高考志愿填报别再靠经验拍脑袋：一个能对应真实填报系统字段的 AI Skill，在脑花 APP 里跑通了

一句话结论：gaokao-application-advisor是一个把高考志愿填报当成"有约束条件的决策问题"来解的 AI Agent Skill。它内置 2955 所院校母表、31 省 2026 政策、2025 官方录取数据，更纳入了张雪峰的人格 Skill——用起来像在和张雪峰本人对话。它能根据你的省排位、选科、各科成绩和真实填报系统界面，输出可核验的"冲稳保垫"字段级填报表。配合脑花 APP 的分轮追问和自动化能力，能帮一个普通家庭在填报上省下很多事、很多钱。

一、为什么市面上的"志愿填报工具"大多不好用？

每年六月底到七月初，几百万家庭面对同一个问题：分数出来了，怎么填志愿？

主流做法有三类，问题也很明显：

1. 付费志愿卡 / 大数据软件：本质是历史分数线匹配，把填报简化成"按位次套学校"，很少考虑选科限制、专业组调剂陷阱、家庭资源和就业中位结果。
2. 通用大模型直接问：ChatGPT、Claude、文心一言都能聊志愿，但它们没有当年的省政策、没有录取位次数据、不了解你本地填报系统长什么样，给出的是"正确的废话"。
3. 亲戚朋友经验：信息滞后好几年，且高度依赖个例，"我家孩子学了 XX 现在很好"对你不一定成立。

真正的难点在于：高考志愿不是一道"哪个专业最火"的选择题，而是一个多约束的决策问题——位次、省份规则、投档模式、选科要求、院校质量、城市产业、家庭试错预算、学生长期学习能力，缺一个维度都可能踩坑。

gaokao-application-advisor这个 Skill，正是为了解决这个结构性难题而设计的。

二、这个 Skill 到底是什么？

gaokao-application-advisor（高考志愿填报顾问）是一个面向 AI Agent 平台的技能包（Skill），可加载到脑花 APP、Hermes Agent、OpenAI Custom GPT 等智能体环境中运行。

它不是一个网页工具，而是一套结构化的专家指令 + 知识库 + 官方数据，让 AI 在填报这件事上的判断力，接近一个既懂数据、又懂政策、还懂就业现实的资深顾问。

技能包结构一目了然：

gaokao-application-advisor/ ├── SKILL.md ← 主指令：工作流程、证据优先级、输出格式 ├── references/ ← 6 个专家知识库 │ ├── major-outlook-2026.md 16 大专业群前景矩阵 │ ├── 未来产业与专业选择完整报告.md 十大未来产业 + 专业映射 │ ├── zhangxuefeng-framework.md 现实校准方法论（吸收框架，不复制话术） │ ├── intake-career-automation.md 分轮追问 + 就业准备 + 自动化 │ ├── application-system-ui.md 志愿系统界面解析 + 字段级输出 │ └── source-notes.md 证据来源索引 └── data/ ← 官方数据底座 ├── university_master_2026.csv 2955 所院校母表 ├── gaokao_province_policies_2026.csv 31 省 2026 政策 ├── admission_2025_official_*.csv 2025 官方录取数据 ├── chsi_school_contacts.csv 院校联系方式 └── double_first_class_2022_official.pdf 双一流名单

简单说：指令告诉 AI 怎么想，知识库告诉 AI 行业真相，数据让 AI 的结论可以落到具体学校和专业。

三、五个差异化亮点，和别的志愿工具拉开差距

亮点 1：以"省排位"为锚，而不是裸分匹配

Skill 写死了一条铁律：缺少考生地区和省排位时，绝不输出具体学校志愿表，只给方向性建议。它优先使用省排位和同位次历史录取数据，而不是优先用裸分。这一条就过滤掉了市面上大量"按分数粗暴推荐"的错误做法。

亮点 2：能解析真实填报系统界面，输出"字段级"填报表

这是它最硬核的差异点。大多数工具给你的是"学校-专业"二维表，但真实填报系统里有院校代码、专业组代码、专业代码、服从调剂、校区、学制、学费、选科要求等一堆字段。

这个 Skill 支持你上传已打码的本省志愿填报系统截图或官方填报指南，然后输出一张表头与系统字段一致的模拟填报表：

序号 | 梯度 | 院校代码 | 院校名称 | 专业组代码 | 专业代码/专业名称 | 是否服从调剂 | 填报理由 | 风险点 | 待核验项

并附上逐项填写说明、排序理由和提交前核验清单。院校专业组、专业+院校、院校+专业、传统批次四种模式都能适配。这意味着它给的不是"参考建议"，而是"能照着系统填"的方案。

亮点 3：纳入"张雪峰人格" Skill，填报像在和张雪峰本人对话

这是很多家长和考生最想要、却最难得到的东西——张雪峰式的填报判断力，但 7×24 随叫随到。

这个 Skill 纳入了张雪峰的人格 Skill，考生在使用过程中能真切感受到"在和张雪峰对话"的体验：一上来就帮你问清关键约束，直接告诉你"在你这个分数、省份、家庭条件下，哪个方案更稳、为什么"，并把每个判断落到中位就业结果和家庭资源上。

它背后是一整套可用的方法论：灵魂追问法、中位数原则、就业倒推法、家庭背景分流、不可替代性检验、500 强雇主测试、城市优先条件化、十年后压迫测试——这些正是张雪峰填报逻辑里对普通家庭最值钱的部分。

更关键的是：请张雪峰团队做一对一咨询动辄上万、还得抢名额，而这个 Skill 把同一套判断力装进了 AI 里。用它填志愿，能帮一个普通家庭省下很多事、很多钱。

亮点 4：16 大专业群前景矩阵，把"对谁好"说清楚

它不简单说一个专业"好"或"坏"，而是回答"对谁好、在哪些学校好、以什么成本好"。涵盖 AI/计算机、电子信息/集成电路、自动化/机器人、电气/新能源、材料/化工、航空航天/低空经济、医学、基础学科、师范、法学、经管、人文外语、土木建筑、农林食品、设计艺术、高职应用型共 16 个专业群，每群都给出适合的学生画像、前景判断、填报策略和风险点。

亮点 5：分轮追问 + 可选自动化，把填报变成一个陪伴式过程

它不会一次性甩给你一张十几个问题的问卷，而是分四轮：先要硬信息（省份、位次、选科、各科成绩），再问偏好和底线，再要系统界面，最后才补兴趣和家庭资源。

填报窗口期，它还能在你明确同意后开启两类自动化：每日产业/就业/政策新闻简报，以及每 3 小时监测目标高校的招生宣讲、直播、咨询会和开放日。这让填报不再是"一锤子买卖"，而是从分数出炉到入学前的持续跟踪。

四、它解决的真实场景，举三个例子

场景 A：物理选科、分数够不上热门计算机的学生Skill 会指出：强机械/自动化/电气在工科强校并不"低一档"，在长三角、珠三角、成渝、武汉、西安等制造集群城市尤其值得配置，并提醒主动叠加控制、机器人、工业软件等能力。

场景 B：普通家庭、想报金融的中等分数学生它会做现实校准：泛金融高度吃平台、城市和家庭资源；普通学校泛金融不能当高薪捷径，必须叠加会计审计、数据分析、金融科技或强实习——并给出可执行的替代方案，而不是简单否定。

场景 C：拿到了本省填报系统截图、要"能照着填"的方案它会先解析系统是哪种志愿模式、每条志愿含哪些字段、调剂范围是组内还是院校内，再输出与字段一致的模拟填报表，标注所有"待核验项"，最后给一份提交前逐项核对清单。

五、为什么强烈建议在脑花 APP 里用这个 Skill？

Skill 本身是"大脑"，但它需要一个能很好执行、并把能力放大的运行环境。脑花 APP 就是为这种 Agent Skill 量身打造的承载平台。

具体来说，在脑花 APP 里跑这个 Skill 有三重放大效应：

1. 分轮交互被真正执行。这个 Skill 的设计核心就是"分四轮追问"，脑花 APP 的对话式交互天然契合这套节奏——它会一轮轮把你的画像问清楚，而不是让你面对一张冷冰冰的表单。

2. 截图上传 + 字段级解析真正跑通。字段级填报表的前提是你能上传本地填报系统截图。脑花 APP 支持文件/截图交互，让"上传打码截图 → 解析字段 → 输出可核验填报表"这条最有价值的链路完整闭环。

3. 自动化能力把"一次填报"变成"持续陪跑"。脑花 APP 能把 Skill 里设计的"每日新闻简报""每 3 小时宣讲监测"真正落地成自动任务。填报窗口期帮你盯住目标院校的直播和咨询会，入学前帮你建立行业敏感度——这是任何静态志愿卡都给不了的。

一句话：Skill 决定上限，脑花 APP 决定这个上限能不能被你真正用到。

六、怎么开始用？三步上手

1. 把gaokao-application-advisor/SKILL.md作为智能体的系统指令或技能文件放到脑花 APP（app.lucy.run）。
2. 把references/下的知识库文件作为附件/知识库上传，把data/下的 CSV 作为可检索数据源。
3. 打开对话，按它的分轮追问，依次给出：地区、年份、选科、总分、省排位、各科成绩、批次线，以及（可选的）打码后的填报系统截图。

数据路径默认是../data/，与目录结构一致，无需修改。

安全提示：这个 Skill 在设计上就拒绝索要账号、密码、验证码、身份证号、准考证号等隐私信息，并要求所有上传截图先打码。它也不会替你点击最终提交——最终填报必须以当年省考试院、招生章程、官方招生计划和真实系统界面为准。

七、常见问题 FAQ

Q1：这个 Skill 能保证录取吗？不能，任何工具都不能。它做的是用官方数据和方法论把你的决策质量提到最高，并明确告诉你每个方案牺牲了什么、最坏结果是否可承受。

Q2：没有分数或位次能用吗？能，但只会给方向性框架和"需要补充的信息清单"，不会编造具体学校清单。这恰恰是它靠谱的地方。

Q3：它的数据是哪一年的？基于 2026-06-25 的数据采集结果构建，包含 31 省 2026 政策、2955 所院校母表和 2025 官方录取数据。涉及当年实时信息时，它会要求联网核验。

Q4：和直接问通用大模型有什么区别？直接问大模型当然也能拿到信息——它能帮你搜到不少零散内容。区别在于"完整汇总"：大模型主要是抓取网上的信息碎片，你还得自己把省政策、录取位次、专业前景、系统填法一条条收集、核对、整理成能用的方案，这个过程非常耗时耗力。这个 Skill 已经把官方数据底座、专业前景矩阵、现实校准框架和系统字段解析缝合好了，直接帮你输出一份结构化、可核验的完整方案——省掉的正是那一大堆收集整理的麻烦活。

Q5：必须在脑花 APP 里用吗？Skill 兼容多个 Agent 平台（codex，claude code，cursor，workbuddy 等），但脑花 APP 对分轮追问、截图解析和自动化任务的支持最完整，能把这个 Skill 的能力发挥到最大。

结语

高考志愿填报，本质是用一次决策去匹配一个孩子未来十年的学习能力和现实资源。它值得被认真对待，而不是交给一张按分数排序的表格。

gaokao-application-advisor把官方数据、产业前景、现实校准和真实系统字段缝合到了一起；而脑花 APP，让这套能力真正能被一个普通家庭用起来、用得久。

如果你或身边人正在为今年的志愿发愁，不妨在脑花 APP 里把这个 Skill 跑一遍——它至少会让你知道，自己到底在为什么样的取舍买单。