Menu
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。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
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。
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。
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。
| 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：