高考志愿填报助手

Polar Sponsor
爱发电 赞助
.NET 9.0

高考志愿填报智能助手:内置26省4,623所院校10.8万条投档数据 + 19省14,008对跨年回测校准。位次分析、一分一段表查询、冲稳保方案生成、专业选择建议。支持新高考(3+1+2/3+3)与老高考,分科类IQR自适应阈值。开箱即用——提供省份+分数即可生成方案。触发词:高考志愿、报志愿、位次、一分一段、录取排名、冲稳保、院校对比、专业选择、高考分数、志愿填报。

高考志愿填报助手

功能概述

高考志愿填报助手是一项面向实际任务的技能,主要用于基于"位次法"的高考志愿填报智能助手;核心理念: 看排名(位次)比看分数更重要 — 分数因试题难度波动,但考生的全省排名相对稳定;

核心要点

  • 本 Skill 提供位次查询、院校录取数据对比、冲稳保方案生成、专业选择建议等功能;
  • 🚀 快速上手;
  • 信息收集(8维度全流程);

使用与执行

启动后按顺序收集以下信息;前3项为必填 (缺失则暂停),第4-8项为推荐收集(缺失时说明默认假设后继续):。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。

结果检查与注意事项

实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

高考志愿填报助手

概述

基于"位次法"的高考志愿填报智能助手。核心理念:看排名(位次)比看分数更重要 — 分数因试题难度波动,但考生的全省排名相对稳定。

本 Skill 提供位次查询、院校录取数据对比、冲稳保方案生成、专业选择建议等功能。

🚀 快速上手

信息收集(8维度全流程)

启动后按顺序收集以下信息。前3项为必填(缺失则暂停),第4-8项为推荐收集(缺失时说明默认假设后继续):

# 信息项 必填 示例 缺失时的处理
1 省份 + 高考模式 + 选科 ✅必填 贵州省 / 3+1+2 / 物化政 暂停分析,友好询问
2 高考总分 + 全省位次 ✅必填 536分 / 位次30139 暂停分析,友好询问
3 科类(物理类/历史类/文/理科) ✅必填 物理类 暂停分析,友好询问
4 意向地域 + 是否接受偏远 🉑推荐 不限 / 优先一线 默认=不限
5 家庭经济条件 + 费用偏好 🉑推荐 中等 / 不排斥中外合作 默认=中等,仅推公办
6 兴趣特长 + 明确排斥的专业/行业 🉑推荐 喜欢计算机 / 不想学医 默认=不限方向
7 发展诉求(好就业/考研/考公/院校档次) 🉑推荐 优先好就业+兼顾考研 默认=综合推荐
8 特殊身份(艺术/体育/军校/专项/民族等) 🉑推荐 无 默认=无

💡 最佳输入格式(用户只需像聊天一样说):

  • "贵州省物理类536分,位次30139,选科物化政,想去江浙沪,家庭中等,想学计算机好就业"
  • "河南理科520分能上什么学校"
  • "位次35000,湖南省,想学计算机"

信息不完整时的提示规范

必填项缺失(第1-3项)——暂停分析,直接提示:

😊 还差一点点,我需要以下信息才能为你制定方案:

❌ 缺少:[具体缺失项]

👉 请补充:
   · 你在哪个省份参加高考?
   · 本次高考总分是多少?全省位次是多少?(位次更准确,优先提供)

以上信息补充后,我会立刻开始分析!

非必填项缺失(第4-8项)——说明假设后继续:

ℹ️ 部分信息未提供,我将按以下默认值进行分析:
   · 地域偏好:未指定 → 默认全国不限
   · 家庭经济:未指定 → 默认中等,仅推荐公办
   · 发展方向:未指定 → 默认综合推荐

如有不符,随时告诉我,我会立刻调整方案。

数据异常或矛盾(如分数与位次严重不符)——主动提醒核实。

Agent 收到后的标准流程(9步全流程)

1. 校验输入(8维度信息收集)→ 必填缺失则暂停询问,非必填缺失说明默认值
2. 判断省份高考模式(3+1+2/3+3/老高考)→ 查 references/national-policy-reference.md
3. 查内置数据 → 有则直接匹配,无则提示获取方式
4. ⭐ 询问招生计划变化(2026 vs 2025)→ 有数据则做位次调整
5. 按省份波动性选阈值 → 稳定/中等/高波动 三档自适应
6. 生成冲稳保方案(含专业方向分组)→ 用调整后等效位次匹配
7. ⭐ 为每个推荐院校附加深度解析(5维度结构化输出)
8. ⭐ 为每个推荐专业附加职业前景6维评估(查 references/career-prospects-reference.md)
9. 输出完整六板块 HTML 报告(基于 templates/report-template.html 模板) + 数据来源标注 + 风险提醒 + 费用参考

什么时候用

  • 查询分数对应的全省位次("550分在全省排多少名")
  • 根据位次筛选目标院校("全省前30000名能上哪些211")
  • 查询目标院校往年录取位次("华科计算机去年录取位次是多少")
  • 生成冲稳保志愿方案("帮我设计一套冲稳保方案")
  • 院校/专业对比("计算机和电子信息哪个更好")
  • 新高考选科对应专业("物理+化学+生物能报哪些专业")

不做: 预测当年精确录取分数线、替用户做最终决策、提供非官方数据源的数据。

核心方法论:位次法 + 招生计划调整

位次 vs 分数

维度 分数 位次(排名)
稳定性 年波动大(试题难度影响) 相对稳定
可比性 不同年份不可直接比 可直接对比
参考价值 辅助参考 核心参考坐标

⭐ 招生计划调整位次法(v2.9.0 新增)

传统位次法的盲区:只看排名,忽略了招生计划(供给侧)的变化。

当2026年某省本科招生总计划比2025年多20,000人时:

  • 头部考生(前1%):985/211名额基本不变,影响极小(~300名差异)
  • 中段考生(前10-30%):影响中等(~2,000-5,000名差异)
  • 中后段考生(前30-70%):影响关键(~7,000-15,000名差异)
  • 尾部考生(前70-100%):影响巨大(~15,000-20,000名差异)

调整公式

简化版(仅需省级总计划数据):

等效2025位次 = 2026实际位次 × (2025本科招生总计划 / 2026本科招生总计划)

示例:某省2025年本科计划200,000人,2026年220,000人(+10%) 考生2026年排100,000名 → 等效2025年位次 = 100,000 × (200,000/220,000) = 90,909名 即该考生在2026年的竞争力 ≈ 2025年的90,909名

精确版(需省级招生计划数据,31省全覆盖):

使用全国供给曲线模型(references/nationwide_enrollment_model.json),按位次段做非线性调整:

  1. 从供给曲线查到考生位次R对应的累计招生计划C(R)
  2. 2026年等效计划 = C(R) × (2026总计划/2025总计划)
  3. 从供给曲线反查:C⁻¹(等效计划) = 调整后位次

模型基于贵州2025年物理类专业级数据(129,668个名额,18,325条专业记录)构建供给曲线形状,再用各省2024年本科招生总计划+考生总数缩放到31省。各省曲线形状相同(头部名额集中、尾部稀疏),但绝对数量不同。

全国31省本科招生计划参考数据(2024年)

省份 本科计划 考生总数 本科率 省份 本科计划 考生总数 本科率
广东 356,000 724,000 49.2% 四川 230,000 595,000 38.7%
河南 360,000 982,000 36.7% 河北 260,000 566,000 45.9%
山东 270,000 670,000 40.3% 湖南 235,000 468,000 50.2%
安徽 235,000 496,000 47.4% 江苏 220,000 347,000 63.4%
湖北 200,000 398,000 50.3% 广西 180,000 389,000 46.3%
江西 200,000 466,000 42.9% 浙江 180,000 287,000 62.7%
云南 150,000 355,000 42.3% 山西 150,000 301,000 49.8%
辽宁 140,000 215,000 65.1% 贵州 135,000 313,000 43.1%
陕西 160,000 271,000 59.0% 黑龙江 115,000 191,000 60.2%
重庆 125,000 208,000 60.1% 甘肃 120,000 226,000 53.1%
福建 130,000 233,000 55.8% 内蒙古 95,000 172,000 55.2%
吉林 90,000 130,000 69.2% 新疆 75,000 167,000 44.9%
北京 70,000 78,000 89.7% 天津 55,000 68,000 80.9%
上海 60,000 55,000 109.1% 海南 45,000 70,000 64.3%
宁夏 45,000 77,000 58.4% 青海 35,000 51,000 68.6%
西藏 15,000 33,000 45.5%

数据来源:各省教育考试院2024年公布数据。全国本科计划合计约474万/考生总数约960万/平均本科率49.3%。注意上海本科率超100%因外地院校在上海投放计划多于本地考生数。

供给曲线调整表示例(+20%招生计划时的位次偏移)

省份 前1%偏移 前10%偏移 前30%偏移 前50%偏移 前70%偏移
广东 -1,207名 -12,462名 -34,056名 -56,075名 -80,758名
河南 -1,637名 -16,902名 -46,192名 -76,057名 -109,538名
山东 -1,117名 -11,532名 -31,516名 -51,893名 -74,735名
四川 -992名 -10,241名 -27,988名 -46,084名 -66,370名
江苏 -579名 -5,973名 -16,323名 -26,876名 -38,706名
贵州 -522名 -5,388名 -14,724名 -24,243名 -34,914名

⚠️ 核心规律:头部影响极小(~1K名),尾部影响巨大(~50-110K名)。大省(河南/广东/山东)绝对偏移远大于小省(北京/上海)。完整31省×15档位次×7档调整幅度数据见 references/nationwide_enrollment_model.json

使用方法

Agent 在生成2026年志愿方案时,主动询问用户:

"2026年XX省本科招生总计划是多少?2025年是多少?(可从省考试院《招生计划》或新闻公告中获取)"

如果用户提供了招生计划数据:

  1. 计算调整因子 = 2025计划 / 2026计划
  2. 调整后位次 = 考生位次 × 调整因子
  3. 用调整后位次匹配2025年院校录取位次
  4. 在报告中展示"原始位次"和"调整后等效位次"两个数据

如果用户未提供招生计划数据:

  1. 使用纯位次法(当前方法)
  2. 提醒:"建议查询XX省考试院2026年招生计划,如与2025年差异超过5%,可提供数据做精确调整"

供给曲线原理

供给曲线描述的是「位次→累计可获取的招生名额」映射关系。核心特征:

  • 头部极度集中:前5%考生能获取30%+的名额
  • 中段平缓过渡:前30%约获取60%的名额
  • 尾部极度稀疏:前70%已获取85%+的名额,尾部15%考生争抢剩余15%

这一曲线形状在全国各省份高度一致(由高校层次结构决定),但各省绝对数量差异巨大。

⚠️ 以上数据基于贵州2025年物理类专业级实际数据(129,668名额/18,325条专业记录)构建曲线形状,再按各省2024年本科招生总计划+考生总数缩放。完整31省数据见 references/nationwide_enrollment_model.json

使用位次法的步骤

  1. 查位次:在考试院公布的《一分一段表》中,找到自己的高考总分对应的全省具体排名
  2. 查校线:查看目标院校近 3 年在本省的最低录取分数线
  3. 比位次:找到这些分数对应的历史排名位次
  4. 定志愿:
    • 🏃 冲:往年录取位次略高于自身位次(录取概率 40-60%)
    • ⚖️ 稳:往年录取位次与自身位次相当(录取概率 70-85%)
    • 🛡️ 保:往年录取位次低于自身位次(录取概率 90%+)

输出原则(用户偏好)

  1. 多年份对比:每个推荐必须显示至少最近2年的数据(如2024年位次+2023年位次),不要仅展示单一年份。标注数据年份供用户自行判断波动。
  2. 数量充足:每组(冲/稳/保)推荐至少10所院校,广东省可填45个专业组,太少推荐不实用。
  3. 公办优先:默认仅推荐公办院校(H9),稳妥志愿按学校质量排序——广州公办优先,985/211优先。
  4. 推荐排序建议:稳妥志愿不要仅按位次范围排序。建议用质量评分:985=100分,211=50分,广州市区=10分,其余0分。按质量分降序→最低位次升序排列。这样广工/广金(广州公办)排在嘉应/韶关(地级市公办)前面。
  5. 位次范围展示:每个学校展示其专业组位次范围(最低分专业组~最高分专业组),而非仅展示最低位次。同一学校不同专业组位次差异可能极大(如华南师范大学历史类从1,156到20,325)。

数据获取策略

官方数据源(优先级从高到低)

优先级 数据源 说明
⭐⭐⭐ 省教育考试院官网 一分一段表、投档线、招生计划(最权威)
⭐⭐⭐ 各省《高考志愿填报指南》 官方出版,含往年录取最低分及位次
⭐⭐ 目标院校本科招生网 分省分专业录取数据
⭐⭐ 阳光高考平台 院校信息、专业库
⭐ 第三方聚合平台 掌上高考/夸克/百度AI助考等(仅供参考,以官方为准)

数据获取工作流

用户输入分数/位次
    ↓
确定省份 + 科类(物理类/历史类/理科/文科)+ 选科(新高考)
    ↓
尝试从已缓存数据中匹配 → 无缓存则提示用户去官方渠道获取
    ↓
匹配目标院校往年录取数据
    ↓
按冲稳保三档生成方案
    ↓
输出志愿推荐表

数据缓存

  • 缓存目录:~/.hermes/workspace/gaokao-data/
  • 文件命名:{省份}_{年份}_{科类}_score_dist.xlsx(一分一段表)
  • 文件命名:{省份}_{年份}_{school}_admission.xlsx(院校录取数据)
  • 首选补充数据源:multi_province/ 目录下的 {省份}_{年份}_admission.json 文件包含专业组级别投档数据(如 广东_2024_admission.json 含571条历史类+1248条物理类数据),优于 province_classified.json 的聚合数据
  • 有效期:每年高考季后更新,旧数据保留供历史对比

multi_province/ JSON 数据字段说明

字段 说明 示例
local_type_name 科类(物理类/历史类/综合) 历史类
min 最低录取分数(字符串,含"-") 512
min_section 最低录取位次(字符串,含"-") 31699
name 院校名称 广东财经大学
city_name 院校所在城市 广州市
nature_name 办学性质(公办/民办) 公办
f985 985标识(1=是985,2=非985,非布尔值) 2
f211 211标识(1=是211,2=非211,非布尔值) 2
local_batch_name 录取批次 本科批
year 数据年份 2024

内置数据资产(开箱即用)

本 Skill 已内置大量投档数据,多数省份无需用户手动获取:

数据类型 覆盖范围 数量 位置
全国院校投档数据 31省 57,276 条 / 22,338 所院校 province_v9/ + province_classified.json
专项投档数据(多源聚合) 部分省份多年份 含院校-专业组级别数据(广东2024历史类571条+物理类1248条) multi_province/ ✅ 首选补充数据源
2025年新增数据 6省 7,397 条 (北京/上海/浙江/山东/河北/贵州) dxsbb_2025/ + province_v9/
广东专项数据 广东 2024+2025年PDF(历史/物理类) gd_extract/ + gd_extract_2025/ + gd_2024_scores/ + gd_2025_scores/
一分一段表 16省 12-22省覆盖 province_scores/
跨年回测配对 31省 v27回测(13,402对,含2022→2023→2024→2025四年验证) backtest_results/backtest_v27.json
全国院校基础库 全国 1,342 所(含985/211/双一流标签) school_list.json
省级阈值参数 23省 IQR自适应冲稳保阈值 内嵌于附录A.5
全国招生计划数据 31省 本科计划+考生总数(474万/960万) provincial_enrollment_data.json
全国供给曲线模型 31省 15档位次×7档调整幅度 references/nationwide_enrollment_model.json

⚠️ 广东数据缺口:province_classified.json 中广东2024年历史类数据为0条(仅有91条物理类+6条2023年历史类专科)。广东历史类志愿方案需从PDF数据文件解析,见下方「广东特殊处理流程」。

优先查内置数据,找到则直接出方案;未覆盖的省份才需引导用户从官方渠道补充。

脚本快速入口(Agent 调用优先级):

脚本 用途 说明
scripts/gaokao_tools.py 主工具 位次查询、院校匹配、方案生成的统一入口
scripts/backtest_v24.py 回测校准 25省v24回测(56,600条,含2023→2024→2025三年验证)
scripts/fetch_dxsbb_2025.py 2025数据抓取 从dxsbb.com解析2025年投档线HTML表格
scripts/integrate_dxsbb_2025.py 数据整合 dxsbb 2025数据整合到province_classified.json
scripts/supplement_from_raw.py 数据补充 从raw_2024.json补充缺失省份数据

⚠️ 回测最新版为 backtest_v24.py(位于 ~/.hermes/workspace/gaokao-data/),直接使用 backtest_v24.json 结果即可。backtest_v2~v23 为历史迭代版本,保留用于审计。

新高考 vs 老高考

新高考(3+1+2 / 3+3)

维度 3+1+2 3+3
首选科目 物理/历史(二选一) 物理/化学/生物/政治/地理/历史(六选三)
再选科目 化学/生物/政治/地理(四选二) —
投档方式 院校专业组 或 专业+院校 专业+院校(浙江/山东等)
位次分类 物理类/历史类分别排位 按选科组合分别排位

老高考

维度 说明
分类 理科 / 文科 / 艺术 / 体育
投档方式 院校为主,调剂到专业
位次 理科排名 / 文科排名

选科-专业对照表(新高考 3+1+2)

选科组合 可报专业覆盖率 主要受限专业
物化生 ~96% 几乎无限制
物化政 ~95% 部分医学要求生物
物化地 ~94% 部分农学要求生物
物生政 ~87% 大部分工科要求化学
物生地 ~85% 化工材料要求化学
物政地 ~80% 理工农医受限较多
史政地 ~50% 理工农医基本不可报
史政生 ~52% 理工农医基本不可报
史化政 ~52% 大部分工科受限
史化地 ~51% 大部分工科受限
史化生 ~52% 大部分工科受限
史生地 ~50% 理工农医基本不可报

⭐ 报告输出格式(默认 HTML,v4.0.0+)

从 v4.0.0 起,默认输出为美观的自包含 HTML 页面,不再使用 Markdown 纯文本。

输出流程

  1. 读取模板:读取 templates/report-template.html 获取 HTML 骨架
  2. 查阅指南:读取 templates/html-output-guide.md 获取占位符替换说明
  3. 逐个替换:将所有 {{PLACEHOLDER}} 替换为实际内容(复合区块用 HTML 片段)
  4. 保存为 .html:写入到报告目录
  5. 在对话中也展示关键信息摘要(冲稳保方案表格)

六大板块结构(不变)

HTML 模板内置七个

,对应七大板块:

  1. 板块一:考生基础信息 — 12项 info-grid 卡片 + 单科成绩可视化条形图 + 信息缺失说明框
  2. 板块二:分数位次定位 — 分数线对照表 + 位次跨年对照表 + 可报考层次判断 + 冲稳保比例仪表盘
  3. 板块三:体检/色觉约束 — 禁区/灰色/安全三张专业限制表 + 科目成绩匹配分析
  4. 板块四:分批次志愿方案 — 四档 tier-card 表格(冲刺/稳妥/保底/兜底)+ 方案配比总结
  5. 板块五:院校深度解析 — sd-card 含核心优势/明显短板/推荐专业/录取参考/风险提示
  6. 板块六:就业前景评估 — 6维 cp-table 就业分析(就业率/方向/薪资/发展/深造/趋势)+ 优先级排序表
  7. 板块七:填报风险提醒 — 多色 alert 预警框 + 实操建议 checklist + 费用参考表

HTML 设计规范(v6.0 湘·赋设计系统 — 金榜卷轴版)

  • 设计理念:v6.0 全面升级签名元素。以「金榜卷轴」为核心视觉母题 — Hero区上下各有一道金色卷轴杆(scroll rod),深色竹简纹理底,模拟古代金榜展开的仪式感。Section序号从英文 "SECTION 01" 升级为红色印章风格中文序数「一二三四五六七」(朱印 seal marker)
  • 三体排版体系:① Noto Serif SC 宋体衬线体用于标题/大数字/Section序号 ② Noto Sans SC 无衬线用于正文 ③ DM Mono 等宽体用于标签/眉题/数据
  • 配色体系:墨夜 #0a0e14 Hero 底色、卷轴金渐变 scroll rod、岳麓枫金 #b8860b 主题色、金榜朱红 #c73e1d 警示/朱印色、宣纸暖白 #fdfbf7 主背景、湘西米灰 #faf7f2 交替区
  • 签名设计元素:金榜卷轴Hero(金色杆+竹简纹理+菱形分割线)、朱印Section序号(红底白字方块+宋体中文序数)、位次标尺(三色区间条+金色标记线)、等宽体英文眉题
  • 动态层次:scroll reveal(IntersectionObserver)、导航高亮跟随滚动、分数条动画、卡片悬停上浮
  • 自包含:CSS内联+Google Fonts外链,零JS依赖
  • 响应式+打印友好+无障碍

院校对比模板(HTML 版)

用户请求院校对比时,也输出 HTML 格式。在 report-template 基础上裁剪为一个对比表格页面:

对比维度{{SCHOOL_A}}{{SCHOOL_B}}
院校层次985/211省属重点
学科评估A+B+
2024最低位次4,50012,000

Markdown 回退模式

如果用户明确要求 .md 格式,回退到纯文本 Markdown 输出(原 v3.x ASCII 表格模板)。

硬约束(绝对不可违反)

编号 规则
H1 所有推荐必须基于位次法而非分数直接对比
H2 数据来源必须标注清楚,无法确认来源时明确告知用户
H3 不做确定性录取保证,使用"录取概率"表述
H4 新高考必须区分物理类/历史类/选科要求
H5 建议用户最终以省考试院官方系统和招生章程为准
H6 输入校验必须执行:省份/分数/位次缺失时主动询问,不可假设或猜测
H7 数据年份必须标注:每份报告必须注明数据年份和来源
H8 异常数据必须预警:分数与位次不匹配、数据年份过旧等情况主动提醒
H9 默认仅推荐公办院校。除非用户明确说「民办也行」或「不限公办民办」,否则推荐方案中绝不含民办院校。用户通常默认认为推荐的应是公办院校,含民办会让用户感到「非常不合理」。即使该民办院校位次高于用户位次(属于冲刺范围),也不应推荐。

软约束(默认遵守,用户可明确覆盖)

编号 规则
S1 优先参考近 3 年录取数据,以最近一年权重最高
S2 冲稳保比例默认建议 3:4:3
S3 推荐院校数量:冲、稳、保每个至少10所(广东省本科批可填45个专业组,太少的推荐不实用)
S4 需关注招生章程中的专业级差、单科成绩要求、身体条件限制
S5 提醒用户关注征集志愿和批次线变化

元约束(Agent 自身行为准则)

编号 规则
M1 不对当年录取结果做确定性预测,使用概率化表述
M2 数据不足时明确告知,绝不编造院校录取数据
M3 超出能力边界时直接拒绝并说明原因
M4 提醒用户多方面考量(兴趣、就业、地域、家庭因素),不只看分数
M5 涉及具体院校时,建议用户查阅该校本科招生网最新信息

常见陷阱

  1. 只看分数不看位次 — 不同年份试题难度不同,分数不可直接对比
  2. 忽略选科要求 — 新高考下选科直接决定能报哪些专业
  3. 冲太多或保太多 — 合理分配是关键,别全冲或全保
  4. 只看学校不看专业 — 好学校的冷门专业未必适合
  5. 忽略招生章程 — 专业级差、单科要求、身体条件都可能退档
  6. 不服从调剂 — 平行志愿下不服从调剂有退档风险
  7. 只看去年数据 — 至少看 3 年数据,注意大小年现象
  8. 推荐含民办院校未被用户要求 — 用户默认认为推荐的应是公办院校。必须在代码中显式过滤民办(nature_name 含 "民办" 的剔除),或用 f985!=1 && f211!=1 && nature_name!="公办" 判断。只有在用户明确说"民办也行"时才包含民办推荐。
  9. 忽略招生计划变化 — 纯位次法假设两年间录取位次不变,但如果2026年本科招生计划大幅增加,同样位次的考生录取概率会提高。尤其对中后段考生(排位30%+),招生计划变化影响可达数千名位次差异。生成方案时必须询问用户招生计划数据,有则用全国供给曲线模型(references/nationwide_enrollment_model.json)做调整——31省全覆盖。

FAQ 常见问题

Q1:有分数但没有位次怎么办?

A:优先建议用户从省考试院查询位次(位次比分数准确得多)。如确无法获取:

  1. 查内置一分一段表(province_scores/)反查位次
  2. 若该省无一分一段表数据,用「分数模式」阈值(冲46%/稳58%/保93%),但需告知用户精度降低

Q2:用户省份不在内置数据中怎么办?

A:明确告知"该省暂无内置投档数据",然后:

  1. 提供官方数据源链接(见 references/data-sources.md)
  2. 用户可手动提供PDF/Excel,Agent 解析后生成方案
  3. 部分省份可用相邻年份或相邻省份的阈值作为近似参考(需标注为估算)

Q3:位次和分数模式有什么区别?该用哪个?

A:

  • 位次模式(推荐):直接对比全省排名,更稳定。命中率:冲97.0%/稳90.0%/保95.2%(v28全国21省26组15,863对回测)
  • 分数模式:对比录取分数,波动更大。命中率:冲46%/稳58%/保93%
  • 有位次数据时一律用位次模式

Q4:冲稳保命中率是什么意思?

A:指用上一年的录取数据来预测今年录取结果的准确性:

  • 冲95.9% = 100个"冲刺"志愿中约96个今年仍在前方(有机会录取)
  • 稳91.9% = "稳妥"志愿中约92个仍在合理区间
  • 保96.0% = "保底"志愿中约96个确实低于考生位次
  • ⚠️ 这是跨年回测命中率,不等于实际录取概率
  • ✅ v28已用3个年份对验证:2022→2023冲100.0%/稳95.5%/保94.3%,2023→2024冲96.7%/稳89.2%/保94.8%,2024→2025冲97.7%/稳92.3%/保97.1%
  • ✅ 2024→2025验证(5省1,615对):冲97.7%/稳92.3%/保97.1%
  • ✅ 保底命中率稳定:全国95.2%,各年份对94.3%~97.1%

Q5:选科不对能不能报某个专业?

A:本 Skill 提供选科-专业覆盖率参考表,但各校具体选科要求以招生章程为准。Agent 应:

  1. 查选科对照表给出初步判断
  2. 明确提醒"请核实目标院校招生章程中的选科要求"
  3. 不替用户做最终结论

Q6:特殊招生类型(强基/综评/中外合作/国家专项)怎么处理?

A:见下方「特殊招生类型」章节。投档数据中含专项计划记录,Agent 会区分标注但需提醒额外资格条件。

Q7:数据是哪一年的?会不会过时?

A:内置数据主要为2023-2025年。每年高考季后应更新。Agent 在输出报告时必须标注数据年份,并提醒"位次参考以最近一年为最重要"。

Q8:不同省份的预测精度有差异吗?

A:有。基于v24回测和分科类回测(25省42组9,869对),关键发现:

省份类型 冲命中率 稳命中率 保命中率 建议
新高考3+3综合(上海/北京/浙江/天津/海南) 96.6% 89.3% 90.1% 保底略弱,建议增加1-2个保底志愿
新高考3+1+2物理(江苏/河北/湖南/湖北/重庆/贵州) 96.8% 88.5% 94.3% 冲稳保均衡,标准阈值适用
新高考3+1+2历史 96.1% 88.8% 96.1% 保底可靠,冲刺略保守
老高考文科(山西/甘肃/陕西/黑龙江/广西等) 95.7% 84.9% 98.2% 稳命中率最低,建议冲稳保比例4:3:3
老高考理科 96.9% 84.7% 96.2% 同上,稳命中率偏低需注意
高波动省份(云南/宁夏/新疆) 93.5-97.3% 87.4-90.6% 92.1-96.4% 冲稳保阈值均需适当放宽

核心建议:

  • 🟢 新高考3+1+2省份:冲稳保最均衡,标准阈值适用
  • 🟡 老高考省份(尤其文科/理科):稳命中率偏低(~85%),建议冲稳保比例4:3:3多填冲刺
  • 🟡 新高考3+3省份:保底命中率略低(90.1%),建议增加1-2个保底志愿
  • 🟢 保底命中率全国平均95.2%,仍是最可靠的指标
  • ⚠️ 老高考文科冲命中率95.7%全国最低,但保底98.2%最高——保底最稳

Q9:为什么老高考文科冲命中率偏低?

A:回测发现老高考文科(山西55.5%、陕西51.7%、黑龙江52.5%)的冲命中率明显低于理科。可能原因:

  1. 文科分数密集:同分段人数多,1-2分差异可能导致位次跳变
  2. 院校招生量少:文科专业招生规模小,分数线波动更大
  3. 调剂影响:文科调剂空间小,部分考生被调剂到非首选专业

应对策略:老高考文科考生建议冲稳保比例为 4:3:3(多填一个冲的志愿)

⭐ 报告保存规则(必须执行)

每次生成志愿方案后,必须将完整报告保存为 .html 文件。

  • 保存目录:D:GitHubhermescndocsgaokao(已有历史报告,保持同一目录)
  • 文件命名:{省份}{年份}{科类}_{分数}分_{描述}.html
    • 示例:广东2026历史类_529分_志愿方案.html
    • 示例:贵州2026物理类_536分_志愿分析.html
    • 如同一考生多次调整,加 v2/v3 后缀:广东2026历史类_529分_志愿方案v2.html
  • 保存方式:用 [System.IO.File]::WriteAllText(path, content, [System.Text.UTF8Encoding]::new($false)) 写入(不用 write_file 工具,D盘会静默失败)
  • 目录不存在时先创建:New-Item -ItemType Directory -Path "D:GitHubhermescndocsgaokao" -Force
  • 写入后验证:Test-Path 确认文件存在,且 Get-Item 确认大小 > 5KB
  • 保存内容:基于 templates/report-template.html 模板渲染的完整 HTML 报告

工作流选择器

根据用户输入自动选择工作流:

用户意图 工作流 说明
查询分数对应位次 工作流 A:位次查询 需要一分一段表数据
根据位次筛选院校 工作流 B:院校匹配 匹配冲稳保三档
生成完整志愿方案 工作流 C:方案生成 综合位次+院校+专业
院校/专业对比 工作流 D:对比分析 多维度对比
选科-专业查询 工作流 E:选科指导 新高考选科对应专业

广东特殊处理流程(历史类数据缺口)

问题描述

province_classified.json 中广东省2024年历史类数据为0条(仅有91条物理类2024 + 6条历史类2023专科)。当用户查询广东历史类志愿方案时,需要走特殊处理流程。

数据文件位置

目录 内容 说明
~/.hermes/workspace/gaokao-data/gd_extract/ 2024年PDF(16个) 附件1=物理类,附件2=物理类(高分段),其余为艺术类
~/.hermes/workspace/gaokao-data/gd_extract_2025/ 2025年PDF(16个) 文件1=历史类一分一段表,文件2=物理类一分一段表
~/.hermes/workspace/gaokao-data/gd_2024_scores/ 同gd_extract(副本) 2024年分数段统计表
~/.hermes/workspace/gaokao-data/gd_2025_scores/ 同gd_extract_2025(副本) 2025年分数段统计表
~/.hermes/workspace/gaokao-data/gd_admission/ 广东院校录取数据 含gd_2024_admission.zip

广东PDF文件命名规则

文件名因编码问题显示为乱码,但内容可通过 pdfplumber 读取识别:

  • 附件1(文件排序[0]):2024年物理类一分一段表(665+起始)
  • 附件2(文件排序[8]):2024年物理类一分一段表(695+起始,另一段)
  • gd_extract_2025/文件1:2025年历史类一分一段表
  • gd_extract_2025/文件2:2025年物理类一分一段表

广东历史类方案生成流程

当用户为广东历史类考生时,按以下步骤:

1. 解析2025年历史类一分一段表PDF(gd_extract_2025/文件1)
   → 用 pdfplumber 提取,正则匹配: r'^(d{3})s+(d+)s+(d+)'
   → 得到 (分数, 人数, 累计人数) 列表
   → 注意区分"含本科加分"和"含专科加分"两列(本科列更关键)
   
2. 将用户分数换算为2025年排位:
   - 从表中找到用户分数对应的累计人数(本科含加分列)
   - 示例:2025年历史类529分→36,999名
   
3. **从multi_province/加载历史类真实投档数据(首选方案):**
   - 加载 `~/.hermes/workspace/gaokao-data/multi_province/广东_2024_admission.json`
   - 用 `d.get('local_type_name')=='历史类'` 过滤历史类数据(~571条)
   - 解析 `min`(最低分)和 `min_section`(最低位次)字段
   - 也加载 `广东_2023_admission.json` 做多年份对比
   - **f985/f211处理**:f985==1 才是985(非布尔值),f211==1 才是211
   - 每个院校展示专业组位次范围(最低分专业组~最高分专业组)
   
4. 结合分数通胀校正(2024→2025广东历史类通胀约**+25分**):
   - 529分在2024年排23,406名,2025年排36,999名
   - 跨年对比时必须用位次而非分数
   
5. **参考2025年各批次分数线做特殊通道分析**(来自省考试院公告):
   - 特殊类型招生控制线:557分(强基/综评/高校专项)
   - 地方专项计划:527分 ✅ 用户529分超2分
   - 教师专项(华师/广州大学):537分
   - 教师专项(其他院校):487分
   - 卫生专项(本科):537分
   - 本科线:464分
   
6. **过滤民办院校**:按 H9 默认仅推荐公办。
   - `nature_name` 含 "公办" 或 `f985==1` 或 `f211==1` 的保留
   - `nature_name` 含 "民办" 的直接剔除
   - 数据示例:广州南方学院 `nature_name="民办"` → 剔除
   
7. **生成冲稳保方案**,每档至少10所院校,标注2024+2023两年数据对比:
   - **冲刺(Rush)**:所有专业组位次均高于用户位次(`i["rx"] < u`)
   - **稳妥(Stable)**:用户位次落在院校专业组位次范围内(`i["rn"] < u <= i["rx"]`)
   - **保底(Safe)**:所有专业组位次均低于用户位次(`i["rn"] >= u`)
   - **稳妥排序建议**:按学校质量(985/211/广州市区优先)排序,而非仅按位次范围。打分公式示例:985=100分,211=50分,广州市区=10分,再按最低位次升序

2025年广东历史类关键分数段(已解析)

分数 累计人数(本科含加分) 备注
535 33,134 接近用户位次32,816
534 33,782
530 36,301
529 36,999 用户分数对应排位
525 39,694

2024年广东物理类院校参考(位次20000-55000)

院校 2024分数 2024位次 层次
南方医科大学 572 16,584 重点本科
华南师范大学 571 16,934 211/双一流
深圳技术大学 563 19,744 本科
广州中医药大学 534 32,336 重点本科
广东财经大学 530 34,090 重点本科
广东警官学院 529 34,763 重点本科
东莞理工学院 526 36,041 本科
华南农业大学 524 37,265 211/双一流
广东金融学院 520 39,707 本科
广东第二师范学院 510 45,092 本科
五邑大学 508 46,626 本科
广东工业大学 504 49,411 重点本科
广东医科大学 502 50,378 重点本科
广东以色列理工学院 496 54,247 本科(中外合作)
广东技术师范大学 495 54,707 本科

⚠️ 重要:以上物理类数据仅作为院校层次参考,历史类实际录取位次不同。最终方案请以广东省教育考试院官方发布的2026年历史类投档线为准。

输入校验与异常处理

必填信息校验

Agent 收到用户请求后,必须先检查以下信息是否齐全,缺失时主动友好询问:

检查项 必填 校验规则 缺失时的提示话术
省份 ✅ 31个省份名匹配(支持简称如"贵州"="贵州省") "请问是哪个省份的考生?"
分数 ✅ 0-750整数,含政策加分 "请问高考总分是多少(含加分)?"
位次 ⭐强烈推荐 正整数,与分数交叉验证 "最好能提供全省位次,会更准确。可以从省考试院官网查到。&quo

相关专题

更多
Gradle插件开发入门教程
Gradle插件开发入门教程

本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。

2026.10.22

0

11

Gradle Wrapper配置教程
Gradle Wrapper配置教程

本专题介绍Gradle Wrapper的基本作用,涵盖文件组成、生成方法、版本配置和任务调用,帮助你理解项目如何使用指定的Gradle版本,减少不同开发环境带来的构建差异。

2026.10.22

0

10

Golangci-lint检查器使用教程
Golangci-lint检查器使用教程

本专题整理Golangci-lint常用Linters的用途与配置方法,覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查,帮助项目合理选规则。

2026.10.22

0

15

Gradle怎么构建Java项目
Gradle怎么构建Java项目

本专题介绍Gradle Java项目构建方法,涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查,帮助你理解各阶段的任务关系,逐步完成项目构建。

2026.10.22

0

10

PHP时间戳漏洞修复教程
PHP时间戳漏洞修复教程

本专题汇总PHP常见时间戳漏洞,包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等,并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案,帮助开发者快速排查和加固时间相关代码。

2026.10.22

0

25

Golangci-lint配置文件与规则设置
Golangci-lint配置文件与规则设置

本专题聚焦Golangci-lint YAML配置文件,讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置,便于团队统一检查标准。

2026.10.22

0

15

Golangci-lint安装与入门教程
Golangci-lint安装与入门教程

本专题讲解Golangci-lint的安装、初始化、基础命令和首次代码检查,覆盖本地环境、Docker及多平台用法,帮助Go开发者快速上手。

2026.10.22

0

15

PHP2Shell高危漏洞修复教程
PHP2Shell高危漏洞修复教程

PHP2Shell漏洞是什么,哪些PHP版本和运行环境会受到影响,服务器应该如何检测与修复?本专题提供版本自查脚本、Linux与Docker升级命令、PHP-FPM和Apache排查步骤,以及修复验证、临时缓解和应急响应方案。

2026.10.22

0

12

剧云人物设定与关系管理教程
剧云人物设定与关系管理教程

本专题介绍剧云人物设定与关系管理,讲解角色小传、性格职业、人物目标、背景资料和关系网络的创建及维护方法。

2026.10.22

0

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 133.9万人学习