---
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

## 前置检查

读取 `profiles/[姓名].md`，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（问 Q-需求1、Q-需求2、Q-需求3，见 `collect-basic-info/SKILL.md`），再进行推断
- 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）

```
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，随时可以改用标准量表。
```

## 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：
1. 给出估算分数
2. 简要说明推断依据（1-2句）
3. 标注置信度（高/中/低）
4. 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

1. 将所有推断结果写入 `profiles/[姓名].md` 对应字段，标注 `（AI推断）`
2. 将 `采集阶段` 更新为 `inferred_done`，`数据来源` 更新为 `AI推断`
3. 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）
4. 告知用户：
```
推断完成！你可以：
- 输入「查看画像」查看完整结果并进行审核
- 输入「我想填量表」随时对任意维度进行精确测量（将覆盖推断数据）
- 输入「修改」对任何字段进行修正
```