核心定位
Nonprofit RBM Logic Model 是一套面向非营利组织捐赠申请的专业化决策支持系统，聚焦于将模糊的项目构想转化为结构清晰、证据可溯、捐赠人契合的提案体系。其核心价值不在于美化叙事，而在于建立"可辩护的提交决策"——通过严格的因果逻辑链、测量层设计、风险矩阵与证据纪律，帮助用户判断一个项目是否真正 ready for submission。
显著优点
1. 决策优先于文案
区别于传统提案写作工具，该技能强制输出 Go / Conditional Go / No-Go verdict，将"是否提交"作为核心交付物，而非单纯的 polished narrative。这种设计直接回应了非营利领域常见痛点：资源有限情况下，团队常被迫在薄弱证据基础上推进申请，导致高失败率与声誉损耗。
2. 证据分级与透明标注系统
独创的 [HIGH] / [MEDIUM] / [LOW] / [UNVERIFIED] 四级标签体系，配合 Facts / Assumptions / Hypotheses / Unknowns 的强制分离，有效防止"假设伪装成事实"的结构性误导。对于缺失关键字段的情况，严格执行"2个以上缺失即停止完整起草"的规则，避免产生看似完整实则空洞的提案幻觉。
3. 多模式适配与受众感知
七种操作模式（RBM Logic Model / Concept / LOI / Full Proposal / Review / Donor-Fit / Express）覆盖项目全生命周期，且能自动识别用户角色（项目官员、资助撰写人、M&E主管、执行总监）调整输出侧重点。这种设计显著降低了跨职能协作的认知摩擦。
4. 伦理安全护栏
明确拒绝"发明数据、伪造捐赠人契合度、以修辞掩盖逻辑弱点"等请求，并提供合规替代方案（占位字段、假设日志、验证计划）。这在生成式AI滥用于投标文书生产的当下，具有重要的行业自律价值。
潜在局限
1. 高语境依赖与冷启动成本
尽管设计了"Express"快速模式，但该技能的有效运作仍高度依赖用户提供的捐赠人文本、基线数据、预算细节等输入。对于完全早期的创意阶段用户，频繁的"关键字段缺失"中断可能形成使用门槛，部分用户可能因挫败感转向更"顺从"的文案生成工具。
2. 非英语语境的适用性存疑
技能文档大量使用 RBM（Results-Based Management）、MEAL（Monitoring, Evaluation, Accountability & Learning）、Logframe 等国际发展领域术语，且预设的捐赠人契合逻辑偏向西方双边/多边援助机构框架。对于本土化草根组织或新兴国家本土基金会体系，可能需要显著的语境适配。
3. 复杂项目的可扩展性边界
虽然声称支持"完整提案"，但对于涉及多层级实施伙伴、跨部门干预、适应性管理（adaptive management）设计的复杂项目，预设的线性因果链（Activities → Outputs → Outcomes → Impact）可能过度简化动态系统变化，与当代发展评价理论中的涌现性（emergence）和意外后果（unintended consequences）视角存在张力。
4. 人机协作的模糊地带
技能要求"material claims remain unverified 时必须人工验证"，但未提供具体的人机分工协议或验证责任矩阵。在高压申请周期中，这一 guardrail 的的实际执行力度高度依赖用户自律。
适合人群
- 非营利组织项目与资助团队：特别是年收入规模中等、具备基础 M&E 意识但缺乏专职提案设计师的机构
- 国际发展领域顾问与自由职业者：需要为不同客户快速产出标准化、可审计的 RBM 框架
- 能力建设培训机构：作为教授逻辑模型与证据思维的辅助教学工具
- 审慎型执行总监/理事会：需要在有限信息下做出"是否投入申请资源"的理性决策
常规风险
过度自信风险：用户可能将 AI 输出的结构化表格误认为专业背书，忽视其本质为"基于有限信息的推理骨架"。建议配套使用时的认知干预：明确告知"本输出不构成捐赠成功概率保证"。
责任稀释风险："证据纪律"的强调可能被团队成员用作推卸数据收集责任的工具（"AI 说需要基线数据，所以我们现在不能写"）。需要配套的项目管理流程设计。
模式误用风险：用户可能在证据不足时强行选择"Full Proposal"模式，生成看似完整的文档，违背技能设计初衷。系统虽内置降级机制，但依赖用户的诚实自我评估。