% | 1 | 1 | 0% | 3,837 | 4,704 | +23% | 0 | 0 | — |
case-04 | pass→pass | 20,197 | 26,485 | +31% | 1 | 1 | 0% | 3,418 | 5,706 | +67% | 0 | 0 | — |
case-05 | pass→pass | 25,252 | 27,345 | +8% | 1 | 1 | 0% | 2,601 | 4,936 | +90% | 0 | 0 | — |
case-06 | pass→pass | 19,142 | 21,823 | +14% | 1 | 1 | 0% | 2,153 | 5,052 | +135% | 0 | 0 | — |
case-07 | pass→pass | 22,528 | 17,676 | -22% | 1 | 1 | 0% | 2,443 | 3,916 | +60% | 0 | 0 | — |
case-08 | pass→pass | 21,965 | 18,436 | -16% | 1 | 1 | 0% | 2,417 | 3,907 | +62% | 0 | 0 | — |
case-09 | pass→pass | 22,189 | 16,991 | -23% | 1 | 1 | 0% | 2,118 | 3,787 | +79% | 0 | 0 | — |
case-10 | fail→pass | 18,419 | 11,758 | -36% | 1 | 1 | 0% | 2,140 | 3,867 | +81% | 0 | 0 | — |
case-11 | pass→pass | 17,262 | 15,051 | -13% | 1 | 1 | 0% | 1,960 | 3,326 | +70% | 0 | 0 | — |
case-12 | fail→pass | 15,064 | 15,159 | +1% | 1 | 1 | 0% | 1,725 | 3,316 | +92% | 0 | 0 | — |
case-13 | pass→pass | 10,256 | 14,832 | +45% | 1 | 1 | 0% | 1,589 | 3,398 | +114% | 0 | 0 | — |
case-14 | fail→fail | 11,107 | 7,035 | -37% | 1 | 1 | 0% | 1,032 | 3,088 | +199% | 0 | 0 | — |
case-15 | fail→pass | 14,111 | 22,416 | +59% | 1 | 1 | 0% | 1,442 | 4,251 | +195% | 0 | 0 | — |
case-16 | fail→pass | 17,280 | 9,524 | -45% | 1 | 1 | 0% | 1,818 | 2,528 | +39% | 0 | 0 | — |
case-17 | pass→pass | 21,365 | 9,113 | -57% | 1 | 1 | 0% | 2,091 | 2,387 | +14% | 0 | 0 | — |
case-18 | fail→pass | 15,145 | 20,119 | +33% | 1 | 1 | 0% | 2,098 | 4,127 | +97% | 0 | 0 | — |
case-19 | pass→pass | 24,604 | 21,765 | -12% | 1 | 1 | 0% | 2,484 | 4,484 | +81% | 0 | 0 | — |
case-21 | pass→pass | 14,157 | 15,603 | +10% | 1 | 1 | 0% | 1,862 | 4,151 | +123% | 0 | 0 | — |
case-22 | fail→pass | 20,654 | 13,111 | -37% | 1 | 1 | 0% | 2,040 | 3,701 | +81% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +41 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.