| 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。 |
Phase 2a：AI 推断心理维度
重要交互规则
- 每次严格只问一个问题，优先 ask_choice。
- 推断逻辑不得精简，必须按下方完整规则执行。
- 推断完成后立即保存画像（write_profile）。
- 使用 show_profile_chart 展示可视化。
- 最后使用 show_actions 提供跳转选项。
- 必须覆盖全部维度，不允许留空：
- 认知风格（RCSS）：必须给出 I、D、CSI 值和类型
- 学术动机（AMS）：必须给出全部 7 个维度的分数 + RAI
- 人格（Mini-IPIP）：必须给出全部 5 个维度的分数和水平描述
- 综合解读：必须生成核心驱动模式、潜在风险、适合发展路径
- 即使信息有限，也要基于已有信息给出最佳估算，标注置信度，绝不留"尚未评估"
前置检查
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：
- 若尚未填写 → 先采集需求。依次调用：
- ask_text: question: "你现在每天/每周花费最多精力的事情是什么？（1-3件）", placeholder: "不限于科研，也包括杂事、沟通、行政等", multiline: true
- ask_choice: question: "做这些事情时，你的整体感受是？", options: [{id:"fulfilled",label:"充实"}, {id:"tired",label:"疲惫"}, {id:"chaotic",label:"混乱"}, {id:"mixed",label:"混合"}, {id:"skip",label:"跳过"}]
- ask_text: question: "你目前遇到的最大卡点或困扰是什么？", placeholder: "哪件事让你感觉'推不动'或'不知道怎么办'"
- ask_choice: question: "针对这个困难，你最希望获得哪方面的帮助？", options: [{id:"method",label:"方法和思路"}, {id:"resource",label:"资源和工具"}, {id:"emotional",label:"情绪支持"}, {id:"all",label:"都需要"}, {id:"skip",label:"跳过"}]
- ask_text: question: "如果现在有一件事可以改变，让你接下来三个月更顺，你最想改变什么？", placeholder: "可以是技能、习惯、关系、系统，不必宏大"
- 若已填写 → 直接进入推断环节，将需求内容纳入综合解读的上下文参考
推断说明（告知用户）
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：
- 学术动机（AMS-GSR 28 的 7 个维度）
- 认知风格（RCSS 的横向整合 vs 垂直深度）
- 人格特征（Mini-IPIP 大五人格）
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。」
推断逻辑
认知风格（RCSS）
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。
学术动机（AMS）
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。
人格（Mini-IPIP）
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） |
输出格式
对每个维度：
- 给出估算分数
- 简要说明推断依据（1-2句）
- 标注置信度（高/中/低）
- 告知哪些维度推断置信度较低，建议用量表补测
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）
完成后操作
- 将所有推断结果写入画像对应字段（调用 write_profile），每个推断值标注
（AI推断，置信度：高/中/低）
- 将
采集阶段 更新为 inferred_done，数据来源 更新为 AI推断
- 生成综合解读时，将「三、当前需求」中的内容作为上下文：针对用户的主要时间占用和核心难点，在「适合的发展路径」中给出更具体的近期行动建议（参考
doc/tashan-profile-examples.md 的格式）
- 展示可视化图表：
调用 show_profile_chart：
- chart_type: "radar"
- title: "科研能力雷达图"
- dimensions: ["问题定义", "文献整合", "方案设计", "实验执行", "论文写作", "项目管理"]
- values: [对应的评分]
- max_value: 5
调用 show_profile_chart：
- chart_type: "radar"
- title: "大五人格特征（AI推断）"
- dimensions: ["外向性", "宜人性", "尽责性", "神经质", "开放性"]
- values: [推断值]
- max_value: 5
- 最后调用 show_actions：
- message: "画像已生成并保存！推断结果仅供参考，你可以随时通过标准量表进行校对。"
- buttons:
- {id: "view_profile", label: "查看完整画像", href: "/profile", style: "primary"}
- {id: "take_scale", label: "量表测试（校对推断结果）", href: "/scales", style: "secondary"}
