Menü
根据用户已填写的基础身份和能力信息，AI推断学术动机、人格和认知风格维度。当用户不想填写量表、或希望快速估算时使用。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
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。
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。
展示完整的科研数字分身供用户审核，收集反馈并标记审核状态。当用户想查看画像、或数据采集完成后进行确认时使用。
对已有科研人员画像进行精确的字段补充或修改。当用户说「修改」「更新」「补充」「不对」等，或审核反馈后需要更新数据时使用。
| name | infer-profile-dimensions |
| description | 根据用户已填写的基础身份和能力信息，AI推断学术动机、人格和认知风格维度。当用户不想填写量表、或希望快速估算时使用。 |
调用 read_profile，确认 采集阶段 为 basic_info_done。若基础信息不完整，先提示用户补充关键字段（研究阶段、领域、方法范式至少需要填写）。
检查「三、当前需求」章节是否已填写：
用普通文字告知：
「AI 将根据你已提供的信息，对以下三个维度进行推断估算：
推断结果仅供参考，所有推断数据均会标注「（AI推断）」。如需精确评估，随时可以去量表测试页进行标准量表测量。」
从以下信息推断：
| 基础信息 | 推断依据 |
|---|---|
| 研究方法 = 数据驱动/计算 | 倾向整合型（I较高） |
| 研究方法 = 实验/理论 | 倾向深度型（D较高） |
| 交叉学科方向明确 | 横向整合分+2至+4 |
| 技术栈跨领域多样 | 横向整合分+2至+4 |
| 技术栈单一且深 | 垂直深度分+2至+4 |
| 合作网络跨机构/跨学科 | 横向整合+1至+2 |
给出 CSI 估算值和对应类型，标注置信度。
从以下信息推断：
| 基础信息 | 推断依据 |
|---|---|
| 研究阶段 = 博士生（前2年） | 无动机分可能偏高（适应期） |
| 有代表性学术产出 | 成就内在动机↑，求知内在动机↑ |
| 主动提到喜欢某个研究问题 | 求知内在动机↑ |
| 能力自评：论文写作低但执行力强 | 体验刺激↑，外部调节可能偏高 |
| 机构为国内顶级/竞争激烈 | 内摄调节可能偏高 |
给出各维度估算分（1-7）和 RAI 综合指数。
从以下信息推断：
| 基础信息 | 推断依据 |
|---|---|
| 技术栈多样、跨学科 | 开放性/智力↑（4-5） |
| 合作网络广，主动外部合作 | 外向性偏高（3-4） |
| 独立工作为主，较少提及合作 | 外向性偏低（2-3） |
| 能力自评：项目管理高 | 尽责性偏高（4-5） |
| 能力自评：论文写作流畅 | 尽责性偏高 |
| 研究阶段压力大（博士中期） | 神经质可能偏高（3-4） |
对每个维度：
示例格式：
**认知风格指数（CSI）**：+9（倾向整合型）
- 推断依据：计算建模方法 + 技术栈跨领域（Python/PyTorch/MATLAB）+ 有跨机构合作
- 置信度：中（建议后续用 RCSS 量表精确测量）
（AI推断，置信度：高/中/低）采集阶段 更新为 inferred_done，数据来源 更新为 AI推断doc/tashan-profile-examples.md 的格式）调用 show_profile_chart：
调用 show_profile_chart：