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

核心原则

AI 记忆迁移的意义就是减少用户交互量。 能直接写入的就直接写入，不要反复让用户确认。

具体来说：

• 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，不要再让用户确认
• 能力评分：如果 AI 给出了定性描述（如"文献整合较强"），直接转化为分数写入（如 4 分），不需要用户再打分
• 只有在 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

一句话总结：只问 AI 没给答案的，不要确认 AI 已经给了答案的。

步骤一：解析 AI 回复

读取用户粘贴的 AI 回复，同时调用 read_profile 获取画像模板。

将所有画像字段逐一对照，分为两类：

分类	标准	处理方式
可写入	AI 给出了信息（无论标注 ✅ 还是 ⚠️），且内容可以映射到画像字段	直接写入，不打扰用户
需补充	AI 标注 ❌ 记忆不足，或完全未提及该字段	用 collect-basic-info 一致的问法补充

信息转化规则

AI 给出的定性描述	转化为画像字段值
"倾向于博士阶段" / "似乎是博士生"	→ 研究阶段：博士生
"文献整合较强" / "文献能力不错"	→ 文献整合：4 分
"一般" / "中等"	→ 3 分
"较弱" / "有待提升"	→ 2 分
"非常擅长" / "核心优势"	→ 5 分
"跨学科合作"	→ 学术合作：跨学科合作
"主要独立工作"	→ 学术合作：主要独立工作

对于无法映射到分数的模糊描述（如"隐约记得你提过某个方向"，但不知道具体是什么），才归为「需补充」。

步骤二：静默写入

将所有「可写入」的信息一次性写入画像（调用 write_profile）。标注 （来源：AI记忆）。

不展示写入了什么，不让用户逐条确认。

步骤三：仅补充缺失字段

统计画像中还有哪些关键字段为空。仅对这些字段提问，使用与 collect-basic-info 完全一致的问法：

每次只问一个问题，优先 ask_choice。

例如：

• 研究方法缺失 → ask_choice: "你主要采用哪种研究方法？" options: [实验法/理论推导/计算建模/数据驱动/质性研究/混合方法]
• 学术合作缺失 → ask_choice: "你的学术合作情况？" options: [实验室内部/跨机构/跨学科/都有/独立工作]
• 技术能力缺失 → ask_text: "请列举你主要使用的编程语言和科研工具。"
• 能力评分缺失 → 逐个 ask_rating（哪个缺就问哪个，不缺的不问）

如果用户选「其他」→ 追问 ask_text 让用户补充。

如果所有关键字段都已从 AI 记忆中获取，则跳过整个步骤三。

步骤四：必须确认的字段

即使 AI 记忆中有姓名和机构信息，这两项也必须让用户确认或自定义。

4a — 调用 ask_text：

• question: "请为你的数字分身起一个名字（可以是真名、昵称或任何你喜欢的称呼）。"
• placeholder: "如：张三、Dr. DDL、量子猫... 随你喜欢"

4b — 如果 AI 记忆中有机构信息： 调用 ask_choice：

• question: "AI 记忆显示你的所在机构是「[机构名]」，是否正确？"
• options: [{id:"yes",label:"正确"}, {id:"modify",label:"需要修改"}] 若选"需要修改" → ask_text 收集

如果 AI 记忆中没有机构信息： 调用 ask_text：

• question: "你所在的机构和团队方向是？"
• placeholder: "如：XX大学XX学院，导师做计算建模方向"

4c — 调用 write_profile 保存完整画像

步骤五：后续衔接

根据画像完整度判断下一步：

• 若基础信息完整，量表维度为空（最常见情况）： 调用 ask_choice：

  • question: "AI 记忆已成功导入，基础信息已完整！接下来你可以："
  • options:
    • {id: "infer", label: "让 AI 推断量表维度（快速，约 5 分钟）", description: "结果标注「AI推断」，可随时用量表校对"}
    • {id: "done", label: "暂时到这里"} 选"推断" → 调用 read_skill("infer-profile-dimensions")

• 若基础信息仍有空白： 调用 ask_choice：

  • question: "AI 记忆已导入！不过还有一些字段未能获取，建议继续补充。"
  • options: [{id: "continue", label: "继续补充"}, {id: "later", label: "暂时到这里"}] 选"继续" → 回到 collect-basic-info 补充空白字段

• 若画像已相当完整： 调用 show_actions：

  • message: "AI 记忆已成功导入！画像相当完整。"
  • buttons: [{id: "view", label: "查看完整画像", href: "/profile", style: "primary"}, {id: "scale", label: "量表校对", href: "/scales", style: "secondary"}]