gaokao-profile

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"]

gaokao-profile：画像解析 Skill

功能说明

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。

使用方式

/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）

执行流程

Phase 1-JSON：JSON 模式

1. 读取画像 JSON 文件
2. 校验必填字段（引用 [[profile-schema]]）
3. 缺失则列出缺失项并终止
4. 生成画像摘要

Phase 1-MD：采集表模式

Step 1：解析提取

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：

• 表格字段：匹配表格行标题文本，提取对应单元格内容
• 复选框字段：识别选中状态（[x]、✓、☑、加粗标记、勾选符号）
• 自由文本字段：完整保留原文，不做改写
• 内嵌补充文本（如"有，具体是：____"）：同时提取选中状态和填入的文本

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

Step 2：字段映射（硬编码规则）

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"

Step 3：生成画像 JSON

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_subject
• academic.secondary1.name / secondary2.name = basic.secondary_subjects[0] / [1]
• 所有 note 类字段：从内嵌文本提取，无内容则填 ""

Step 4：校验 JSON

1. secondary_subjects 必须恰好2个元素
2. range_key 必须在 ["A","B","C","D","E"] 中
3. 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
4. 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
5. interested 不能为空字符串（用"不了解"替代）
6. excluded 不能为空字符串（用"无"替代）
7. curved_path 必须在 ["考虑","不考虑","没想过需要更多信息"] 中
8. 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）：

• category="物理类"但primary_subject!="物理" → 报错终止
• must_stay_province=true 且 prefer_tier1=true → 标注冲突
• range_key为A或B且country_preference包含英美澳加 → 标注不匹配
• accept_english="能接受"但read_original为"比较吃力"或"完全看不懂" → 标注语言差距

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"

Step 5：生成画像摘要

1. 学术画像

• 省份、排位（标注"实测"或"预估"）、选科可报范围（查 [[subject-coverage]]）
• 各科强弱排列
• 英语能力综述：阅读+对话+雅思/托福状态

2. 兴趣画像（深度分析）

• 【享受型活动】：enjoy数组原文 + 认知倾向解读
• 【拖延型活动】：procrastinate数组原文 + 回避解读
• 【理想工作日】：原文 + 职业场景推断
• 【工作方式偏好】：枚举值+比例+职业场景推断
• 【综合倾向】：Holland类型对照 + 推荐学科领域方向（2-3个）+ 与学业成绩的呼应

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

• 兴趣倾向 vs 排位现实
• 预算 vs 目标
• 城市偏好 vs 院校分布
• 兴趣方向 vs 选科限制
• 父母意愿 vs 考生意愿

输出

1. 结构化画像 JSON 对象（供后续 Skill 使用）
2. 画像摘要文本
3. 路径可行性表
4. 关键矛盾点列表

参考

• [[profile-schema]] — 画像Schema约束
• [[subject-coverage]] — 选科覆盖率
• [[budget-path-mapping]] — 预算-路径对照