agentsclimarketplace

Collect basic info

Skill TashanGKD/tashan-cursor-skills/skills/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。From its SKILL.md

Install
npx -y skills add TashanGKD/tashan-cursor-skills --skill collect-basic-info

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

  • 18 stars18 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

SKILL.md

5.4 KB, ~2.0k tokens by cl100k_base, as published. Nobody here has run it

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
  1. 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)

What ships with it

Read from the repository

Just SKILL.md. No reference files, no scripts.

Keep looking

Skills are one crate of 325,949. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.