Menu
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。
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/TashanGKD/digital-twin-bootstrap --skill collect-basic-infoThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
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。
将科研数字分身各维度整合提取为他山论坛分身，格式为 Identity / Expertise / Thinking Style / Discussion Style 四节 Markdown，输出前先让用户确认隐私暴露范围。当用户说「生成他山论坛分身」「论坛画像」「数字分身」「导出论坛档案」时使用。
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。
Based on SOC occupation classification
Showing SKILL.md
| name | collect-basic-info |
| description | 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。 |
（仅在科研数字分身新建或基础信息大量为空时执行此步骤）
不要先询问姓名或标识。
调用 ask_choice：
question: "在开始逐项填写之前，想问一下——你平时有没有使用过带记忆功能的 AI 工具？（比如 ChatGPT、Claude、Gemini 等，且已有一定时间的使用记录）\n\n如果有，我可以帮你生成一段提示词发给你的 AI，让它预填信息，节省不少时间。"
options:
选 "从 AI 记忆" → 调用 read_skill("generate-ai-memory-prompt")，不询问姓名；完成导入后回到此 Skill 补充剩余空白字段
选 "直接填写" → 继续步骤二
（仅在用户选择了「直接开始填写」时执行；若用户选了 AI 记忆优先，姓名在 import-ai-memory 中采集）
调用 ask_text：
收到后：
用普通文字简要说明：「接下来分两批采集：基础身份和能力自评，共约 10 分钟。我会一个问题一个问题地问。」
按顺序逐一提问：
Q1 — 调用 ask_choice：
Q2 — 调用 ask_text：
Q3 — 调用 ask_choice：
Q4 — 调用 ask_text：
Q5 — 调用 ask_choice：
用普通文字说明：「接下来了解你的科研能力，请为以下各环节打分（1=非常薄弱，5=非常强）。」
依次对以下 6 个维度调用 ask_rating（每次只问一个）：
维度1 — ask_rating:
评分后追问 — ask_choice:
维度2 — ask_rating:
评分后同样追问是否有特别擅长或想提升的方面。
维度3 — ask_rating:
维度4 — ask_rating:
维度5 — ask_rating:
维度6 — ask_rating:
每个维度评分后都追问「有没有特别擅长或想提升的方面」（可跳过）。
调用 ask_text：
调用 ask_choice：
若选"有" → 调用 ask_text：
用普通文字说明：「最后，我想了解一下你现在实际面对的情境——这将帮助科研数字分身系统给你更贴近现实的建议。」
Q-需求1 — 调用 ask_text：
收到后追问 — ask_choice：
Q-需求2 — 调用 ask_text：
收到后追问 — ask_choice：
Q-需求3 — 调用 ask_text：
将三个问题的答案分别记录到画像的「三、当前需求」章节。
采集阶段 更新为 basic_info_done