Menu
高考志愿规划——考生画像解析。支持 JSON 和 Markdown 采集表两种输入模式，自动完成字段提取、校验和画像摘要生成。
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.
Based on SOC occupation classification
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
高考志愿规划——院校专业组匹配。根据画像数据执行排位密度判断、三年投档线查询和冲稳保专业组推荐。
高考志愿规划——方案风险审查。逐项执行风险检查清单，生成决策对比矩阵和行动清单。
高考志愿规划——中外合作办学推荐。分计划内统招和计划外自主招生两条线，匹配排位+预算+英语。
高考志愿规划编排入口——依次调用6个子Skill完成从画像解析到报告生成的全流程
高考志愿规划——留学推荐与曲线路径。根据预算和英语水平推荐海外院校层级和"国内本→海外硕"路径。
| name | gaokao-profile |
| description | 高考志愿规划——考生画像解析。支持 JSON 和 Markdown 采集表两种输入模式，自动完成字段提取、校验和画像摘要生成。 |
| triggers | ["/gaokao-profile"] |
接收考生的画像文件（JSON 或 Markdown 采集表），自动完成字段提取、选项映射、JSON 组装和校验，最终输出结构化画像摘要。
/gaokao-profile <文件路径>
文件扩展名自动检测：
.json → JSON 模式（Phase 1-JSON）.md → 采集表模式（Phase 1-MD）从《考生画像采集表》Markdown 文件自动提取所有字段。
通用提取规则：
[x]、✓、☑、加粗标记、勾选符号）各板块提取细节：
| 板块 | 字段 | 提取方法 |
|---|---|---|
| A1 | province, year, category, primary_subject, secondary_subjects, score, rank, rank_range | 读取表格；"未出分"→score=null, rank=null |
| A2 | 6门科目 score + level + note | 读取表格；分数旁补充说明→note字段 |
| A3 | read_original, daily_conversation, ielts_toefl, exam_vs_real | 读取表格；需解析内嵌文本 |
| A4 | range_key, range_text | 识别唯一勾选项，映射见Step 2 |
| A5 | must_stay_province, prefer_tier1, ok_new_tier1, no_preference, other, excluded_regions | 可多选，每个选项独立boolean |
| B1 | enjoy[] | 逐行提取，至少3项 |
| B2 | procrastinate[] | 逐行提取，至少2项 |
| B3 | ideal_workday | 提取整行文本 |
| B4 | work_style, work_style_ratio | 必须使用Step 2映射表转换 |
| C1 | interested, interested_detail | 提取选中项和内嵌文本 |
| C2 | excluded, excluded_reason | "没有绝对排除的"→"无" |
| C3 | hot_vs_cold, hot_vs_cold_note | 必须使用Step 2映射表转换 |
| D1 | accept_english, mode_preference, plan_dual_degree_master, note | 必须使用Step 2映射表转换 |
| D2 | country_preference, know_foundation | 多重选择合并为描述字符串 |
| D3 | curved_path | 必须使用Step 2映射表转换 |
| E1 | unacceptable[], unacceptable_other | 勾选项转为数组 |
| E2 | parents_attitude, parents_attitude_detail | 必须使用Step 2映射表转换 |
B4 work_style 映射：
| 采集表选项 | Schema枚举值 |
|---|---|
| 主要和人打交道 | "偏人" |
| 主要和物/数据/系统打交道 | "偏物/数据/系统" |
| 混合型，但偏人 | "混合偏人" |
| 混合型，但偏物/数据 | "混合偏物" |
| 不确定 | "不确定" |
C3 hot_vs_cold 映射：
| 采集表选项 | Schema枚举值 |
|---|---|
| 选热门，就业有保障 | "追热门" |
| 热门太卷了，想找竞争小一点的 | "想差异化" |
| 无所谓冷热，适合自己就行 | "适合就行" |
| 想找现在不算热门但未来可能起来的方向 | "想差异化" |
| 就业很差的冷门不考虑，热门也要看实际情况 | "冷热看实际" |
| 其他想法 | "其他"（内嵌文本→hot_vs_cold_note） |
D1 plan_dual_degree_master 映射：
| 采集表选项 | Schema枚举值 |
|---|---|
| 是，有此计划 | "是" |
| 可能，看情况 | "可能" |
| 没有这个打算 | "否" |
D3 curved_path 映射：
| 采集表选项 | Schema枚举值 |
|---|---|
| 考虑，本科阶段先在国内，硕士再出国 | "考虑" |
| 不考虑，想本科就出去或不出 | "不考虑" |
| 没想过，需要更多信息 | "没想过需要更多信息" |
E2 parents_attitude 映射：
| 采集表选项 | Schema枚举值 |
|---|---|
| 完全尊重我的选择 | "完全尊重" |
| 有倾向但最终还是让我做主 | "有倾向但让我做主" |
| 有明确要求 | "有明确要求" |
按 画像JSON Schema.json 结构组装完整的 JSON 对象。
自动填充规则：
budget.range_text：从 range_key 自动推导（A→"<15万", B→"15-25万", C→"25-45万", D→"45-80万", E→">80万"）academic.primary_subject_score.name = basic.primary_subjectacademic.secondary1.name / secondary2.name = basic.secondary_subjects[0] / [1]""secondary_subjects 必须恰好2个元素range_key 必须在 ["A","B","C","D","E"] 中work_style 必须在 ["偏人","偏物/数据/系统","混合偏人","混合偏物","不确定"] 中hot_vs_cold 必须在 ["追热门","想差异化","适合就行","冷热看实际","其他"] 中interested 不能为空字符串（用"不了解"替代）excluded 不能为空字符串（用"无"替代）curved_path 必须在 ["考虑","不考虑","没想过需要更多信息"] 中parents_attitude 必须在 ["完全尊重","有倾向但让我做主","有明确要求"] 中逻辑一致性检查（不通过→警告，不终止）：
缺失字段降级策略：
| 缺失项 | 严重程度 | 处理方式 |
|---|---|---|
| 省份、选科类别、再选科目 | 🛑 致命 | 终止 |
| 排位+分数均缺失且无预估区间 | 🛑 致命 | 终止 |
| 排位/分数缺失一项，有预估区间 | ⚠️ 严重 | 继续，标注"预估值" |
| enjoy少于3项 | ⚠️ 警告 | 继续，标注"兴趣画像数据不完整" |
| 预算区间未选 | ⚠️ 警告 | 默认C，标注"推断值" |
| city_preference全空 | ℹ️ 信息 | 全部默认false，标注"未填写" |
1. 学术画像
2. 兴趣画像（深度分析）
3. 路径可行性表（引用 [[budget-path-mapping]]）
| 路径 | 预算覆盖 | 英语匹配 | 综合判断 |
|---|---|---|---|
| 国内公办本科 | ✅/⚠️/❌ | — | 主力/可选/不推荐 |
| 中外合办4+0 | ✅/⚠️/❌ | ✅/⚠️/❌ | 推荐/可选/不适用 |
| 中外合办3+1/2+2 | ✅/⚠️/❌ | ✅/⚠️/❌ | 推荐/可选/不适用 |
| 本科留学 | ✅/⚠️/❌ | ✅/⚠️/❌ | 推荐/可选/不适用 |
| 国内本→海外硕 | ✅/⚠️/❌ | ✅/⚠️/❌ | 推荐/可选/不适用 |
4. 关键矛盾点