我开源了 NIW / EB1A / O1 申请全流程本地 AI Skills 工作流

图片解读

第 1 张图 — 证据整理（按要求：事实 / 推测 / 无法辨认部分）

一、事实（页面上可直接读取的文字与数值）

- 页面顶部英文标题："How you compare with approved cases"，并有红色小字说明："Approved cases only — this shows what approved profiles look like, NOT your approval probability."

- 顶部表单：Category 显示 "NIW"；Your field 显示 "All fields"；Your citations 文本框显示 "430"；Your papers 文本框显示 "20"；Period 显示 "All years"。

- 四个汇总框："Citations percentile" 内容 "86%"（小字：of approved peers (all fields, all years) have ≤ yours）；"Papers percentile" 内容 "84%"；"Peer medians" 内容 "106 · 10"（小字：citations · papers）；"Approved sample" 内容 "4,713"。

- 上图标题："Citations of approved cases by month · bands: middle 50% and 80% · 3-month window · log scale"。图中有对数刻度（例如 10、100、1,000），红色虚线标注 "You · 430"，绿色中位线及两层绿色阴影带表示中间 50% 与 80%。

- 下图标题："Papers of approved cases by month · journal + conference papers · same window · log scale"。对数刻度下显示论文数趋势，红色虚线标注 "You · 20"，绿色中位线与阴影带同上。

- 页面叠加中文大字："基于一万+案例分析, 你的NIW背景， 在已批准案例里排多少"（带黄色荧光标记强调）。

二、推测（基于界面与标注的合理解读）

- 顶部输入的 "Your citations 430" 与 "Your papers 20" 对应两张图中右侧的红色虚线（"You · 430"、"You · 20"）。

- "Peer medians 106 · 10" 代表同行获批案例的中位数为 106 次引用与 10 篇论文。

- 绿色中位线与阴影带分别表示样本的中位趋势及中间 50% / 80% 范围（与图题说明一致）。

- 综合来看，该输入在引用与论文数上均高于同行中位数，页面上也显示引用百分位 86%、论文百分位 84%。

三、无法辨认 / 被遮挡的内容

- 部分 X 轴时间刻度被中文叠字遮挡，个别年份标签或小字注释无法完全辨认。

- 下图 Y 轴某些刻度的精确数值因分辨率或叠字遮挡无法 100% 确认，但整体为对数刻度可估算范围。

- 右上角或页眉的若干小图标或交互按钮可能在裁切外不可见。

（按原图逐项记录，可根据需要整理为表格或纯文本清单）

SkillPI 作品解读

用途与核心功能：

- 本项目旨在提供一套开源、本地运行的 AI skills 工作流，帮助准备学术移民类别（NIW / EB1A / O1）的申请材料。根据作者说明，工作流覆盖评估、证据收集、文书起草、表格生成与按 USCIS 要求打包与邮寄地址匹配等环节。作者强调 MIT 开源、隐私优先（在用户本地运行）、支持断点续传。作者同时声明非律师，建议在递交前请律师复核。

图片证据要点（可用于验证功能声明）：

- 统计评估界面显示可输入 citations（示例值 430）与 papers（示例值 20），并给出 citations percentile 86%、papers percentile 84%、peer medians 106 · 10、approved sample 4,713。两张图分别展示获批案例随时间的 citations 与 papers 的中位线与中间 50%/80% 带，并在图中以红色线标出“你”的数值（You · 430 / You · 20）。这些界面元素支持项目宣称具有基于已批准案卷的统计评估模块。

关联 Skill 的使用步骤（基于来源摘要中的描述，逐步说明可操作项，供复现参考）：

1) 环境准备：在本地安装 Node.js / npm；确保可运行 npx。准备好用于 AI 的订阅或模型（作者提到 Claude Code / Codex 作为示例交互对象），并允许工作流通过本地浏览器 agent 与网页交互。

2) 获取并安装仓库：作者说明可通过 npx 安装（示例：npx <repo>），仓库名可在 GitHub 搜索 OpenNIW（来源提及 gh 搜 OpenNIW）。

3) 启动与输入：安装后按提示启动本地 agent/浏览器向导，输入个人指标（如 citations、papers、field、period）以获取统计评估页面与图表。

4) 证据收集模块：触发自动下载论文、抓取引用、筛选独立引用并逐篇验证（需要网路访问与目标论文的可抓取权限）。

5) 文书起草模块：基于锁定的 endeavor 核心句生成 PES、Petition Letter、推荐信草稿，并应用内置 RFE 预防规则（作者说明内置 12 条规则）。

6) 填表与生成：通过浏览器向导填表并生成 I-140 / ETA-9089 PDF（注意保留生成的 PDF 供人工核验）。

7) 打包与邮寄：按 USCIS 官方顺序打包材料，并自动匹配所在州的 lockbox 邮寄地址用于线下提交。

复现前提（必须核实或准备的内容）：

- 技术前提：Node.js / npm、可用的本地 LLM 订阅或可访问的模型（作者提到 Claude Code / Codex），支持 headless 或受控浏览器的 agent 权限（用于抓取与表单填充）、网络访问权限以抓取论文与引用。

- 数据/法律前提：需提供个人论文清单、引用数据访问权限；USCIS 表格、lockbox 地址与最新要求需与官方核对；作者非律师，任何法律主张或材料呈现应由持证律师最终审核。

- 安全与隐私：项目宣称“全程在本地运行，无服务器”，复现时应核实仓库是否确实不向外发送数据，且本地 AI 订阅的隐私条款允许处理此类敏感信息。

待核实项（建议在使用前确认）：

- 仓库当前维护状态与 README 中的安装命令（npx 命令、依赖版本、是否仍是 MIT 许可）以及仓库地址（作者提示 gh 搜 OpenNIW）。

- 统计数据源与数据集可追溯性：作者提及样本量（例如 4,713 个 NIW、2,294 个 EB1A、128 条 O1），需核实这些数据的来源、抓取时间点与更新频率，以及数据如何分类与去重。

- 生成的文书（PES、Petition Letter、推荐信）质量与法律合规性：是否符合当前 USCIS 判例/政策及移民律师的撰写惯例，尤其涉及法律论证（end eavor 描述）的表述。

- 自动填写 I-140 / ETA-9089 的精确字段映射与 PDF 生成是否与 USCIS 最新表格格式完全一致，以及生成的签名/签署要求（通常需手签或律师签名）如何处理。

- RFE 预防规则的具体逻辑与覆盖范围（作者提到有 12 条规则，但未在摘要中列出具体规则）。

风险提示：作者在原文中已明确“我不是律师”，所给工具与草稿不构成法律意见。任何自动生成的材料在递交前都应人工校验并在必要时由专业移民律师审核。不要将本项目产生的结果直接替代法律咨询或最终提交文件的人工签署与核验。