# Collect Basic Info

> 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。

- Skill: `tashangkd/collect-basic-info` (Agent Skill)
- Install (CLI): `npx skillmds@latest add tashangkd/collect-basic-info`
- Raw SKILL.md: https://api.skillmd.com/api/skills/tashangkd/collect-basic-info/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: TashanGKD (https://skillmd.com/u/tashangkd)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/tashangkd/collect-basic-info

---


# Phase 1：基础信息采集

## 启动步骤

### 步骤一：询问是否使用 AI 记忆辅助建档

（仅在科研数字分身**新建**或基础信息**大量为空**时执行此步骤）

**不要先询问姓名或标识**。直接向用户展示：

```
在开始逐项填写之前，想问一下——你平时有没有使用过带记忆功能的 AI 工具？
（比如 ChatGPT、Claude、Gemini 等，且已经有一定时间的使用记录）

如果有的话，我可以帮你生成一段提示词，发给你使用的 AI，
让它根据对你的了解来预填科研数字分身——这样能节省不少时间。
若你使用多个 AI，可把同一提示词都发一遍，再把回复依次粘贴回来，我会帮你整合。

A. 有，我想先从 AI 记忆中提取信息
B. 没有，或者不需要，直接开始填写
```

- 选 **A**：读取并执行 `.cursor/skills/generate-ai-memory-prompt/SKILL.md`，**不询问姓名**；完成 AI 记忆导入后（姓名会在保存时由 import-ai-memory 询问），再回到此 Skill 补充剩余空白字段
- 选 **B**：继续下一步

### 步骤二：收集个人标识

（仅在用户选择了「直接开始填写」时执行；若用户选了 AI 记忆优先，姓名在 import-ai-memory 保存时已询问）

1. 询问用户姓名或标识（用于命名科研数字分身文件）
2. 检查 `profiles/[姓名].md` 是否已存在
   - 不存在 → 从 `profiles/_template.md` 复制，创建新文件
   - 已存在 → 读取文件，定位尚未填写的字段，从断点续采

### 步骤三：进入基础信息采集

告知用户采集分为两批：**基础身份** 和 **能力自评**，共约 10 分钟

## 第一批：基础身份（逐个提问，不要一次全问）

按顺序逐一提问：

**Q1**：你目前处于哪个研究阶段？
- 选项：博士生 / 博士后 / 青年教师（助理教授/讲师） / 独立 PI / 其他

**Q2**：你的主要研究领域是什么？
- 请说明：一级学科（如认知科学、材料学）+ 具体方向（如计算神经科学）
- 如有交叉方向，也请提及

**Q3**：你主要采用哪种研究方法？
- 选项（可多选）：实验法 / 理论推导 / 计算建模 / 数据驱动 / 质性研究 / 混合方法

**Q4**：你所在的机构是哪里？导师/所在团队的研究方向是？
- 不需要精确，大致描述即可

**Q5**：你目前的学术合作圈大概是什么情况？
- 提示：主要合作伙伴来自同实验室？还是有跨机构/跨学科合作？

## 第二批：能力自评

说明：「接下来我们来了解你的科研能力，请为以下各环节打分（1=非常薄弱，5=非常强），并可以简单说明原因。」

依次询问 6 个维度（每次询问 2 个，分 3 轮）：

**第1轮**：问题定义能力 + 文献整合能力
**第2轮**：方案设计能力 + 实验执行能力
**第3轮**：论文写作能力 + 项目管理能力

对于每个维度，追问：「有没有你特别擅长或特别想提升的具体方面？」（可跳过）

## 技术能力采集

问：「请列举你主要使用的编程语言和科研工具（如 Python、MATLAB、特定软件等），并大致说明熟练程度。」

提示示例：「比如 Python（熟练）、MATLAB（入门）、fMRIPrep（日常使用）」

## 代表性产出（可选）

问：「如果有的话，请简述你的代表性学术产出，比如已发表论文、开源项目、工具包等。」
- 明确告知：此字段为可选，可以跳过或之后补充

## 当前需求采集

说明：「最后，我想了解一下你现在实际面对的情境——这将帮助科研数字分身系统给你更贴近现实的建议。」

**Q-需求1**：「你现在每天/每周花费最多精力的事情是什么？可以列举 1–3 件，不限于科研，也包括杂事、沟通、行政等。」
- 追问（可选）：「做这些事情时，你的整体感受是充实、疲惫、还是混乱？」

**Q-需求2**：「你目前遇到的最大卡点或困扰是什么？哪件事让你感觉'推不动'或者'不知道怎么办'？」
- 追问（可选）：「针对这个困难，你希望获得的是方法、资源、还是情绪支持方面的帮助？」

**Q-需求3**：「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？」
- 提示：「可以是一个技能、一个习惯、一段关系、一个系统，不必是宏大目标。」

将三个问题的答案分别记录到科研数字分身的「三、当前需求」章节。

## 完成后操作

1. 将所有收集到的信息写入 `profiles/[姓名].md` 对应字段
2. 将 `采集阶段` 更新为 `basic_info_done`
3. 展示已填写的基础信息摘要，请用户确认是否有误
4. 询问用户下一步意向：

```
基础信息已采集完毕！接下来我们可以采集你的动机、人格和认知风格数据。

请问你希望如何进行？
A. 填写标准量表（精确，约 20-30 分钟，分批完成）
B. 让 AI 根据已有信息推断（快速，5 分钟，结果会标注「AI推断」）
C. 暂时到这里，之后再继续
```

5. 根据用户选择，告知其输入对应指令即可继续（不要立即跳转，等用户明确确认）