自动化写作流程
先完成申请定位和叙事蓝图，再围绕证据结构生成四篇 Chevening 文书草稿。
Chevening 文书准备
Chevening 文书工具：写作、修改与评委风险检查
用 CheveningPrep 从申请定位进入四篇核心文书，再检查每篇草稿的证据缺口、个人角色、跨文书重复和面试脆弱点。
半自动文书精修
粘贴或撰写自己的草稿，先评估，再由你继续编辑，也可以基于最新反馈使用 AI 辅助修改。
文书评估与整包审查
检查分数区间、证据缺口、叙事风险、跨文书重复，以及未来面试中可能被追问的弱点。
流程
文书流程如何组合
自动化写作和半自动修改是两个不同入口，但它们共用同一套证据优先的评估逻辑。目标不是让文书更顺，而是让四篇文书组成一个经得起评委追问的申请包。
- 1先诊断申请定位和证据缺口。
- 2建立叙事蓝图，让四篇文书各自承担不同任务。
- 3从保存的上下文生成草稿，或在半自动模式中粘贴自写草稿。
- 4在依赖草稿前，对当前文本运行评估。
- 5只使用真实、可核验的证据修改，并重新检查整套申请。
四篇文书策略
每一篇 Chevening 文书都有不同任务
很多文书读起来流畅，但反复使用同一套动机、影响力和职业愿望。CheveningPrep 通过定位和蓝图，先决定每篇文书应该证明什么。
申请定位诊断
在让 AI 起草之前，先识别最强的评委视角申请角度。
- 主要申请画像
- 证据优势和缺失信号
- 叙事风险和压力问题
叙事蓝图
把合适证据分配到领导力、关系、英国学习和职业规划文书中，避免整套申请重复。
- 每篇文书的核心论点
- 避免重复提示
- 课程和职业规划连接点
评估维度
文书评估应该暴露什么
总分不够有用。真正重要的是评委是否相信你的主张、是否看清你的个人角色，以及四篇文书之间是否一致。
领导力与影响力
检查文书是否证明了个人领导力，而不只是描述一个项目。
- 个人领导行动
- 挑战与决策质量
- 可衡量或有边界的影响
职业关系
检查关系叙事是否体现信任、互惠和具体关系结果。
- 具体职业关系
- 建立关系的方法
- 关系带来的结果
英国学习
不只看英国名校光环，而是检查课程选择是否解决真实能力缺口。
- 课程匹配逻辑
- 能力缺口
- 和回国路径的连接
职业规划
检查宏大愿望是否变成可信的短期、中期和长期路径。
- 短期行动
- 可衡量路径
- 回国可信度
评委压力
一篇润色好的文书仍可能被质疑什么
文书可以很流畅，但如果个人角色、证据、课程匹配或未来路径无法防守，仍然会被评委追问。
个人领导力不清
文书描述了项目，但没有说明申请人本人发起、决定或改变了什么。
职业关系太泛
文书说建立了网络，但没有说明信任、互惠或具体成果如何发生。
课程匹配缺口
学习计划列出了课程，却没有证明首选课程为什么正好补上能力缺口。
职业规划不可衡量
愿景听起来很强，但短期、中期和长期路径还不够可信。
重要边界
- CheveningPrep 独立于 Chevening，不提供官方评分。
- 生成或修改后的文字在正式使用前，必须由申请人核验、编辑或删除。
- 分数只是准备信号，不是奖学金或面试结果预测。
- 半自动修改从申请人自己的草稿开始，并保留清晰的评估循环。
权限与 credits
文书生成、评估、整包审查和 Playground 功能需要有效的 essay 或 full CheveningPrep pass。运行 AI 分析或生成时可能消耗 credits。
继续使用相关 Chevening 工具
从文书起草进入面试压力测试，或先学习更强文书结构，再回到真实申请材料。
常见问题
CheveningPrep 可以替我写 Chevening 文书吗？
它可以帮助诊断、起草、评估和修改，但最终申请必须由申请人负责，且内容真实、经过核验。
自动化和半自动文书流程有什么区别？
自动化流程从诊断和蓝图开始；半自动流程从你自己的草稿开始，再用评估和可选 AI 修改提升质量。
文书分数能预测 Chevening 结果吗？
不能。分数用于帮助安排修改和证据检查优先级，不是 Chevening 官方评分，也不能预测结果。