菜单
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。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
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。
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。
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 | 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。 |
AI 记忆迁移的意义就是减少用户交互量。 能直接写入的就直接写入，不要反复让用户确认。
具体来说：
一句话总结：只问 AI 没给答案的，不要确认 AI 已经给了答案的。
读取用户粘贴的 AI 回复，同时调用 read_profile 获取画像模板。
将所有画像字段逐一对照，分为两类：
| 分类 | 标准 | 处理方式 |
|---|---|---|
| 可写入 | AI 给出了信息（无论标注 ✅ 还是 ⚠️），且内容可以映射到画像字段 | 直接写入，不打扰用户 |
| 需补充 | AI 标注 ❌ 记忆不足，或完全未提及该字段 | 用 collect-basic-info 一致的问法补充 |
| AI 给出的定性描述 | 转化为画像字段值 |
|---|---|
| "倾向于博士阶段" / "似乎是博士生" | → 研究阶段：博士生 |
| "文献整合较强" / "文献能力不错" | → 文献整合：4 分 |
| "一般" / "中等" | → 3 分 |
| "较弱" / "有待提升" | → 2 分 |
| "非常擅长" / "核心优势" | → 5 分 |
| "跨学科合作" | → 学术合作：跨学科合作 |
| "主要独立工作" | → 学术合作：主要独立工作 |
对于无法映射到分数的模糊描述（如"隐约记得你提过某个方向"，但不知道具体是什么），才归为「需补充」。
将所有「可写入」的信息一次性写入画像（调用 write_profile）。标注 （来源：AI记忆）。
不展示写入了什么，不让用户逐条确认。
统计画像中还有哪些关键字段为空。仅对这些字段提问，使用与 collect-basic-info 完全一致的问法：
每次只问一个问题，优先 ask_choice。
例如：
如果用户选「其他」→ 追问 ask_text 让用户补充。
如果所有关键字段都已从 AI 记忆中获取，则跳过整个步骤三。
即使 AI 记忆中有姓名和机构信息，这两项也必须让用户确认或自定义。
4a — 调用 ask_text：
4b — 如果 AI 记忆中有机构信息： 调用 ask_choice：
如果 AI 记忆中没有机构信息： 调用 ask_text：
4c — 调用 write_profile 保存完整画像
根据画像完整度判断下一步：
若基础信息完整，量表维度为空（最常见情况）： 调用 ask_choice：
若基础信息仍有空白： 调用 ask_choice：
若画像已相当完整： 调用 show_actions：
