A Workflow for Grant Discovery and Proposal Development Using Large Language Models: Development and Formative Evaluation

想象一下，你正试图在一座巨大且混乱的图书馆里寻找一个隐藏的宝藏箱。这里的书名不断变化，地图是用隐形墨水绘制的，进入金库的规则每天都在变。这就是发展中国家小型医疗科技公司的日常现实。他们拥有利用人工智能拯救生命的绝妙创意，但他们需要资金（拨款）来证明这些工具确实有效。问题在于？寻找这些资金就像是在一堆着火的干草堆里寻找一根针。他们必须扫描数千个资金来源，弄清楚自己是否有资格申请，并编写复杂的叙述来劝说陌生人给他们现金。如果他们把所有时间都花在寻找这根针上，他们就永远无法制造出那台拯救生命的机器。

引入“大语言模型”（LLM）。把 LLM 想象成一个超快、超能阅读的机器人助手，它可以在几秒钟内阅读数百万页的内容，并瞬间写出信件草稿。但问题在于：如果你让这个机器人放任自流，它可能会编造事实、谎报规则，或者不小心泄露秘密。所以，核心问题不是“机器人能否完成工作？”，而是“我们能否在机器人周围建一个笼子，让它快速处理枯燥的工作，同时由人类掌控全局，以确保它不会出错？”这篇论文探讨的正是在此基础上：构建一个智能、安全的系统，帮助医疗科技团队在不丢掉理智或诚信的前提下寻找资金。

---

机器人图书管理员与人类船长

认识一下 Arkangel AI，这是一个在哥伦比亚建立智能医院工具的小型团队。他们需要资金来测试他们的发明，但他们的团队规模很小，负担不起庞大的拨款撰写团队。因此，他们建立了一个“工作流”——一个用于搜寻拨款的逐步流水线。但他们不仅仅是靠人工操作，他们还邀请了一位大语言模型（机器人图书管理员）来协助，同时让研究人员（人类船长）牢牢掌控方向。

以下是他们的新系统如何运作，分为四个有趣的阶段：

第一阶段：寻宝行动（发现）
在过去，团队只会通过搜索引擎输入“健康 AI 拨款”并祈祷好运。这就像是在大海中用单钩钓鱼。有了新系统后，机器人图书管理员带着由 50 种不同搜索策略组成的网去捕鱼。它不只是寻找“拨款”，它还会根据团队的具体位置和产品，寻找“创新奖项”、“政府计划”和“合作伙伴关系”。

• 结果： 机器人在短短一周内扫描了 741 个不同的来源。它找到了 352 个潜在候选对象。但是，等等！机器人很快，但不完美。它还发现了 220 个重复项（同一个拨款出现了两次）。经过筛选后，剩下的 83 个候选对象通过了过滤，被认为是符合资格且值得进一步考虑的优质选项。人类船长必须介入并说：“是的，这个是真的，”然后才能将其推进到下一个阶段。

第二阶段：门口的保安（分诊）
现在机器人已经有一堆潜在的拨款了，团队需要决定哪些值得投入精力。这就是“分诊”发生的时刻。机器人会检查规则：是否仅限非营利组织？我们需要欧洲的合作伙伴吗？截止日期是不是昨天了？
该系统使用了一个特殊的“不再出现”列表。如果机器人意识到某个拨款仅针对欧洲公司，它就会将其标记为“不再出现”。这就像是一个夜店保安，他会记得：“嘿，你上周试过进来，但你没有正确的身份证件。别白费力气了。”这阻止了团队在不可能的任务上浪费时间。人类船长对是否保留一个机会或将其扔进垃圾桶做出最终决定。

第三阶段：计分板（获胜准备度）
并非所有的拨款都是平等的。有些容易赢得；有些则像中彩票一样难。团队创建了一个“获胜准备度评分”来对它们进行排名。

• 数学逻辑： 他们并没有尝试猜测准确的中标概率（因为他们没有足够的历史数据来确保准确性）。相反，他们根据以下因素为每个拨款评分：我们符合资格吗？我们的使命与他们的匹配吗？通常有多少人能赢得这个？
• 结果： 在他们评分的 49 项拨款中，有 5 项非常有前景，使其进入了面试或决赛阶段。评分帮助他们决定先写哪份拨款申请，而不是凭感觉瞎猜。

第四阶段：起草站（提案开发）
这是机器人真正闪耀的地方。一旦船长说“让我们写这一个”，机器人就开始起草了。它负责编写枯燥的部分，总结规则，并检查引文（事实来源）是否真实。

• 安全网： 机器人不允许提交任何东西。在向资助方发送任何文字之前，人类船长必须进行审核。他们要检查：机器人是否捏造了事实？是否有我们不该分享的秘密？故事是否真实？
• 记忆： 每一份草稿、每一封邮件和每一个决定都被保存在一个数字“时间胶囊”（版本控制仓库）中。如果明年他们需要申请类似的拨款，他们可以挖掘旧有的工作成果，而不是从零开始。

这究竟意味着什么（以及不意味着什么）

论文非常明确地说明了他们的发现和未发现的事实。

• 他们发现： 系统有效！它让团队在寻找和组织拨款方面变得更快。在调整搜索策略后，他们从每天发现约 5 或 6 个好的拨款，变成了在每个搜寻周期内发现约 18 个合适的拨款。他们在短短几周内处理了 200 多个 机会，并创建了 46 个 新的、可执行的项目。
• 他们并未发现： 他们并没有证明使用机器人能让他们赢得更多资金。他们只证明了机器人能帮助他们更高效地完成寻找和撰写拨款的工作。赢得拨款取决于许多其他因素（如创意的优劣或竞争者的多少），而这套系统无法控制这些因素。
• “不准”清单： 论文明确指出：不要让机器人独自完成全部写作。 如果你让机器人脱离人类检查而运行，你可能会面临造假、违反规则或损害声誉的风险。机器人是一个工具，而不是科学家的替代品。

给好奇心灵的启示

这篇论文就像是一份在资金匮乏世界中构建“人机协作团队”的蓝图。它展示了你可以利用超快的 AI 来承担繁重的搜索和起草工作，但你必须保持人类坐在驾驶位上，负责检查地图并掌舵。

对于像哥伦比亚这样资源有限地区的规模化团队来说，这种工作流是一个游戏规则的改变者。它将混乱、令人崩溃的文书工作变成了一个清晰、有序的管道。它不能保证你一定能拿到钱，但它能保证你不会因为太累而错过任何一个机会。最重要的是，它证明了当人类的判断力与机器人的速度相结合时，你可以构建出既快速又安全的东西。