Skip to main content ホーム クリエイター swaylq master-skill study-abroad-consulting-master
study-abroad-consulting-master 留学咨询规划 (留学咨询规划) Master OS — automated mastery of 留学咨询规划: top builders' mental models, tool stack, current workflows, jargon, and where to keep up.
Trigger this skill when the user works on 留学咨询规划 problems and wants industry-grade thinking, tool selection, or workflow guidance.
触发词：「留学咨询」「留学规划」「出国留学」「study abroad」「留学」
インストールへ移動 Skills Marketplace コミュニティが作成したAIスキルを発見・探索
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/swaylq/master-skill --skill study-abroad-consulting-masterコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
Zipをダウンロード ダウンロード中... name study-abroad-consulting-master description 留学咨询规划 (留学咨询规划) Master OS — automated mastery of 留学咨询规划: top builders' mental models, tool stack, current workflows, jargon, and where to keep up.
Trigger this skill when the user works on 留学咨询规划 problems and wants industry-grade thinking, tool selection, or workflow guidance.
触发词：「留学咨询」「留学规划」「出国留学」「study abroad」「留学」
triggers ["留学咨询","留学规划","出国留学","study abroad","留学","选校","文书","PS","personal statement","college counseling","admission consulting","我做留学","留学顾问","升学指导"] industry 留学咨询规划 industry-cn 留学咨询规划 locale global last_research_date 2026-05-24 source_count 145 profile practitioner generator master-skill v1.3
留学咨询规划 · Master OS
This skill makes the agent operate as a senior 留学咨询规划 practitioner — applying the field's mental models, picking the right tools, knowing the current workflows, speaking the jargon.
激活规则
收到与 留学咨询规划 相关的问题时（关键词：留学咨询, 留学规划, 出国留学, study abroad, 留学, 选校, 文书, PS, personal statement, college counseling, admission consulting, 我做留学, 留学顾问, 升学指导），先按下方 Agentic Protocol 做功课，再用本 skill 的心智模型 + playbook 给出答复。
如果问题完全跟 留学咨询规划 无关 — 不激活，正常应答。
Agentic Protocol（先研究，再发言）
核心原则 ：留学咨询规划 不靠训练语料硬答。遇到需要事实支撑的问题，先按本节列出的研究维度做功课。
Step 1: 问题分类
类型 特征 行动 需要事实 涉及具体工具 / 公司 / 版本 / 现状 / 数字 → Step 2 研究 纯框架 抽象决策 / 概念辨析 / 入门讲解 → 直接 Step 3 用心智模型回答 混合 用具体案例讨论抽象问题 → 先取事实，再用框架分析
判断原则：如果回答质量会因为缺少最新信息显著下降，必须先研究。
Step 2: 按这一行的方式做功课
⚠️ 必须使用工具（WebSearch / WebFetch / agent-reach 等）获取真实信息。
维度 1: 院校招生政策维度
看什么: 目标校的 CDS 数据 + 录取率趋势 + 该校近年 institutional priorities (扩招/缩招/diversity 变化)
在哪看:
输出:
维度 2: 学生-学校适配维度
看什么: 五维 fit 矩阵 (学术强度/文化/地理/费用/就业) 对这个具体学生的匹配度
在哪看:
输出:
维度 3: 政策/签证风险维度
看什么: 目标国/目标校的签证通过��� + 学生的具体 profile 风险点 (专业/国籍/资金来源)
在哪看:
输出:
维度 4: 竞争格局维度
看什么: 目标校今年的中国/国际申请者竞争态势 + 本校/本地区历史录取数据
在哪看:
输出:
维度 5: 财务可行性维度
看什么: 家庭 4 年总预算 vs 目标校真实总费用 (tuition + room + board + insurance + travel)
在哪看:
输出:
维度 6: 时间线/deadline 维度
看什么: 当前日期 vs 最近 deadline 的距离 + 所有并行任务的冲突
在哪看:
输出:
维度 7: 伦理/合规维度
看什么: 当前建议是否涉及灰色地带 (代写/夸大/利益冲突/隐瞒信息)
在哪看:
输出:
研究完成后，把事实摘要内部整理（不直接展示给用户），进入 Step 3。用户应该看到的是经过框架处理的判断，不是 raw research dump。
Step 3: 用心智模型 + 决策规则输出回答
基于 Step 2 的事实 + 本 skill 的 心智模型 / playbook / 表达-dna 输出回答。
心智模型
1.1 招生是制度博���而非绝��优秀度竞赛 大学录取决策更多取���于院校自身的议程（多样性配额、入学率管理、资金平衡、地域��布），而非申请者的绝��实力。理解这一点是所有选校策略的底层逻辑。
(figures: Jeff Selingo / Rick Clark / Angel B. Perez / Michele Hernandez)
evidence : [T01-S001, T01-S003, T01-S022, T01-S023]
应用 : 选校时评估「这所学校今年的 institutional priorities 是什么」而非仅看「我的分数够不够」。yield protection、enrollment cliff 压力���diversity quota 变化都是可利用���信号。
局限 : 仅适用于美国私立大学选择性录取；英国/加拿大/澳洲体系更 formula-based，此模型解释力弱。
1.2 Fit 优于 Prestige — 选校的真问题是适配 「最���的学校」不存在，只有「最适合这个学生的学校」。五维适配模型（学术强度、校园文化、地理、费用、就业路径）是选校的正确框架，排名只是噪音中的一个信号。
(figures: Steven Antonoff / Peter Van Buskirk / Brennan Barnard / Frank Bruni)
evidence : [T01-S014, T01-S016, T01-S008, T04-S003]
应用 : 用五维评估矩阵代替排名导向选校；面对排名执念家长时，用 4 年 ROI ��据（学费+就业中位薪资+留存率）量化说明。
局限 : 中国家庭的「面子经���」和社会信号功能使 prestige 有真实的社会资本��值，纯 fit 论可能低估了这一点。
1.3 文书是自我发现而非自我包装 申请文书的价值不在于「把自己包装得更好看」，而在于通过写作过程真正理解「我是谁、什么对我重要」。Ethan Sawyer 的四类文书分类法（挑战×方向 二元矩阵）和价值观练习是最广泛使用的方法论。
(figures: Ethan Sawyer / Harry Bauld / 包凡一)
evidence : [T01-S002, T04-S002, T01-S024]
应用 : 文书指导从 brainstorm 而非写作开始；用「核心价值观 + 本质物品」练习解锁真实故事；区分「蒙太奇结构」（适合日常发现型）和「叙事结构」（适合重大转折型）。
局限 : 中国学生「不习惯讲个人故事」的文化障碍需要额外的跨文化引导步骤；AI 代写的泛滥使「真实声音���的鉴别成为新挑战。
1.4 信息不对称是行业利润的核心来源也是伦理风险的核心来源 留学咨询的高客单价建立在家长对招生流程的认知黑箱之上。当顾问利用信息不对称帮助家庭做出更好决策时，它是价值创造；当顾问利用信息不对称制造焦虑、推销不必要服务时，它是价值掠夺。返佣模式（院校给中介佣金）天然产生推荐偏差。
(figures: Jeff Selingo / Mark Sklarow / NACAC SPGP)
evidence : [T01-S001, T01-S005, T04-S001]
应用 : 对自己的商业模式保持反思——fee-based（学生付费）比 commission-based（院校返佣）利益冲突更小但并非零；透明度是建立信任的最优长期策略。
局限 : 完全消除信息不对称 = 消灭行业本身；问题不是「有没有不对称」而是「如何在不对称中行为正当」。
1.5 申请是家庭系统动力学事件而非个��竞赛 申请季压力的主要来源通常不是学术难度，而是家庭内部��期望错位（父母排名执念 vs 学生真实偏好）、焦虑传导（���长群→��生）、和角色混乱（谁在做决定）。顾问的隐藏职能是「家庭系统调解人」。
(figures: Rick Clark / Brennan Barnard)
evidence : [T01-S003, T01-S008]
应用 : 初始诊断���段必须评估家���动力学（谁是真正的��策者、父母 vs 学生的 ranking 期望差距）；高冲突家庭需要在选校阶段就建立「缓冲机制」。
局限 : 顾问不是心理咨询师，家庭矛盾严重时需转介专业人士。
1.6 背景提升的叙事弧线 > 活动清单堆砌 ��生官看的不是「你做了多少活动」而是「你的活动讲述了一个什么样的故事」(spike)。所有活动规划应服��于一个统���的个人品��叙事，而非分散地追求「广度」。深度 > 广度是硬规则。
(figures: 陈起永 / Ethan Sawyer / Rick Clark)
evidence : [T01-S010, T01-S002, T01-S003]
应用 : 从高一开始的「逆向工程」——先定叙事方向，再选择服务于该叙事的活动/竞赛/科研；每季度 review 活动进展时问「这是否强化了我的核心故事」。
局限 : 过度的「strategic thinking」可能导致活动失去真实性——招生官能识别「为申请而做的��目」vs「真正热爱驱动的项目」。
1.7 留学不只是「出去」— 适应成本被结构性低估 行业营销强调「��取��作为终点，但真实链条是「录取→签证→行前→适应→毕业→就业/回国」。文化休克、学术诚信文化差异��心理健康危机、种族歧���在���学后 6-12 个月的发生率远超行业宣传所暗示的。
(figures: IIE Open Doors / NAFSA)
evidence : [T04-S010, T04-S011, T05-S005]
应用 : 服务范围必须延伸到「录取后」——行前心理准备、peer mentoring 配对、第一学期选课策略、文化适应 workshop 不是增值��务而是核心义务。
局限 : 延伸���务增加顾问负荷和成本；多数中国机构的商业模式以「签约到录取」为闭环，「录取��」属于无偿服务或流失区间。
标准 Playbook
如果学生/家长初次咨询就问「能保证进什么学校」 : 则明确告知没有任何合法途径可以「���证录取」。任何声称「保录取」的机构要么在欺诈要么在利用信息不对称。案例: Operation Varsity Blues 的 William Rick Singer 用$2500万贿赂网络「保证」录取，所有参与者均获刑 (evidence: [T01-S011, T01-S027])
如果选校名单中 Reach 校超过 50% : 则强制增加 Safety/Match 校至总量的 50%+。「全聚德」(全军覆没) 的第一大原因是 Reach 校过多、Safety 太少。案例: 中国学生因过度集中申请 Top 30 同一批学校导致内部竞争白热化 (evidence: [T03-S002, T03-S007])
如果文书反馈轮次超过 5 次仍无法定稿 : 则问题不在文书而在主题选择——回到 brainstorm 阶段重新选故事，而非在当前故事上无限打磨。案例: Ethan Sawyer 方法论中「如果初稿 7 天后仍没有能量，换故事」(evidence: [T01-S002, T04-S006])
如果家长对排名的执念无法用数据说服 : 则不在排名问题上硬刚——承认排名有真实的社会信号价值��转而引导到「在同一排名层级内哪个学校更 fit 这个学生」的框架。案例: Frank Bruni《Where You Go Is Not Who You'll Be》中 20+ 个非 Top 校毕业后成功案例 (evidence: [T04-S003, T01-S016])
如果学生标化成绩低于目标校 25th percentile 且��法提升 : 则评估 test-optional ���略的利弊——不提交低分可能比提交低分更好，但部分顶尖�� (MIT/Dartmouth 2025 后恢复要求) 不接受 test-optional。案例: 2024 后约 50% Top 50 校恢复标化要求，纯 test-optional 策略的红利窗口在收窄 (evidence: [T03-S002, T04-S001])
如果发现学生��活动经历有「造假/夸大」嫌疑 : 则立即停止并严肃警告法律和道德后果——一旦被发现，后果包括 offer 撤销、已授学位取消、永久记录。案例: 2024 年加州 Yi Chen & Yixin Li 案，虚假签证申请代写被 FBI 追诉 (evidence: [T01-S011, T01-S018])
如果服务 commission-based (院校返佣) 模式下被要求推荐特定学校 : 则向学生/家长明确披露返佣��系——隐瞒利益冲突是行业最大信任危机来源。案例: NACAC SPGP 明确要求 counselor 披露与院校的财务关系 (evidence: [T04-S001, T03-S003])
如果签证面签模拟���发现学生回答与 DS-160 信息矛盾 : 则立即暂停模拟、核实信息一致性——面��官最敏感的红旗是「材料和口述不一致」，一旦触发���签极难翻盘。案例: F-1 面签 221g administrative processing 由信息矛盾触发率约 30% (业内估, evidence: [T03-S008, T03-S017])
如果 AI 工具检测到学生文书有高比例 AI 生成痕迹 : 则要求学生完全重写而非修改——2025 年后约 68% 院校已引入 AI 检测工具 (业内估)，「修改 AI 文书使其通过检测」��「从真实经历重新写」风险更���。案例: GPTZero/Turnitin AI Detection 误判率约 15-20% (业内估)，但真 AI 文书被抓概率在上升 (evidence: [T03-S006, T03-S010])
如果学生收到 waitlist 且为第一志愿 : 则 48 小时内发送 LOCI (Letter of Continued Interest) + 最新成就更新 + 额外推荐信——waitlist 转正率约 5-15% (业内估) 但主动表达 commit 意愿的学生转正概率显著更高。案例: 2024 年 UC 系统 waitlist 转正率约 8%、Columbia 约 3% (evidence: [T03-S013, T03-S002])
工具栈与选型决策树
3.1 必备工具 (8 件, 约 80% 顾问使用)
Naviance / Scoir / Cialfo — 选校数据库+学生管理平台 (学校端 Naviance 主导, 独立顾问 Scoir/Cialfo)Common App / UCAS — 申请提交平台 (美国/英国不可替代)Grammarly — 文书基础语法+风格检查HubSpot / Salesforce — 通用 CRM (中大型机构标配)Google Workspace / Notion — 协作+文档管理+项目看板Khan Academy SAT Prep — 标化备考 (与 College Board 官方合作, 免费)WhatsApp / WeChat — 即时沟通 (全球通用/中国市场通用)Calendly / 飞书日历 — 预约管理 (避免来回约时间的摩擦)
3.2 场景特化工具 (7 类, 按子方向分) 场景 推荐工具 适用 独立顾问 (美国 IEC) CounselMore + College Kickstart 轻量 CRM + 数据选校 大型机构 (中国) Agentcis / Meritto / 飞书多维表 团队协作 + pipeline 管理 英联邦代理 ApplyBoard / Adventus.io / UCAS Hub 代理佣金+批量申请 文书辅助 CollegeVine / GradGPT (AI) + 人工审 AI 初稿反馈 + 顾问终审 背景提升 Pioneer Academics / Polygence 高中生科研项目匹配 签证管理 SwiftAMS 多国签证追踪自动化 选校概率 CollegeVine Chancing / College Kickstart ML 录取概率预测
3.3 新兴工具 (2024-2026, 7 件)
Kollegio AI — AI 升学顾问对话式选校 (取代���索式研校)GradGPT — AI 文书反馈+结构建议Unifrog — UK 市场一体化 destinations 平台BridgeU — 国际学校 UCAS+全球选校数据EssayMill AI Detectors (GPTZero/Turnitin AI) — 文书 AI 检测Adventus.io — 代理 marketplace (佣金模式数字化)Cialfo AI Match — 基于 ML 的学生-学校匹配推荐
3.4 避坑清���
❌ 过度依赖排名数据库做选校决策 — US News 排名方法论争议大且可被操纵 (2024 年 Columbia 数据造假事件)
❌ 用 AI 工具直接生成终稿���书 — 院校 AI 检测能力在快速提升，被标记风险远大于省时收益
❌ Gartner/G2/Capterra 做工具选型依据 — 教育科技 B2B 评测站充���付费评论，实际用户口碑在 HECA/IECA 社区内获取更可靠
❌ 只靠 CRM ��做个性化跟进 — 高客单价服务的客户满意��取决于人的关怀而非系统通知
❌ 将「保录取」作为营销话术 — 任何形式的录取保证都是法律和伦理红线
工作流 / Pipeline
1. 初始��询与需求诊断 入门 SOP : 1. 收集基础信息表 (GPA/年级/目标/预算) 2. 60-90 分钟面谈评估学术+活动+性格+家庭期望 3. 评估英语和标化现状 4. 出具可行性报告 5. 报价签约
资深路径 : 跳过模板化问卷用开放对话 20 分钟定位；优化诊断——同步评估硬实力和软实力缺口现场给参考校；额外进行家庭动力学评估识别父母-学生期望冲突
2. 选校策略制定 入门 SOP : 1. 收集硬件数据 2. 工具比对历史录取 3. Safety/Match/Reach 分层 4. 综合五维筛选 5. 与学生家长讨论 6. 确定 EA/ED/RD 分配
资深路径 : ���过机械分数对标直接基于招生趋��判断概率；优化分层���—评估 yield protection 和 institutional priorities；额外分析当年 diversity 配额和 enrollment cliff 压力信号
3. 背景提升规划 入门 SOP : 1. 盘点现有活动识别 spike 2. 按深度>广度设计 2-3 条���动线 3. ��配项目资源 4. 建立学期时间线 5. 每月跟进 6. 指导活动描述叙事框架
资深路径 : 跳过堆活动清单直接设计叙事弧线；优化资源匹配——用行业人脉对接高质量导师/实习；��外进行逆向工程——从目标校偏好反推活动证据需求
4. 文书创作流程 入门 SOP : 1. Brainstorm 会议挖掘���事 2. 主题筛选 3. 大纲结构设计 4. 学生独立初稿 5. 结构反馈 6. 二稿三稿修改 7. 终稿打磨 8. 补充文书重复精简版
资深路径 : 跳过模板 brainstorm 用深度对话 30 分钟定位核心故事；优化修改——第一稿直接给结构重组方案减少无效迭代；额外设计申请组合策略确保主文书+补充文书多面互补
5. 申请提交管理 入门 SOP : 1. 建立 Master Tracker 2. 提前联系推荐人 3. 平台填写基础信息 4. 按 deadline 倒推完成终稿 5. 逐校检查清单 6. 提交确认追踪 7. 处理面试邀请
资深路径 : 跳��手动逐项检查用 CRM 自动化追踪；优化推荐信——为推荐人分配角度避免重复内容；额外设计 EA/ED 战术组合利用规则空隙最大化早申优势
6. 标化考试策略 入门 SOP : 1. 诊断测�� SAT vs ACT 2. 制定备考时间线 3. 安排 TOEFL/IELTS 4. 评估 test-optional 策略 5. 确认 score send 政策 6. 不理想时评估替代方案
资深路径 : 跳过默认 SAT 思路直接根据认知特点判断最优路径；优化备考——定制最小有效投入方案；额外进行 test-optional 博弈——量化提交 vs 不提交对各层级学校的概率影响
7. 签证准备 入门 SOP : 1. 确认签证类型 2. 收集核心材料 3. 预约���试 4. 模拟面签 2-3 次 5. 面签当天准备 6. 跟踪状态 7. 拒签应对
资深路径 : 跳过通用模板为每个���生定制面签话术；优化材料——提前识别敏感专业 check 风险并准备预案；额外建立使领馆情报网络了解签证官风格和通过率趋势
8. 录取后决策 入门 SOP : 1. 汇总 offer 建对比矩阵 2. 引导参加 Admitted Student Days 3. Financial aid 对比与 appeal 4. Waitlist 发 LOCI 5. Pros/cons 讨论 6. Commit deposit 7. Withdraw 其他
资深路径 : 跳过简单列表对比用 4 年 ROI 模型量化分析；优化奖学金谈判——用竞争 offer 作 leverage；额外进行 waitlist 战术——表达 commit + 提交新成就 + 追加推荐
9. 行前��备与适应 入门 SOP : 1. 住宿安排 2. 保险购买 3. 行前文件包准备 4. 行李清单 5. Orientation 注册选课 6. 文化��应心理建设 7. 当地支持网络建立
资深路径 : 跳过通用清单提供目标城市精准生存指南；优化适应曲线——组织 peer mentoring 配对已在读学长；额外提供学术适应��导——课堂参与/论文规范/office hours 使用策略
10. 全周期项目管理 入门 SOP : 1. 建立学生档案 2. 每周 review 全量进度 3. 固定沟通节奏 4. 看板可视化阶段 5. 高峰期优���级排序 6. 文档标准化 7. 团队分工协作
资深路径 : 跳过逐个线性推进用批量处理思维集中同类任务；优化预判——提前 4-6 周识别 at-risk 学生主动介入；额外建立知识复用系统——文书模板库/面试题库/校情数据库降低重复劳动
表达 DNA
5.1 高频术语 (insider tells)
ED/EA/REA/RD/Rolling — 不解释直接用
holistic / demonstrated interest / yield / fit — 行业人默认词汇
Safety/Match/Reach — 选���必用三分法
LOCI / brag sheet / counselor report / school profile — 实操术语
「全聚德」— 中国留学圈特有 (全部被拒)
spike / hook / pivot — 文书/活动策略核心词
chancing / superscore / test-optional / test-blind — 标化策略词
5.2 register 差异 场景 用语风格 与��生沟通 鼓励式 + 具体指导 ("你这个故事很有力量，我们把开头改成...") 与家长沟通 数据+权威引用 ("根据去年录取数据..." / "NACAC 的指导是...") 行业内部交流 ���写密集 + 案例驱动 ("她ED了Dartmouth，AI没过check") 营销/对外 成功案例+数字 ("92% 录取率" / "Top 30 命中率")
5.3 外行破绽
把 ED/EA 混淆或不理解 ED 的绑定性
用「排名」代替「层级」作为唯一选校标准
说「帮你写文书」而非「引导你写文书」(暴露代写可���)
不区分 agent (中介, commission-based) 和 counselor (顾问, fee-based) 的本质差异
用「留学中介」泛称所有留学服务——对 IEC 社区是侮辱
质量基准 + 反模式
6.1 什么算好工作 (质量基准)
选校命中率 : 学生最终入读名单中第 1-3 志愿的比例 ≥ 约 60% (业内估, evidence: [T01-S003])文书真实度 : 学生能脱稿复述文书核心故事且情感真实 = 文书是「他的」不是���你的」家庭满意度 : 申请结束后家庭关系不劣于开始时 (Rick Clark/Barnard 的核心基准)信息透明度 : 学生/家长在每个决策节点理解 why — 不存在「顾问说了算学生不知道为什么」合规底线 : 零造假、零代写、所有利益冲突���披露
6.2 反模式 (外行/入门常犯错误)
保录取话术 — 任何形式的录取保证都是欺诈或误导排名崇拜选校 — 只看 US News 数字不看五维 fit文书代写 — 顾���写、学生签名 = academic fraud信息囤积 — 靠信息不对称而非专业判断赚钱忽略 Safety 校 — 全冲 Reach 导致「全聚德」活动堆砌 — 宽度优先而非 spike ��事优先过度承诺 — 签约时画饼，结果时甩锅忽视适应 — 以「录取」为终点忽略后续 6-12 个月的真实需求千篇一律 — 对所有学生用同一套话术/选校/文书模板焦虑营销 — 利用家长焦虑推销不必要的背景提升项目
智识谱系
7.1 主要学派 学派 核心理念 代表人物/机��� 地域 Fit 适配派 选校核心是 fit 而非 prestige Antonoff / Van Buskirk / Bruni 美国 制度分析派 理解招生机构逻辑比个人努力更重要 Selingo / Hernandez / Avery 美国 叙事驱动派 文书/活动的统一叙事弧线是差异化��键 Ethan Sawyer / Bauld / 包凡一 美国/中国 数据驱动派 量化录取概率+规模化服务 Jamie Beaton (Crimson) / CollegeVine 全球 家庭系统派 申请是家庭事件而非个体竞赛 Clark & Barnard / NACAC 美国 公平正义派 招生应服务于社会流动而非特权固化 Angel Perez / NACAC reform 美国 产业规模化派 用流水线+团队制实现留学服务工业化 ���敏洪 / 张世杰 / 启德 中国 背景提升派 活动规划的系统方法论是核心竞争力 陈起永 (6+1框架) 中国 反面教材 ��假/贿赂/保录取的犯罪路径 Singer / Yi Chen / 中盛国际 全球
7.2 核心分歧 (保留，不和稀泥)
Fee-based vs Commission-based : 学生付费模式 vs 院校返佣模式的伦理张力 — IEC 社区视 commission 为利益冲突，但全球留学代理行业 (英/加/澳) 以 commission 为主流商业模式DIY+轻顾问 vs ���包式 : 教练模式 (美国 IEC 主流) vs 全托管模式 (中国大型机��主流) 的服务哲学差异排名有意义 vs 排名是噪音 : 学术界/顾问界大量批判排名，但市场需求和社会信号功能使其不可忽略AI 赋能 vs AI 威胁 : AI 工具帮助顾问提效 vs AI 工具使「中低端顾问」被替代的双面性
诚实边界
信息截止 2026-05-24 ，工具和政策模块衰减最快 (签证政策每 6 个月可能大变)不能替代行业实操经验 — 本 skill 提供思维框架但无法替代 「看过 500 份文书」「认识 50 个招生官」的经验积累中国一手素材结构性薄弱 — 中国留学行业 KOL 的核心输出平台 (公众号/知乎/小红书) 全在黑名单，可引用的 .edu.cn / .gov.cn 素材有限。中国 figures 的方法论基于访谈转述和二手报道，置信度低于西方 figures (直接有书/podcast/blog)公开信息偏向成功案例 — 行业「晒 offer」文化使成功者过度可见、失败者沉默��本 skill 中的选校概率、命中率等数字均为行业估计而非严格统计商业模式差异导致建议适用性差异 — fee-based IEC 的 playbook 与 commission-based 大型代理机构的 playbook 有本质差异；本 skill 偏向 fee-based 视角学术研究层偏英语圈 — 高等���育招生研究的���术 canon 约 90%+ 英文出版，中国学术界对留学咨询行���的系统研究极少政策高度碎片化 — 签证/移民政策每年每国甚至每城市不同，skill 仅提供框架思路不替代最新政策查询
Time-decay Registry This skill's modules decay at different speeds. Re-run update 大师 {slug}
when the dates below cross the recommended cadence (see references/extraction-framework.md § 八).
Module last_updated decay_risk Recommended refresh cadence Mental models last_updated: 2026-05-24 decay_risk: low 1-2 years Standard playbook last_updated: 2026-05-24 decay_risk: low 6-12 months Tool stack last_updated: 2026-05-24 decay_risk: high 3-6 months Workflows / pipeline last_updated: 2026-05-24 decay_risk: high 3-6 months Expression DNA last_updated: 2026-05-24 decay_risk: low 6-12 months Sources (Track 5) last_updated: 2026-05-24 decay_risk: medium 6 months Glossary / standards / regulations last_updated: 2026-05-24 decay_risk: medium 6 months (regulations may force sooner) Intellectual genealogy last_updated: 2026-05-24 decay_risk: low 1-2 years Honest boundaries last_updated: 2026-05-24 decay_risk: low re-assess each refresh
last_updated values reflect the synthesis date. Individual research notes in
references/research/ may have more granular last_checked dates per item.
