import-ai-memory

name	import-ai-memory
description	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 记忆导入与整合

目标

将用户从其他 AI 平台粘贴回来的记忆回复，完整地填入画像 schema 的所有字段。 任务完成的唯一标准：画像所有字段均有值，不存在「尚未评估」或空白。

---

信息来源优先级

1. 优先：从 AI 记忆回复中提取
2. 其次：向用户逐字段补问（按问法优先级：选择题 > 填空题）

---

画像 Schema（全字段清单）

第一章：基础身份

字段	对应 AI 记忆问题	问法（用户补问时）
研究阶段	A1	ask_choice（博士生/博士后/青年教师/PI/其他）
一级领域	A2（一级学科部分）	ask_text
二级领域	A2（具体方向部分）	ask_text
交叉方向	A2（如有提及）	ask_text（可跳过）
方法范式	A3	ask_choice（实验法/理论推导/计算建模/数据驱动/质性/混合/其他）
所在机构	A4（只取机构名）	ask_text
学术网络（导师/团队）	A5（导师+团队方向）	ask_text
学术合作情况	A6	ask_choice（实验室内部/跨机构/跨学科/都有/独立工作/其他）

第二章：能力

字段	对应 AI 记忆问题	问法（用户补问时）
技术能力（工具/语言）	B1	ask_text
代表性产出	B2	ask_text（可跳过）
科研流程能力（6项1-5分）	B3	ask_rating × 6

第三章：当前需求

字段	对应 AI 记忆问题	问法（用户补问时）
主要时间占用	C1	ask_text
核心难点/卡点	C2	ask_text
近期最想改变的事	C3	ask_choice（科研进展/写作发表/时间管理/技能提升/人际关系/其他）

第四–六章：量表维度

这三章不能从 AI 记忆直接获取精确数值，必须由本地 LLM 根据已有信息推断。

章节	字段
认知风格（RCSS）	CSI + 横向整合分 + 垂直深度分
学术动机（AMS，7维度）	求知内在/成就内在/体验刺激/认同调节/内摄调节/外部调节/无动机
人格（Mini-IPIP，5维度）	外向性/宜人性/尽责性/神经质/开放性

第七章：综合解读

在第一–六章全部填完后，由 LLM 自动生成。

---

执行流程

Step 1：解析 AI 记忆 + 写入基础字段

⚠️ 最高原则：用户粘贴的内容就是 AI 记忆回复，优先从中提取一切可提取的字段，静默写入，不要逐字段问用户。

在第一次 write_profile 之前，必须先调用 read_profile() 确认画像格式。后续所有 write_profile 调用必须严格沿用以下格式：

• 第一行固定：# 科研人员画像 — [姓名]
• 章节固定：## 一、基础身份 / ## 二、能力 / ## 三、当前需求 / ## 四、认知风格（RCSS） / ## 五、学术动机（AMS-GSR 28） / ## 六、人格（Mini-IPIP） / ## 七、综合解读

⚠️ 严禁使用 ## 第一章、# 科研数字分身 等自定义格式。

调用 read_profile，同时阅读用户粘贴的 AI 记忆内容。

按 Schema 字段清单逐一对照，将每个字段分类：

• 可写入：AI 记忆中有明确信息（无论标注 ✅ 还是 ⚠️），内容可映射到画像字段
• 需补问：AI 标注 ❌ 记忆不足，或完全未提及该字段

写入原则（最重要）：

• ✅ 有据可查的信息 → 直接写入，不问用户
• ⚠️ 印象模糊但信息具体的 → 也直接写入，不问用户。例如「更倾向于判断你是博士阶段」→ 直接写入"博士生"
• 当前需求等个人化信息 → 只要 AI 给出了具体内容，直接写入，不让用户确认
• 能力评分：AI 给出定性描述即可转化为分数写入，不需要用户再打分
• ❌ 只有当 AI 完全没有提供信息（记忆不足）的字段，才需要向用户提问补充

能力评分转化规则：

AI 描述	转化分数
非常强 / 核心优势 / 突出	5
较强 / 不错 / 擅长	4
一般 / 中等	3
较弱 / 有待提升	2
非常薄弱 / 明显短板	1

字段提取边界规则：

• 所在机构：只写机构名（如「中国科学院物理研究所」），不含导师信息
• 学术网络：导师姓名 + 团队方向，独立写入，不混入机构字段
• 一级领域 / 二级领域：从 A2 拆分，分别写入两个字段，不合并

Step 2：静默批量写入

将所有「可写入」的字段一次性调用 write_profile 写入。 不展示写入了什么，不让用户逐条确认。 标注来源：（来源：AI记忆）

Step 3：逐字段补问缺失信息

对「需补问」的字段，每次只问一个，按 Schema 中规定的问法：

• 有预设选项的 → ask_choice（含「其他」选项 + text_prompt）
• 无法预设选项的 → ask_text
• 评分类 → ask_rating

顺序：基础身份字段 → 能力字段 → 当前需求字段

如果所有第一–三章字段均已从 AI 记忆获取，直接跳到 Step 4。

Step 4：必须确认的字段（姓名 + 机构）

无论 AI 记忆中是否有这两项，必须让用户确认：

4a 调用 ask_text：

• question: "请为你的数字分身起一个名字"
• placeholder: "如：张三、Dr. DDL、量子猫... 随你喜欢"

4b 如果画像中已有机构信息，调用 ask_choice：

• question: "你的所在机构是「[机构名，不含导师]」，是否正确？"
• options:
  • {id:"yes", label:"正确"}
  • {id:"modify", label:"需要修改", text_prompt:"请输入正确的机构名称"}

如果机构信息缺失，调用 ask_text：

• question: "你所在的机构名称是？"
• placeholder: "如：北京大学物理学院"

调用 write_profile 保存姓名和机构。

Step 5：强制推断量表维度（不可跳过）

第一–三章完成后，必须立即推断第四–六章，不询问用户是否要推断。

调用 read_skill("infer-profile-dimensions")，完整执行推断：

• 认知风格（RCSS）：给出 CSI 值 + 横向整合分 + 垂直深度分
• 学术动机（AMS，全部 7 个维度）：每个维度给出 1-7 分估算
• 人格（Mini-IPIP，全部 5 个维度）：每个维度给出 1-5 分估算

所有推断值标注 （AI推断，置信度：高/中/低）。 不允许任何维度留空或写「尚未评估」。信息不足时给出最佳估算并降低置信度标注。

Step 6：生成综合解读

所有字段填完后，生成第七章综合解读，写入画像。

Step 7：展示完成状态

调用 show_actions：

• message: "✅ 画像已完成！所有维度均已填写。量表维度为 AI 推断结果，可随时用正式量表校准。"
• buttons:
  • {id:"view", label:"查看完整画像", href:"/profile-helper/profile", style:"primary"}
  • {id:"scale", label:"量表校准（可选）", href:"/profile-helper/scales", style:"secondary"}