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。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
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