Menü
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。
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
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