← 返回 Skills 市场
hacksing

Gaokao Volunteer Research

作者 AIWareTop · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ 安全检测通过
35
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install gaokao-volunteer-research
功能描述
高考志愿研究助手。Use when the user asks about 高考志愿、大学志愿、志愿填报、选大学、选专业、冲稳保、院校专业组、位次择校、招生章程核验、一分一段、分数换位次、本科线、专科线、批次线、高考真题、院校专业信息、招生政策资料整理, or wants evidence-backed coll...
使用说明 (SKILL.md)

高考志愿研究

把高考志愿问题处理成可核验的研究包,而不是一句推荐。默认目标是帮助学生和家长基于官方资料、当年省份政策、招生章程、专业目录、一分一段、批次线、往年录取数据和限制条件做决策。

适用场景

  • 高考志愿、大学志愿、志愿填报、选大学、选专业。
  • 按省份、选科、分数、位次做候选院校/专业组研究。
  • 查证并整理高考真题、招生章程、院校/专业信息、政策文档等资料来源。
  • 核对一分一段、分数对应位次、地区批次线、本科线、专科线和批次规则。
  • 解释冲稳保垫、平行志愿、院校专业组、专业类+学校等填报概念。
  • 核验招生章程、专业限制、体检要求、语种/单科要求、学费和中外合作信息。

硬边界

  • 这是高风险教育决策任务;给具体候选前必须联网核验当年资料。
  • 缺少省份、年份、位次时,不得给具体候选矩阵;先要求补充信息或只输出研究清单。
  • 不承诺结果,不编造概率,不声称掌握未公开资料,不替用户提交官方系统。
  • 用户提供的商业榜单、截图、短视频观点、非官方表格只能作为线索,必须回到官方来源核验。
  • 真题整理优先保存来源、链接、年份、科目、卷别和下载入口;不要大段转载非官方或未授权题面/答案解析。
  • 如果无法联网,只能输出通用方法、待查清单和风险提示,不得产出具体候选结论。

必要输入

给出具体候选前,至少收集:

字段 要求
省份 必填,按考生报名/投档省份
年份 必填,使用当年政策和招生计划
科类/选科 必填,如物理类/历史类,或具体选科组合
分数 建议
位次 必填,候选筛选以位次优先
批次 必填,如本科批、专科批、特殊类型等
城市偏好 可选
专业偏好 可选
家庭约束 可选,如预算、地域、就业、升学、照护距离
限制条件 可选但需主动追问,如体检、语种、单科成绩、民族专项、户籍/学籍

资料优先级

研究阶段先读 references/source-policy.md。默认优先级:

  1. 省教育考试院/招生考试机构。
  2. 教育部阳光高考/阳光志愿。
  3. 高校招生官网、招生章程、招生办公室公告。
  4. 当年官方专业目录、招生计划、投档规则、往年录取统计。
  5. 教育部教育考试院、省级考试院或官方授权渠道发布的真题、答案、试卷说明。
  6. 其他公开资料,仅作线索。

工作流

  1. Intake:确认必要输入。缺省份、年份、位次时先补信息;没有位次但有分数时,先查当年一分一段或要求用户提供位次。
  2. Source Collection:按任务整理高考真题、招生章程、院校/专业信息、政策文档、专业目录和招生计划。每条资料记录来源名称、URL、发布日期或适用年份。
  3. Data Check:核对一分一段、分数对应位次、地区批次线、本科线/专科线、批次规则和投档单位。数据来源优先省考试院或招生考试机构。
  4. Research:联网核验当年省份政策、批次规则、专业目录、招生章程、往年录取数据。关键事实必须记录来源名称、URL、发布日期或适用年份。
  5. Analysis:生成候选矩阵。每项同时给出候选状态(可报/需核验/不建议)和风险层级(冲/稳/保/垫),依据必须能追溯到来源。
  6. Review:交付前自检:是否混用旧年政策、遗漏选科/体检/语种/单科限制、把非官方材料当结论、缺证据链接、把个人偏好误写成硬性结论。
  7. Final:交付研究包。默认包含 sources.mddata-check.mdcandidate-matrix.mdfamily-brief.mdrisk-notes.md

工具层

需要落地文件、抓取证据、解析表格或校验研究包时,优先使用 scripts/gaokao_toolkit.py。具体命令见 references/tooling.md

  • 官方入口索引:data/official-source-index.json
  • 官方页面/PDF/章程快照:snapshot
  • 一分一段、批次线、本科线/专科线表格解析:parse-table
  • 研究包一致性校验:validate-package
  • 真实省份回归样例检查:regression

输出文件

若用户要求生成文件,优先使用用户指定目录。未指定但任务明确要求保存研究包时,使用:

/Users/aiware/content-system/output/workflow/gaokao-volunteer-research/YYYY-MM-DD-\x3Cprovince>-\x3Crank>/

推荐结构:

sources.md
data-check.md
candidate-matrix.md
family-brief.md
risk-notes.md
raw/

模板:

  • README.md:中文使用说明。
  • CHANGELOG.md:技能变更记录。
  • templates/candidate-matrix.md:候选院校/专业组矩阵。
  • templates/data-check.md:一分一段、位次、批次线、本科线/专科线和口径核验表。
  • templates/family-brief.md:家庭决策摘要和最终核验清单。
  • references/tooling.md:工具层命令说明。
  • references/test-scenarios.md:回归测试场景。
  • examples/sample-run.md:虚构示例,不可作为真实志愿建议。

输出要求

  • 先给结论摘要,再给矩阵和证据。
  • 明确区分事实、推断、偏好、待核验项。
  • 对每个“需核验”项写清楚核验对象:省考试院、高校招生办、招生章程、专业目录或志愿系统。
  • 对分数、位次、批次线、本科线、专科线和真题资料,写明适用省份、年份、科目/科类、批次和来源。
  • 对用户要求“一键推荐学校”的请求,转为研究流程并说明边界。
  • 如果输出用于自媒体内容,再交给 social-media-workflow 做平台化改写;本 skill 只负责研究包。
安全使用建议
Install only if you want an agent to research Gaokao application materials using official sources and optionally save research-package files. Review generated outputs before relying on them, because the skill itself states it does not guarantee admission outcomes or submit official志愿 forms.
能力评估
Purpose & Capability
The stated purpose is evidence-backed Chinese Gaokao application research, and the artifacts consistently require official-source verification, clear uncertainty, and no admission promises or official form submission.
Instruction Scope
Runtime instructions are scoped to collecting inputs, verifying sources, parsing tables, and producing research-package outputs; I found no prompt override, hidden instruction, or unrelated agent-control behavior.
Install Mechanism
The package is ordinary skill content with markdown references, templates, JSON data, tests, and one Python helper script; it does not define package installs, hooks, autostart, or privileged setup.
Credentials
The helper can fetch official web pages and write snapshots or parsed outputs to user-specified paths, which is expected for the research workflow and is disclosed in the tooling docs.
Persistence & Privilege
There is no background persistence, privilege escalation, credential/session/profile access, or automatic mutation; file writes are limited to user-directed research outputs and fetched-source snapshots.
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install gaokao-volunteer-research
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /gaokao-volunteer-research 触发
  4. 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
Initial release — high-integrity Gaokao application research workflow: - Transforms Gaokao volunteer queries into verifiable, source-backed research packages—not direct recommendations. - Requires official, up-to-date input including province, year, subject group, rank, and batch before producing candidate suggestions. - Prioritizes authoritative sources: provincial exam authorities, Ministry of Education platforms, university admissions sites, and original policy documents. - Delivers research packages with clear source audit trails, candidate matrices, data checks, and family briefs. - Enforces strict boundaries: does not promise results, create probabilities, or submit applications on user’s behalf. - Robust documentation and output structure for transparent, responsible decision support.
元数据
Slug gaokao-volunteer-research
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

Gaokao Volunteer Research 是什么?

高考志愿研究助手。Use when the user asks about 高考志愿、大学志愿、志愿填报、选大学、选专业、冲稳保、院校专业组、位次择校、招生章程核验、一分一段、分数换位次、本科线、专科线、批次线、高考真题、院校专业信息、招生政策资料整理, or wants evidence-backed coll... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 35 次。

如何安装 Gaokao Volunteer Research?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install gaokao-volunteer-research」即可一键安装,无需额外配置。

Gaokao Volunteer Research 是免费的吗?

是的,Gaokao Volunteer Research 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

Gaokao Volunteer Research 支持哪些平台?

Gaokao Volunteer Research 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。

谁开发了 Gaokao Volunteer Research?

由 AIWareTop(@hacksing)开发并维护,当前版本 v1.0.0。

💬 留言讨论