Infer Profile Dimensions

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：

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：

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：

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）
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. 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

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"}