Gaokao Admissions

SKILL.md

---
name: 高考大师雪峰
slug: gaokao-admissions
version: 1.0.0
description: "输入省份+分数+选科+家庭背景，小奈AI自动换算位次，按雪峰方法论输出：冲稳保院校清单+专业推荐+4年规划。高考填报找小奈，是每个家长的必备AI"
---

# 高考志愿填报智能分析

## 核心理念

**位次优先，分数为辅。就业第一，城市第二，专业第三，学校第四。**

- 分数线每年波动，省排名（位次）才是恒定参考值
- 普通家庭选有硬门槛的技术专业保就业
- 城市决定你在哪发展——选哪读书≈在哪工作
- 张雪峰原则：先看毕业能干嘛，再决定读什么

## 一、数据获取（按优先级）

### 实时数据源（web_fetch/web_search）
| 数据源 | 用途 | 可靠性 | 备注 |
|:------:|:----:|:------:|:----:|
| 阳光高考网(chsi.com.cn) | 院校信息、招生章程 | ✅ 教育部官方 | 无反爬，可稳定抓取 |
| 夸克高考API(quark.sm.cn) | 分数线、位次查询 | ✅ 可用 | JSON接口 |
| 腾讯高考(edu.qq.com/gaokao) | 录取分数线 | ✅ 可用 | 301跳转 |
| 高考网(gaokao.com) | 院校对比、录取数据 | ✅ 可用 | 全站可访问 |
| 各考试院官网 | 一分一段表、官方数据 | ✅ 教育部管辖 | 各省域名不同 |

### 内置知识库（references/）
当实时数据不可用时，使用内置参考文件作为备选：
- `provinces.md` — 各省高考模式、批次线规则
- `universities.md` — 985/211/双一流分类、优势学科
- `scoring-model.md` — 冲稳保算法、专业评分模型
- `career-outlook.md` — 专业前景、就业率、薪资数据

### 数据抓取脚本（scripts/）
`fetch_scores.py` 封装了多源数据获取逻辑：
```bash
# 获取某省某年批次线
python3 scripts/fetch_scores.py score_line 江苏 2025

# 获取某校在某省的录取分数
python3 scripts/fetch_scores.py university 南京邮电大学 江苏

# 一分一段表位次换算
python3 scripts/fetch_scores.py position 江苏 547

# 获取招生计划
python3 scripts/fetch_scores.py plan 南京邮电大学 江苏
```

## 二、核心工作流（5步法）

### Step 1：收集信息
必问字段：
- ✅ 省份
- ✅ 高考总分
- ✅ 选科组合（特别是新高考省份）
- ✅ 省排名/位次（最重要，不知道用一分一段换算）
- ✅ 意向专业方向（可选）
- ℹ️ 家庭经济状况（影响推荐策略）
- ℹ️ 是否考虑考研/出国

### Step 2：换算位次

**方法：**
1. 优先用 web_fetch 从该省考试院官网获取最新一分一段表
2. 如果获取不到，用 `references/provinces.md` 中的历史数据做线性插值
3. 输出：分数 → 全省排名

**位次换算公式：**
```python
# 线性插值法
scores = [580, 575, 570, 565, 560, 555, 550, 540]  # 已知分数
ranks  = [51000, 56000, 61000, 66000, 71000, 76000, 81000, 93000]  # 对应位次
考生547分 → 在540(93000)和550(81000)之间 → 插值得约84,600名
```

### Step 3：院校匹配（位次法）

**冲稳保位次区间：**

```
冲（Reach）= 位次前5~12%，概率25~40%
稳（Match）= 位次±5%，概率60~75%
保（Safety）= 位次后10~20%，概率85~95%
```

**匹配方法：**
1. 用 web_fetch 抓取该省近2年投档线数据
2. 或者用 web_search 搜索"XX省 XX校 2025 录取位次"
3. 或者用内置知识库参考去年位次
4. 结合招生计划变动调整（扩招10%=位次上移5%）

### Step 4：专业推荐（张雪峰决策树）

**根据家庭情况分流：**

| 家庭情况 | 推荐策略 | 推荐专业 |
|:--------:|:--------:|:--------:|
| 普通/困难 | 技术硬门槛专业 | 计算机、电气工程、临床医学、法学、电子信息 |
| 小康 | 名校+好专业兼顾 | 211/双一流的工科，优先大城市 |
| 优渥 | 名校光环+兴趣 | 基础学科（数学/物理）走科研或出国 |

**不同分数段优先级：**

| 分数段 | 优先级 | 策略 |
|:------:|:------:|:------:|
| 650+ | 学校>专业 | 名校基础学科，走科研 |
| 600~650 | 学校≈专业 | 985/211好专业 |
| 550~600 | 城市>学校 | 大城市省重点，实习机会 |
| 500~550 | 专业>学校 | 技术型专业优先 |
| 500以下 | 专业+就业 | 实用技术专科 |

**专业评分（4维度加权）：**
| 维度 | 权重 | 说明 |
|:----:|:----:|:------|
| 就业前景 | 35分 | AI/计算机35分、医疗/电气30分、文科/基础科学15分 |
| 兴趣匹配 | 30分 | 强烈兴趣30分、一般15分、排斥排除 |
| 学科实力 | 25分 | A+25分、A22分、B+16分、未参评8分 |
| 家庭资源 | 10分 | 行业支持10分、城市网络7分、无资源2分 |

**避坑专业清单：** 工商管理、市场营销、旅游管理、公共事业管理、环境工程（本科）、生物技术（本科）、土木工程、材料科学（本科就业难）

### Step 5：输出标准化报告

```
📊 高考志愿分析报告

━━━ 考生画像 ━━━
省份/选科：___ / ___
总分：___分（≈全省___名）
超特殊类型线：+___分
意向方向：___
家庭情况：___

━━━ 冲（Reach）概率25~40% ━━━
① ___大学 — ___专业（录取位次___ ，城市___）
② ___大学 — ___专业（录取位次___ ，城市___）

━━━ 稳（Match）概率60~75% ━━━
③ ___大学 — ___专业（录取位次___ ，城市___）
④ ___大学 — ___专业（录取位次___ ，城市___）
⑤ ___大学 — ___专业（录取位次___ ，城市___）

━━━ 保（Safety）概率85~95% ━━━
⑥ ___大学 — ___专业（录取位次___ ，城市___）
⑦ ___大学 — ___专业（录取位次___ ，城市___）

━━━ 核心建议 ━━━
▶ 最优路线：冲___→稳___→保___
▶ 专业第一选择：___（理由：___）
▶ 城市建议：___
▶ 考研/就业路径：___
▶ 4年规划：大一打好基础→大二竞赛/项目→大三实习→大四考研/就业

📌 数据说明：基于近2年投档线+位次法推算，每年有±3分偏差，最终以各省考试院公布为准。
```

## 三、数据准确性保障

### 数据源优先级矩阵

```
高风险（需要脚本抓取，可能失败）：
├── 各省考试院官网 — 最权威，但不能保证稳定访问
├── 夸克高考API — JSON格式易解析，偶有限流
└── 阳光高考平台 — 教育部官方，信息详细但爬取受限

中风险（web_fetch可获取，偶尔失效）：
├── 腾讯/网易/搜狐教育频道 — 数据聚合，定期更新
├── 中国教育在线 — 收录较全，页面结构复杂
└── 各高校招生网 — 数据最准确，但逐个抓取成本高

低风险（内置知识库，随时可用）：
├── references/provinces.md — 31省高考模式、批次规则
├── references/universities.md — 985/211/双一流分类
├── references/scoring-model.md — 冲稳保算法、评分模型
├── references/career-outlook.md — 60+专业前景数据
└── 往年录取位次知识 — 大模型训练数据涵盖近3年数据
```

### 数据不准确时的兜底策略

1. **web_fetch抓不到数据** → 用内置知识库参考去年位次，并明确标注"基于2025年数据估算"
2. **一分一段表找不到** → 用往年数据做线性插值，并标注"估算位次，仅供参考"
3. **某校分数线找不到** → 用该校同层次高校的投档线做类比推算
4. **所有外部数据都失败** → 完全使用内置知识库，并在报告开头注明"基于大模型训练数据"

## 四、已知限制

- 实时录取数据依赖各省考试院和第三方网站（可能反爬或限流）
- 2026年分数线可能在2025年基础上有±3分波动
- 扩招/缩招超过20%的学校，位次法误差变大
- 本系统辅助决策，最终填报请以各省考试院官方数据为准
- 脚本数据抓取依赖网络环境（国内网络通常可用）

## 参考文件

| 文件 | 用途 | 加载时机 |
|------|------|----------|
| `references/provinces.md` | 31省高考模式、批次线、代码对照 | 首次分析某省时 |
| `references/universities.md` | 985/211/双一流、学科评估 | 生成院校推荐时 |
| `references/scoring-model.md` | 冲稳保评分算法 | 计算概率时 |
| `references/career-outlook.md` | 专业就业率、薪资、前景评分 | 推荐专业时 |
| `scripts/fetch_scores.py` | 多源数据抓取脚本 | 需要实时数据时 |

## 文件结构

```
skills/gaokao-admissions/
├── SKILL.md                    (主入口)
├── references/
│   ├── provinces.md            (31省高考模式/批次线)
│   ├── universities.md         (985/211/双一流分类)
│   ├── scoring-model.md        (冲稳保算法/评分模型)
│   └── career-outlook.md       (专业前景/就业数据)
└── scripts/
    └── fetch_scores.py         (数据抓取脚本)
```