gaokao-advisor

高考志愿填报智能顾问 —— 基于多 Skill 协调架构的 AI 志愿填报系统。

不只是给信息，更是帮考生看清路、想清楚。

如果喜欢，可以考虑给我一个star~

特点

• 政策优先：先搜索当年最新政策再做决策，避免基于过时规则给建议
• 场景自适应：自动识别 12 种考生场景（迷茫/纠结/冲突/紧急/艺体/军警/低分段/复读/残疾等），走不同交互路径
• 数据驱动：所有推荐基于可验证的公开数据，位次为锚点，选科刚性核验
• 决策辅助：帮考生看清选项、缩小范围、建立信心
• 多 Skill 协调：主调度 + 分数线检索 + ADI 评估 + 报告生成，模块化设计
• 年度通用：每年只需更新 config.json 中的年份即可使用
• 覆盖全流程：从出分到填报到出结果，含填报当天操作指南和填报后心理支持

架构

gaokao-advisor/
├── SKILL.md                              主调度中心（323行）
├── config.json                           年度配置（每年更新一次）
├── README.md                             本文件
├── LICENSE                               MIT 许可证
└── skills/
    ├── province-score-line/
    │   └── SKILL.md                      录取数据搜索策略（135行）
    ├── adi-assessment/
    │   ├── SKILL.md                      ADI 四维评估引擎（59行）
    │   ├── baseline_adi.json             标杆数据
    │   └── question_bank.json            素质问卷题库
    └── report-generator/
        └── SKILL.md                      报告格式规范（94行）

调用关系：

考生输入
  ↓
主 SKILL.md（调度中心）
  ├── 读取 config.json（获取年份、政策配置）
  ├── Read → province-score-line/SKILL.md
  │         └── 按策略执行 WebSearch 查询录取数据
  ├── Read → adi-assessment/SKILL.md
  │         └── 按问卷和评分规则执行 ADI 评估
  └── Read → report-generator/SKILL.md
            └── 按格式规范输出推荐报告

安装

方式一：手动安装

将整个 gaokao-advisor 文件夹复制到你的 AI agent 的 skills 目录：

Agent	安装路径
Claude Code	~/.claude/skills/gaokao-advisor/
Cowork	Cowork skills 目录
Cursor	~/.cursor/skills/gaokao-advisor/
其他	任何支持 Skills 的 agent 的 skills 目录

git clone https://github.com/Zylcyl/gaokao-advisor.git ~/.claude/skills/gaokao-advisor

方式二：直接使用

即使不安装为 skill，你也可以把 SKILL.md 的内容粘贴进对话——它本质就是一份指令。

使用

安装后，对你的 AI agent 说：

我是湖南考生，物理类，568分，位次28000，帮我填志愿

或：

用高考报考顾问帮我分析一下我的志愿选择

测试场景

场景	示例输入
常规填报	"我是广东考生，历史类，520分，帮我看看能上什么学校"
迷茫型	"我不知道学什么专业，能帮帮我吗"
冲突型	"我爸非要我学医，我想学计算机"
紧急型	"明天就截止了，快来不及了"
艺术类	"我是美术生，统考240分，文化课380分"
低分段	"我只考了350分，还有什么好选择吗"

年度维护

每年高考季前（5-6月），只需做一件事：

打开 config.json，把 current_year 更新为当年年份：

{
  "current_year": 2027,        // ← 改这里
  "recent_data_years": [2026, 2025, 2024],  // ← 和这里
  ...
}

其他字段（改革时间线、政策搜索关键词等）通常不需要改动。

内置能力

决策框架（AI 内功，不直接暴露给考生）

• 就业倒推法：从中间 50% 毕业生的真实去向倒推专业选择
• ADI 四维评估：路径宽度 × 成功可达性 × 纠偏能力 × 损失可控性（1-625分）
• 不可替代性检验：AI 时代哪些能力不容易被替代
• 10 年后压迫测试：帮纠结的考生做最终判断
• 家庭背景分流：不同家庭条件给出不同策略

特殊场景覆盖

• 艺术类/体育类考生（统考/校考/综合分）
• 军校/公安类（政审/体检/体测）
• 低分段与三二分段（专科+本科通道）
• 复读生（更保守策略，更多心理支持）
• 残疾考生（无障碍设施/体检限制核查）
• 定向招生（公费师范/免费医学/服务期分析）
• 特殊类型线附近（一本线上下 20 分的精细策略）

全流程覆盖

• 出分前：估分阶段支持
• 出分后：政策研究 → 数据检索 → 推荐方案
• 填报当天：系统操作指南（代码核对/截图保存/提前提交）
• 填报后：等待期心理支持 → 收到录取后行动指南

数据声明

• 所有推荐基于公开数据，AI 不编造录取信息
• 概率估算是基于往年位次的粗略参考，非精确预测
• 建议将推荐结果与高中老师、学长学姐的意见做交叉验证
• 最终以省考试院和院校官网发布的信息为准

许可证

MIT — 随便用，随便改，随便分发。

致谢

本项目融合了以下方法论、模型和开源项目：

张雪峰决策框架

就业倒推法、中位数原则、阶层现实主义、家庭背景分流等决策框架，来源于对张雪峰公开言论的系统性提炼。

• 原始 Skill 仓库：alchaincyf/zhangxuefeng-skill
• 由 女娲.skill 自动生成，作者 花叔 Huashu
• 许可证：MIT

ADI 专业路径评估模型

ADI（Action Domain Index）四维评估模型——路径宽度、成功可达性、纠偏能力、损失可控性——用于评估专业选择的"可走通性"。

• 原始 Skill 仓库：xiapuyang/gaokao-adi
• 模型理论来源：风灵之声（风灵）于 2026 年 3 月发布的三篇系列文章
• 本项目使用的是从公开案例和标杆值反推的工程化实现
• 许可证：MIT