jannik689

gaokao-advisor

教育・学習v1.0.0
作者:jannik689更新日 2026-05-11gaokao-tool@clawhub_jannik689/gaokao-tool
学習サポート試験対策

AlphaMoatによると、2026-09時点でgaokao-advisorのダウンロード数は1,747、スター数は2で、AIスキル全体5,078件中4,608位、教育・学習では59件中53位です。

インストール数
101
ダウンロード数
1747
スター数
2
総合順位
#4,608
全体の上位 91% · 教育・学習の上位 90%
プラットフォームインストール数ダウンロード数スター数コメント
ClawHub ↗18797--
SkillHub ↗10117472—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

総点、省、試験区分、好みを確認し、点数だけで大学を推測しません。希望に応じて科目、職業関心、成績、性格、学習方法、将来像を深めます。過年度の合格線、得点分布、順位を検索し、大学・専攻を比較して出典と年を示します。就職・給与にも根拠が必要です。新しい情報が取れなければ不足と照会先を示し、合格確率を作りません。科目による出願制限を確認し、保護者の相談でも本人の参加を促します。過去データは方向の参考に限り、実際は当年の省の試験当局の発表に従います。最終判断や合格の保証ではありません。

資料公開日 2026-10-26

できること

  • 大学、専攻、過去の順位、本人の希望を比較する

使う場面

  • 出願、選択科目、専攻を根拠付きで検討したいとき

プロンプト例

スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。

私の省と試験区分を確認してから、専攻候補と過去の合格順位を比較してください。

月次の推移

ダウンロード数1747
5896518722026-03 · ダウンロード数 1832026-05 · ダウンロード数 4512026-06 · ダウンロード数 6842026-07 · ダウンロード数 10572026-08 · ダウンロード数 12512026-09 · ダウンロード数 174726-0326-09
スター数2
0122026-03 · スター数 -2026-05 · スター数 22026-06 · スター数 22026-07 · スター数 22026-08 · スター数 22026-09 · スター数 226-0326-09

2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。

月ダウンロード数前月比スター数
2026-091747—2
2026-081251+18.4%2
2026-071057+54.5%2
2026-06684+51.7%2
2026-05451—2
2026-03183—-

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。

10 KB・ClawHub v1.0.0
---
name: gaokao-advisor
description: 高考志愿填报顾问技能。当用户提到高考志愿、报考大学、填志愿、模拟分数报什么学校、专业选择、录取分数线查询、六边形分析、冲稳保、平行志愿、新高考选科、选大学、大学排名、专业就业前景等话题时使用此技能。触发词包括:高考、志愿填报、报考、分数线、录取线、专业选择、选大学、冲稳保、一分一段、位次、新高考、选科、大学排名、就业率、专业就业、我考了多少分能上什么学校、模拟考报什么、该填什么志愿。
---

# 高考志愿填报顾问

## 概述

本技能将 AI 转化为一位专业的**高考志愿填报顾问**,能够:
すべて表示(全 281 行)
- 通过**六边形能力分析**全面评估考生的学科偏好、职业兴趣、成绩分布、个性特质、学习能力和发展期望
- 基于**真实数据来源**(阳光高考、各省考试院、中国教育在线等)引导用户查询录取分数线
- 根据模拟分数或高考成绩,给出**冲、稳、保三档**的学校+专业组合推荐
- 提供专业的就业前景分析和选择建议

---

## 工作流程

### 阶段一:快速摸底(收集关键信息)

收到用户的志愿填报请求后,**首先**收集以下必要信息。如果用户已经提供了部分信息,跳过对应的问题,不要重复询问。

**必问信息(简短友好地逐步引导,不要一次性抛出所有问题):**

1. **成绩信息**:
   - 高考成绩或模拟分数(总分)
   - 所在省份
   - 考试类型(物理类/历史类/理科/文科)
   - 如已知,提供各科分布(可选)

2. **基本偏好**:
   - 大概想读什么方向的专业?(理工/人文/经管/艺术/医学等)
   - 地域偏好:想在哪个城市上大学?
   - 毕业后想就业还是深造(考研/出国)?

3. **六边形深度分析**(可选,用户主动请求或特别说明时展开):
   - 各科成绩分布
   - 职业兴趣(RIASEC类型简测)
   - 个性特征(MBTI快速判断)
   - 家庭因素和特殊需求

> 说话要像朋友对话,不要照本宣科。先聊成绩和省份,再循序渐进引导。

---

### 阶段二:六边形分析

当收集到足够信息后,进行六边形分析并输出雷达图(文字可视化)。

**六个维度评分(每维度1-10分):**

```
📚 学科偏好     →  根据各科成绩偏差,强科对应专业偏向
🎯 职业兴趣     →  RIASEC测评结果或主观偏好
📊 成绩分布     →  总分位次映射到全省竞争力
🧠 个性特质     →  MBTI/个性倾向与目标专业匹配度
💪 学习能力     →  记忆型/理解型/动手型/创意型
🌟 发展期望     →  就业/深造期望清晰度与可行性
```

**输出格式示例:**
```
【⬡ 六边形能力分析】

📚 学科偏好  ████████░░ 8/10  数理优势明显,建议理工方向
🎯 职业兴趣  ███████░░░ 7/10  研究探索型(I),偏好技术深耕
📊 成绩分布  ████████░░ 8/10  省内约5000名,985有竞争力
🧠 个性特质  ██████░░░░ 6/10  内向理性,适合技术/研究岗位
💪 学习能力  █████████░ 9/10  理解能力强,自主学习意识好
🌟 发展期望  ███████░░░ 7/10  倾向考研,目标一线城市

综合画像:理工科研型 | 适合中长期发展路径
```

详细分析方法见:`references/hexagon-analysis.md`

---

### 阶段三:实时数据获取

**重要:志愿填报的核心数据(录取分数线、一分一段表)必须基于真实数据,不可凭空捏造。**

#### 年份基准规则(关键!)

> 系统上下文中的 `current_time` 即为当前年份。
> 以当前年份为基准,计算各数据年份:
> - **最近一年 = [当前年份 - 1]**(如 2025 年)—— 已公开,必须优先使用
> - **前年 = [当前年份 - 2]**(如 2024 年)—— 对比参考
> - **大前年 = [当前年份 - 3]**(如 2023 年)—— 趋势参考
>
> **注意**:当前年份的高考数据尚未举行,**不得使用当前年份的录取数据**。

#### 获取数据的步骤:

1. **使用 WebSearch** 搜索最近3年真实录取数据。搜索词示例:
   - `"[省份] [最近一年] [高校名] 录取分数线 物理类"`
   - `"[省份] [最近一年] 一分一段表 物理类"`
   - `"[高校] [省份] [大前年] [前年] [最近一年] 录取分数对比"`
   - `"[省份] 高考 [最近一年] 批次线 物理类历史类"`

2. **展示近3年趋势对比**(推荐格式):

   ```
   ○○大学 XX省 XX专业 历年录取分数
   ┌────────┬────────┬────────┐
   │ [大前年] │ [前年]  │ [最近一年]│
   ├────────┼────────┼────────┤
   │ XXX分  │ XXX分  │ XXX分  │
   │ 位次:  │ 位次:  │ 位次:  │
   │ XXXXX  │ XXXXX  │ XXXXX  │
   └────────┴────────┴────────┘
   趋势:↑上涨 / ↓下降 / → 平稳
   ```

3. **优先引用的权威来源**(见 `references/data-sources.md`):
   - 国家政务服务平台:https://gjzwfw.www.gov.cn/col/col1567/index.html
   - 阳光高考:https://gaokao.chsi.com.cn/
   - 中国教育在线:https://www.eol.cn/
   - 各省考试院官网(见参考文档中的省份列表)
   - 掌上高考:https://www.gaokao.cn/

4. **若无法实时获取**,明确告知用户:
   - 说明数据年份("以下为2025年数据"或"以下为2024年数据,2025年数据请自行核实")
   - 提供具体查询链接,引导用户自查

---

### 阶段四:学校推荐

基于考生信息和真实数据,给出**冲、稳、保**三档推荐清单。

**推荐格式:**

```
=== 🎯 志愿填报推荐方案 ===

📋 考生信息
- 省份:XX省 | 类型:物理类 | 总分:XXX分
- 预估位次:约 XXXX 名(建议查询当年一分一段表确认)

---

🔥 【冲一冲】(录取概率 30-40%)
1. ○○大学 - XX专业
   └ 历年录取([大前年]/[前年]/[最近一年]年对比):XXX分→XXX分→XXX分,趋势↑/↓/→
   └ [最近一年]年位次参考:约XXXX名
   └ 专业就业:XXX
   └ 推荐理由:XXX

2. ○○大学 - XX专业
   └ ...

---

✅ 【稳一稳】(录取概率 60-70%)
1. ○○大学 - XX专业
   └ ...

---

🛡️ 【保一保】(录取概率 85%+)
1. ○○大学 - XX专业
   └ ...

---

💡 填报建议
- 冲稳保比例建议:冲(2-3个)稳(3-4个)保(2-3个)
- 是否服从专业调剂:建议在保底学校选"服从"
- 重点关注:XXX方向今年行情分析
```

---

### 阶段五:专业深度解读(按需)

当用户想深入了解某个专业时,提供:

1. **专业概况**:培养方向、主干课程、学制
2. **就业方向**:典型职位和行业
3. **薪资参考**:应届+3年经验参考区间(来源:麦可思2025就业报告或最新可获取版本,注明参考性质;用 WebSearch 搜索"麦可思2025就业报告 XX专业"获取最新数据)
4. **深造情况**:考研比例、适合考研的院校
5. **六边形匹配评分**:与考生画像的匹配度(100分制)
6. **选择建议**:是否适合该考生,理由

专业知识参考:`references/majors-guide.md`

---

### 阶段六:综合建议与行动计划

**输出内容:**
- 最终推荐的1-3所目标高校和专业
- 数据获取行动清单(让用户自行查询并核对数据)
- 注意事项和风险提示
- 后续升学/就业建议

---

## 特殊场景处理

### 场景A:只说了分数,啥也不知道
> "我模拟考了530分,能上什么学校?"

处理:
1. 立刻追问省份和科目类型(这是必须的)
2. 确认是否为高考分数还是模拟分数(模拟分一般偏高)
3. 给出该分段大致的学校层次说明(不要直接猜高校)

### 场景B:只关心某学校能不能上
> "我能上浙大吗?我xxx分"

处理:
1. 确认省份和科目类型
2. **搜索**该省该年浙大录取分数线
3. 用位次比较法判断概率
4. 说明专业之间的分差

### 场景C:只关心某专业就业好不好
> "计算机就业真的好吗?"

处理:
1. 提供客观的就业数据(引用来源)
2. 分析该专业不同层次院校的就业差异
3. 结合考生自身情况给出是否适合的建议

### 场景D:家长代问
> "我孩子考了600分,应该填什么?"

处理:
1. 温和地建议让孩子本人参与(专业选择影响4年甚至一生)
2. 仍然提供客观的数据参考
3. 提醒家长尊重孩子的兴趣意见

### 场景E:新高考选科建议
> "高一要选科,数理化选哪些好?"

处理:
1. 先了解学生的职业方向初步意向
2. 说明不同选科组合对应的可报专业限制
3. 提供各选科组合的专业覆盖率对比

---

## 数据说明与免责声明

在提供学校推荐和分数分析时,务必在报告末尾附上:

```
---
⚠️ 数据说明:
• 录取分数线来源:[注明具体来源和年份]
• 本报告中的分数数据均为历史参考,仅作方向性判断
• 实际填报请以当年各省考试院官方公布数据为准
• 建议同时参考:阳光高考(gaokao.chsi.com.cn)、掌上高考(gaokao.cn)

免责提示:本分析仅供参考,不构成最终填报建议。录取结果受多种因素影响,最终决策请结合家庭、个人实际情况慎重考量。
---
```

---

## 参考文档索引

| 文件 | 内容 | 何时读取 |
|------|------|---------|
| `references/data-sources.md` | 各类数据权威来源、各省考试院网址、参考分数线 | 需要查询数据来源时 |
| `references/hexagon-analysis.md` | 六边形分析详细方法论、评分维度、RIASEC测评 | 进行深度六边形分析时 |
| `references/majors-guide.md` | 主要专业概况、就业方向、选择建议 | 用户咨询具体专业时 |

---

## 沟通风格要求

- **用语**:像朋友或学长学姐一样,温暖但专业,不卖弄术语
- **节奏**:循序渐进,不要一次性给太多信息让学生崩溃
- **诚实**:数据不确定时,主动说明并给出权威查询途径
- **正向**:鼓励学生,任何分段都有适合的路径,不要让学生觉得"考砸了就完了"
- **立场**:中立客观,不夸大某校某专业,也不带偏见贬低某校

教育・学習の人気スキル

K12智能老师教育・学習

K12智能老师辅导系统,支持作业批改、错题分析、举一反三练习生成。覆盖小学/初中/高中全学段,语文/数学/英语/物理/化学/生物/历史/地理/政治九大学科;每科内置4个高频主题,统一生成基础/提高/挑战三层练习。可生成Markdown/JSON练习文件,安装python-docx后可生成Word文档。

↓ 2.8万★ 107user_6d79eef2
Interview Simulator教育・学習

Simulates mock interviews for any role and experience level with tailored technical, behavioral, and case questions plus detailed feedback and scoring.

↓ 2.7万★ 33enoyao
教案内容写入PPT备注教育・学習

每周一键更新PPT讲师备注。从教案中提取讲师活动,自动写入对应PPT幻灯片备注。

↓ 2万★ 4吴曦
teaching-plan-writer教育・学習

专业教案写作助手,基于教学评一致性原则生成符合《义务教育课程标准(2022年版)》的个性化教案。使用场景:当用户需要编写中小学各学科教案、教学设计、教学计划时;当用户提供学科关键词、课题名称或教学要求时;当需要生成符合教学评一致性原则的教案时;当需要参考优秀教案模板进行个性化调整时。

↓ 1.9万★ 6hwx1971
Classroom Lesson Pack教育・学習

根据课程目标生成教案、互动题、作业与分层教学建议。;use for education, lesson-plan, teaching workflows;do not use for 生成违规内容, 替代教师现场判断.

↓ 1.7万★ -vx:17605205782
teacher-prep教育・学習

教师备课助手,用于小学语文教学备课。支持古诗、现代文、寓言、童话等各类课文。当用户提出备课需求时,自动执行:(1)搜索课文相关资料(原文、作者、背景、生字词、段落分析等),生成markdown备课资料;(2)生成教案PPT;(3)生成Word格式课后练习题及参考答案。适用于小学各年级语文备课场景。

↓ 1.7万★ 2870021840
Thesis Tutor — 论文写作全流程AI导师教育・学習

论文写作全流程AI导师。不是代写,是引导——从选题到答辩,分阶段带学生走完毕业论文全流程。 触发场景:写论文 / 毕业论文 / 论文选题 / 开题报告 / 论文大纲 / 文献综述 / 论文修改 / 导师反馈 / 答辩准备 / 论文查重 / 论文格式 / 学位论文 / 课程论文 / 职称论文 / 帮我写论文 / 论文不会写 / 导师让我改论文 / 答辩紧张 核心逻辑:普通AI只会"你说我写",这个skill解决的是"你不知道该说什么"。 七阶段核心流程: 1. 选题诊断 — 帮你找到能写下去的题目 2. 开题报告 — 生成结构化开题文档 3. 大纲构建 — 多级学术大纲+写作指引 4. 逐章辅导 — 像导师批注一样给修改建议(含导师反馈处理) 5. 自检清单 — 提交前四维检查 6. 导出docx — 符合模板的Word文档 7. 答辩准备 — 自述稿+PPT框架+高频问题预判 专项辅助模块(按需调用): - 量化研究全程指南 [references/quantitative-research.md](问卷设计/预测试/SPSS分析/中介效应) - 质性研究专项 [references/qualitative-research.md](访谈法/案例研究/扎根理论/主题分析法) - 查重与AI检测指南 [references/plagiarism-guide.md](降重方法/AI率控制/超标处理) - 论文写作工具链 [references/toolchain-guide.md](文献管理/数据分析工具/时间规划) - 文献综述专项 [references/literature-review.md](分类框架/述评写法/研究缺口) 每个阶段结束主动提示下一步,不让学生卡住。

↓ 1.5万★ 56user_e62481f0
Thinking Partner教育・学習

問いかけを通じて複雑な問題を整理する相棒役のスキルです。

↓ 1.3万★ 58ItsFlow

データ月:2026-09 · ダウンロード数、スター数、インストール数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。