القائمة
施测科研人员认知风格量表（RCSS），评估横向整合 vs 垂直深度的认知偏好。当用户选择填写量表、或画像中RCSS数据缺失时使用。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
根据当前科研数字分身状态，生成结构化提示词，供用户提交给 ChatGPT 等带记忆功能的 AI，从中提取与画像构建相关的信息。不询问用户使用哪个 AI 工具，提示词对所有平台通用。
解析用户从其他 AI 获取的记忆回复，最大化利用已有信息减少用户交互，仅在信息严重不足时才补充提问。
AI记忆推断优化版。先读量表原始文档理解维度定义，再基于量表题目结构逐维度推断（而非经验规则），最后针对最低置信度维度补问一个关键问题。比标准版推断更科学、更透明。
采集科研数字分身的基础信息（研究阶段、学科领域、方法范式、技术能力、科研流程能力）。当用户开始建立科研数字分身、或基础信息尚未填写时使用。
施测学术动机量表（AMS-GSR 28），采集科研人员的内在动机、外在动机和无动机数据。当用户选择填写量表、或画像中AMS数据缺失时使用。
施测大五人格量表（Mini-IPIP，20题），评估外向性、宜人性、尽责性、神经质和开放性。当用户选择填写量表、或画像中人格数据缺失时使用。
| name | administer-rcss |
| description | 施测科研人员认知风格量表（RCSS），评估横向整合 vs 垂直深度的认知偏好。当用户选择填写量表、或画像中RCSS数据缺失时使用。 |
读取 doc/researcher-cognitive-style.md 获取量表详情和解读标准。
接下来是「科研人员认知风格量表」（RCSS），共 8 题，约 3-5 分钟。
请用 1-7 分作答：
1 = 完全不同意 4 = 中立 7 = 完全同意
题目评估你在科研中的思维习惯：偏向「跨领域整合」还是「专业深耕」。
RCSS 题量少，可一次全部呈现：
维度 A：横向整合
| 编号 | 题目 | 你的评分（1-7） |
|---|---|---|
| A1 | 我习惯于在非本专业的领域（如 CS、数学、统计、工程学等）中寻找可以跨界使用的灵感或方法。 | |
| A2 | 在处理科研障碍时，我倾向于跳出当前具体问题，试图构建一个更宏大、更通用的理论框架或模型。 | |
| A3 | 我认为跨学科的"连接"能力比单一学科的"深度"在现代科学研究中更为稀缺和重要。 | |
| A4 | 我倾向于将不同的算法、模型和理论"组装"在一起，形成一套完整的系统或解决方案。 |
维度 B：垂直深度
| 编号 | 题目 | 你的评分（1-7） |
|---|---|---|
| B1 | 我更喜欢深耕一个垂直细分领域，成为那个领域里掌握技术细节最精准、最全面的专家。 | |
| B2 | 我更喜欢针对某个具体的模型、数据集或物理现象进行极致的参数调优、数学建模或实验验证。 | |
| B3 | 我更喜欢一个人安静地钻研极其复杂的数学推导、代码细节或实验操作，而不喜欢频繁讨论宏观架构或跨领域联想。 | |
| B4 | 我认为把一件技术小事做到极致的"工匠精神"是科研工作者的最高准则。 |
请用户回复格式：A1:分数, A2:分数, A3:分数, A4:分数, B1:分数, B2:分数, B3:分数, B4:分数
I（横向整合分） = A1 + A2 + A3 + A4 （范围 4-28）
D（垂直深度分） = B1 + B2 + B3 + B4 （范围 4-28）
CSI = I - D （范围 -24 到 +24）
类型判定（参考 doc/researcher-cognitive-style.md）：
| CSI 区间 | 类型 |
|---|---|
| +17 至 +24 | 强整合型 |
| +8 至 +16 | 倾向整合型 |
| -7 至 +7 | 平衡型 |
| -16 至 -8 | 倾向深度型 |
| -24 至 -17 | 强深度型 |
同时分析双维度剖面（高I高D / 高I低D / 低I高D / 低I低D）。
## 三、认知风格 字段（AI推断） 标注（如有）采集阶段 更新为包含 rcss_done