gaokao-data-service

name	gaokao-data-service
description	高考志愿数据服务层——统一的数据查询、校验和增量更新接口，覆盖国内院校投档线、中外合办项目和高考后留学三大数据域

gaokao-data-service：高考志愿数据服务层 Skill

Codex 适配说明

• 在 Codex 中通过 $gaokao-data-service 或 /skills 选择本技能。
• 解析 [[name]] 引用时，读取 ../../references/name.md。
• 优先使用本项目本地数据服务，查不到时才按数据来源优先级降级。

功能说明

为其他 6 个 Skill 提供结构化的本地数据查询服务，替代纯 WebSearch 模式。提供三大数据域的统一查询接口。

当前验收范围

• 本阶段数据服务默认只验收广东物理类主链路：province=广东、curriculum=3+1+2物理。
• 不把广东历史类、其他省份、多科类覆盖作为本轮成功条件。
• 国内推荐必须使用专业组级数据；不得用学校整体最低投档线替代专业组线。
• 查询、输出、推荐中无法确认的选科、计划、来源、排位密度必须标注 待确认 [无来源]。

使用方式

# 查询国内院校专业组投档线
$gaokao-data-service query --domain gaokao --province 广东 --year 2024 --rank 15000 --subject "物理+化学+生物" --curriculum "3+1+2物理"

# 查询中外合办项目
$gaokao-data-service query --domain sino-foreign --province 广东 --budget D

# 查询留学信息
$gaokao-data-service query --domain overseas --country 英国 --budget E

# 数据校验
$gaokao-data-service validate --domain all

# 增量更新
$gaokao-data-service update --domain gaokao --province 广东

数据域

1. 国内院校投档线 (domain: gaokao)

数据表	内容	粒度
college_info	2911所高校基本信息	学校级
schoolscore	学校投档线	学校+省份+年份+批次级
majorscore	专业分数线	专业+省份+年份级
major_group_score	专业组投档线（新增核心表）	专业组+省份+年份级
college_plan	招生计划	专业+省份+年份级
one_division_table	一分一段表（预留/安全降级）	分数+累计位次级

2. 中外合办 (domain: sino-foreign)

数据表	内容
sino_foreign_program	中外合办机构/项目清单+投档线

3. 高考后留学 (domain: overseas)

数据表	内容
overseas_university	海外院校录取要求+排名
study_abroad_path	留学路径方案

数据来源优先级

按 [[data-source-priority]] 执行：

1. 省教育考试院投档线PDF → 2. 百度高考API → 3. 阳光高考网 → 4. 第三方Excel汇总 → 5. 标注"待确认"

查询接口规范

国内院校查询

# 按省份+年份+位次范围查询专业组
query_major_groups(
    province="广东",
    year=2024,
    rank_range=(12500, 17500),  # 位次区间
    subject_combination="物理+化学+生物",  # 选科过滤
    curriculum="3+1+2物理",
    tiers=["985", "211", "双一流"],  # 院校层次过滤
    batch="本科批"
)

返回格式：

[
  {
    "legalName": "华南理工大学",
    "tier": "985/211/双一流",
    "majorGroup": "202",
    "groupName": "理工类(物理+化学)",
    "subjectRequirement": "物理+化学",
    "minScore": 628,
    "minScoreOrder": 14200,
    "year": 2024,
    "majorCount": 15,
    "planEnrollNum": 120,
    "prevYearPlanNum": 100,
    "planChangePercent": 20.0,
    "rank_ratio": 0.95,
    "rank_band": "冲",
    "rank_band_reason": "专业组参考位次约为考生位次的 0.95 倍",
    "source": "baidu_api",
    "confidence": "medium",
    "notes": "招生计划待确认 [无来源]",
    "score_2023": {"minScore": 625, "minScoreOrder": 13800},
    "score_2022": {"minScore": 620, "minScoreOrder": 14500}
  }
]

选科要求为空时保留记录，但输出写 选科要求待确认 [无来源]。招生计划无法稳定匹配时，不强写计划数，在 notes 中追加 招生计划待确认 [无来源]。一分一段表缺失时，query_rank_density(province, year, curriculum, rank) 返回缺失状态，并提示 一分一段表缺失，排位密度待确认 [无来源]。

中外合办查询

query_sino_foreign(
    province="广东",
    plan_type="plan_nei",  # 计划内/计划外
    budget_range=(10, 25),  # 万/年
    subject_combination="物理+化学"
)

留学查询

query_overseas(
    budget_range=(15, 30),
    country_filter=["英国", "澳大利亚", "香港"],
    gaokao_score_tier="一本线以上",
    language_level="雅思6.0"
)

CLI 工具

# 爬取数据
python gaokao-data-service/crawler/baidu_api.py --provinces 广东 --years 2024 2023 2022
python gaokao-data-service/crawler/baidu_api.py --provinces 广东 --years 2024 --max-colleges 5 --skip-plans
python gaokao-data-service/crawler/baidu_api.py --provinces 广东 --years 2024 2023 --plans-only
python crawler/crs_crawler.py                   # 爬取中外合办名单
python crawler/qs_scraper.py                    # 爬取QS排名

# 查询数据
python gaokao-data-service/main.py query --domain gaokao --province 广东 --year 2024 --rank 15000 --subject "物理+化学+生物" --curriculum "3+1+2物理"
python gaokao-data-service/main.py query --domain sino-foreign --province 广东
python gaokao-data-service/main.py query --domain overseas --country 英国

# 校验数据
python gaokao-data-service/main.py validate --province 广东

# 增量更新
python gaokao-data-service/main.py query --domain quality

环境依赖

python >= 3.9
requests
beautifulsoup4
pdfplumber  # PDF解析（可选）

参考

• [[data-source-priority]] — 数据来源优先级
• [[chong-wen-bao-rules]] — 冲稳保规则
• [[admission-tier-system]] — 院校层次体系