Menu
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/publieople/hermes-config-kit --skill colleges-chatThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
Showing SKILL.md
Based on SOC occupation classification
| name | colleges-chat |
| description | 大学生活质量指北 — 从 colleges.chat 查询全国高校的真实学生反馈（宿舍、空调、独立卫浴、断电断网、食堂等生活质量信息） |
从 colleges.chat 查询各高校的真实学生反馈数据。
colleges.chat 通过问卷调查收集全国高校学生的真实反馈，涵盖：
每个学校的页面 URL 格式：https://colleges.chat/universities/<学校全名拼音>/
⚠️ 数据来源于学生自愿提交的问卷，可能存在偏差/过时。建议交叉验证。
学校拼音通常为全称小写拼音，用 - 连接。例如：
ji-lin-da-xueshang-hai-jiao-tong-da-xuebei-jing-da-xue不确定拼音时，先搜索 site:colleges.chat/universities 学校名 找到正确 URL。
部分学校使用英文缩写：
thupkufudannju如不确定，用搜索定位。
colleges.chat 服务器在国内，从 WSL/海外/某些网络环境直接访问会 ERR_CONNECTION_RESET。
如果 web_extract() 失败（Tavily extract failed / ERR_CONNECTION_RESET）：
web_search 搜 site:colleges.chat/universities 学校名 获取 snippet 预览terminal() + curl -x <代理地址> 获取原始 HTML
-x http://127.0.0.1:7890<article> 内）/archived/ 前缀的页面同样有效，优先提取代理不可达时，用 web_search 的 snippet 也能获得部分关键信息。
colleges.chat 基于 MkDocs，HTML 约 1.5-2MB，Q&A 内容在 <article> 标签内。
提取步骤：
curl -x <代理> <url> -o /tmp/school.html<article>...</article> 或 <main>...</main>set() 对 A\d+: 内容去重（多人回答相同则只取一个），保留分歧import re
m = re.search(r'<article[^>]*>(.*?)</article>', html, re.DOTALL)
content = m.group(1)
text = re.sub(r'<[^>]+>', '\n', content)
# 按 Q: 分割，每组取前几条不同回答
代理不能用时尝试 /archived/ 路径：
https://colleges.chat/archived/universities/<拼音>/1. 构造 URL: https://colleges.chat/universities/<拼音>/
2. 用 web_extract() 提取页面内容
3. 如果失败 → 有代理则 terminal(cmd=curl -x proxy URL) → 提取 HTML 正文
4. 如搜索到 /archived/ 路径，提取 archived 版本的页面
5. 解析 Q&A 格式内容，提取关键信息
6. 整理成结构化摘要，按以下模板输出
当用户说"看看 XX 大学怎么样"但不确定拼音时：
1. 用 web_search 搜索: "site:colleges.chat/universities XX大学"
2. 从搜索结果中找到正确 URL
3. 用 web_extract() 提取内容
4. 整理成结构化报告
志愿填报场景下，深入问一所学校时，用完整模板：
🏫 学校名 · 专业组XXX 专业名
**定位**：分数/位次，三年走势，冲/稳/保
### 指北生活数据
🏠 宿舍：上床下桌？空调？独立卫浴？
⚡ 断电：几点断？断网？限电？
🍚 食堂：价格？卫生？
🚇 交通：地铁？进城时间？
🏃 跑步：打卡要求？
📋 查寝/门禁：频率？时间？
💡 其他亮点/槽点
### 专项短板
- ❌ 每个短板用符号开头，简短
- 专业方向匹配度、招生名额风险、历史数据缺失、校区偏僻等
输出原则：每个短板一目了然，不长篇大论。对专业方向严重不匹配的（如意向计算机却报了化工），用最强烈信号。
扬州大学、广州中医药大学、南京林业大学等有多校区的学校，不同校区的生活条件可能天差地别。
colleges.chat 只收录了主校区的生活数据。当办学点在分校区/外地/教育实验区时：
| 场景 | 指北数据 | 正确做法 |
|---|---|---|
| 中国传媒大学海南陵水 | 只有北京主校区 | 主校区数据作废，陵水实验区无单独收录 |
| 南京医科大学常州校区 | 标注"常州校区不知道" | 承认无数据，按新建校区推断 |
| 汕头大学土木工程 | 指北有汕大数据 | 但专业在陵水/合作办学点就不适用 |
操作流程：
触发：任何"高校专项 / 实验班 / 中外合作 / 提前批"专业组，每次查询前必须翻一遍招生章程最后那段"录取规则"+"体检要求"。
常见硬卡点（出现频次高、用户容易漏）：
| 专业方向 | 体检限制 | 学校样例 |
|---|---|---|
| 化学/化工/制药/材料/生物/医学 | 不招色盲色弱（部分还限单色识别不全） | 北化工化工与制药类、中南财大应用化学/纳米材料、西南大学植物科学/动物科学 |
| 飞行技术/航海技术/航空航天 | 身高/视力/色觉/既往病史多重限制 | 北航航空航天类（含部分方向）、沈航飞行器 |
| 公安/军事/司法 | 政审 + 体检 + 面试 | 公安院校、军校 |
| 师范定向（公费师范） | 部分省份要求面试或签约 | 西南大学公费师范、北师大公费师范 |
操作：
web_search "<校名> 2025年 招生章程"
或抓 <校名>.edu.cn/_upload/article/files/.../2025zsjz.pdf（章程原文 PDF，几乎所有 985/211 公开）。
输出时硬规则：当专业组备注或章程明确写"不招 X"，必须在短板的"🚩 体检硬卡点"段落用最强烈信号标记，不能漏——这是比分数线还硬的拒录条件。
触发：专业组是大类招生（"工科试验班 XXX 类""经济管理类""化工与制药类"），而不是具体专业。
为什么危险：大类内部的分流专业差距极大，热门专业（计算机/电气）和冷门专业（采矿/安全/化工）可能塞进同一个专业组。录取分数线只锁住大类入口，分流要看大一成绩+志愿，热门方向分数远高于大类线。
已踩过的雷（用户必须知道）：
| 学校 | 大类名称 | 分流规模 | 重点提示 |
|---|---|---|---|
| 北航 | 工科试验班类（航空航天类）17 个方向 | 17 个分流专业含飞行器设计/动力/控制（王牌）+ 具身智能/智能制造/机器人（2025 新方向）+ 纳米材料/智慧交通 | "含 X 个专业，详见招生网"——务必查具体列表 |
| 北理工 | 理科试验班（理学与材料菁英班） | 24 个分流方向含碳中和/量子信息/生物技术-AI 双学位 | 2024 新增碳中和、量子信息是机会，传统材料坑多 |
| 南理工 | 化工与制药类（高校专项） | 含化学工程与工艺/精细化工/制药工程/高分子材料/安全工程 | 安全工程是冷门分流，可能掉坑 |
| 北化工 | 工科试验班（智能制造与智能车辆菁英班）（高校专项） | 7 个方向含车辆/能动（王牌）+ 能动-工商管理/机械-德语 双学位 | 双学位是稀缺组合 |
| 大连理工 | 化工与制药类（高校专项） | 5 个方向含化学工程与工艺/精细化工/制药工程/高分子材料/安全工程 | 不招色盲色弱——硬卡点 |
| 北师大珠海 | 理科试验班（未来理工） | 含数学与应用数学/物理学/工程力学/量子信息科学 | 物理/力学是真正的王牌 |
操作流程：
触发：专业组备注里出现"2022 年首次招生"/"2024 年新增"/"2025 年新批"等表述。
风险：所有指北数据、就业报告、保研去向、校友资源都是0——因为根本没有毕业生。专业真实评价完全靠学校宣传+师资名单。
典型案例（2025 高考志愿场景）：
| 专业 | 学校 | 首届招生年 | 真实风险 |
|---|---|---|---|
| 人工智能（智能精准诊疗） | 浙江师范大学 | 2022 | 2026 才出首届毕业生，培养方案未经验证 |
| 智能医学工程 | 浙江师范大学 | 2024 | 2028 才出首届毕业生 |
| 植物科学与技术（中外合作办学） | 西南大学 | 2018 | 首批已毕业，但 MSU 美国学位国内认可度有限 |
| 智能感知工程 | 江苏科技大学 | 新专业 | 非学校强势方向，师资弱 |
| 碳中和科学与工程 | 北京理工大学 | 2024 | 新工科机会 + 培养方案待观察 |
| 量子信息科学 | 北京理工大学 | 2023 | 全国首批开设之一，师资强但就业路径未知 |
操作：
触发：用户问"这个专业组在哪个校区"、报高校专项 / 实验班 / 拔尖班 / 中外合作、报带具体专业方向的查询。
为什么先做：colleges.chat 多校区学校数据按校区独立（如华科分 hua-zhong-ke-ji-da-xue-zhu-xiao-qu 主校区 vs hua-zhong-ke-ji-da-xue-tong-ji-yi-xue-yuan 同济医学院）。即使主校区有数据，专业可能在另一个完全不同待遇的校区。
web_search "<校名> <学院名> 校区"
# 找学院"联系我们"页或页脚，正文会写"地址：松江校区 上海市松江区..."
多学院联合招生的实验班（如"智慧化工与低碳工程"由化工学院+环境能源学院联合），需要查培养方案页或分流说明，通常会写"1+3 培养模式，第 X 学期分流"。
985/211 通常公开当年录取数据 xlsx 在 <校名>.edu.cn/_upload/article/files/...，含 "专业 → 学院 → 校区" 映射。
示例：华南理工 https://www2.scut.edu.cn/_upload/article/files/.../xxx.xlsx
"化学与化工学院, 化学类拔尖基地班, 五山校区" 或 "智慧化工与低碳工程, 大学城校区, 753, 751"操作：
curl -L "https://<校>/<xlsx>" -o /tmp/campus.xlsx
# openpyxl 读 Sheet2 / Sheet1 的"学院 / 专业 / 校区" 三列
xlsx 路径在搜索引擎的 snippet 里经常能看到完整 URL，直接拿来用。
hua-zhong-ke-ji-da-xue-zhu-xiao-qu）colleges.chat 多校区学校按以下拼写模式收录子页面（其他学校遇到可直接试，不要再 search）：
| 校区类型 | 命名后缀 | 已验证样例 |
|---|---|---|
| 主校区/本部 | -zhu-xiao-qu 或 -zhu-bu | bei-jing-shi-fan-da-xue-zhu-xiao-qu（北师大珠海）、hua-zhong-ke-ji-da-xue-zhu-xiao-qu（华科主校区） |
| 分校区 X | -X-xiao-qu 拼写学校名 | bei-jing-hua-gong-da-xue-chang-ping-xiao-qu（北化昌平）、zhe-jiang-da-xue-yu-quan-xiao-qu（浙大玉泉）、bei-jing-li-gong-da-xue-liang-xiang-xiao-qu（北理良乡） |
| 同名学院 | 学院名拼音全称 | hua-zhong-ke-ji-da-xue-tong-ji-yi-xue-yuan（华科同济医学院） |
搜索技巧：当 web_extract 主校区页面内容已包含"分校区 X 怎么样"的 Q&A，说明 colleges.chat 收录了该子页面 → 直接构造 https://colleges.chat/universities/<校名拼音>-<校区拼音>-xiao-qu/ 试抓，失败再 search。
数据稀疏陷阱：部分新收录的校区子页面只有 2–5 条 Q&A（如北化昌平、北师大珠海），远少于主校区的 20–40 条 → 在报告中显式标注"该校区仅 X 条独立反馈，其余参照主校区"，不要把主校区数据当校区数据用。
每份指北报告顶部加一行"📍 数据校区：XX 校区"，避免用户套错。
典型未收录：华南理工大学、武汉理工大学、暨南大学（部分）等。
处理：
当用户连续发多所学校的 URL，每所只需要 1 屏的对比表时：
## 学校名（XX 城市，关键标签）
### 🚩 明显短板
- 🚩 多频短句才上榜的最强信号 1
- 🚩 最强信号 2
- 🚩 强专业方向不匹配的用最强烈信号
### ✅ 合格项
- ✅ 基础项 1
- ✅ 基础项 2
### 总结
⚠️ 一句话分类：性价比 / 慎选 / 专业对口的可冲 / 跑
vs 完整输出模板的区别：本模板省略位次表、生活质量完整分项（宿舍/食堂/交通单列）。适合"快速过一遍志愿表"的连续查询场景。完整模板用在用户专门深入问一所学校时。
references/major-cities-summary.md — 主要城市/学校生活质量速查表（session 持续积累），新查到的显著口碑学校追加进去在志愿填报场景中，colleges.chat 用于逐个排查阶段的"生活质量"维度。配合流程：