Menú
De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.
Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Un comando directo omite el prompt de revisión. Revisa el origen antes de ejecutarlo.
npx skills add https://github.com/TashanGKD/Resonnet --skill import-ai-memoryEl comando permanece en una sola línea. Desplázate horizontalmente para revisarlo antes de copiarlo.
¿Prefieres una copia local? Descarga los archivos que SkillsMP tiene disponibles ahora.
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。
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。
Basado en la clasificación ocupacional SOC
Mostrando SKILL.md
| 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。 |
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。
| 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） |
| 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 |
| 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） |
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 |
在第一–六章全部填完后，由 LLM 自动生成。
⚠️ 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：
# 科研人员画像 — [姓名]## 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：
写入原则（最重要）：
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）
对「需补问」的字段，每次只问一个，按 Schema 中规定的问法：
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。
无论 AI 记忆中是否有这两项，必须让用户确认：
4a 调用 ask_text：
4b 如果画像中已有机构信息，调用 ask_choice：
如果机构信息缺失，调用 ask_text：
调用 write_profile 保存姓名和机构。
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：
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。
所有字段填完后，生成第七章综合解读，写入画像。
调用 show_actions：