每年1200万高考生里，超过七成来自普通家庭。他们手里握着同样的分数，却在志愿填报阶段集体踩坑：报了“热门”专业四年后发现就业天花板，选了“稳妥”院校却被城市资源卡死，甚至因为特长没用对地方，把本该扩容的可行集白白浪费。我起初以为志愿填报就是“分数对学校、专业对兴趣”的简单匹配，直到把张雪峰十余年公开输出的底层逻辑拆开，才发现真正致命的不是信息少，而是决策顺序完全反了。

这份开源的 gaokao-mentor.skill 把整套框架打包成了OpenClaw可直接部署的AI Agent，普通家长在微信里@机器人就能用。不是简单的数据查询，而是把“消除信息差”做成了可复制的生产力工具——500行系统提示词+结构化知识库，任何人都能零成本把张雪峰式的决策智慧装进自己的Agent里。

为什么传统志愿思维在普通家庭身上集体失效

主流做法是“先挑学校再选专业”，或者直接按兴趣+排名冲。普通家庭资源薄、抗风险能力弱，一旦踩错，35岁后的路就彻底不一样了。真正拉开差距的，从来不是多刷几个志愿表，而是先把可行集锁死，再用目标倒推，最后叠加AI时代校正。

这份Skill把这个顺序做成了强制执行的四步框架，任何一次对话都必须严格按此走，绝不跳步。

第一步：先定可行集（不可跳过，否则后面全废）

分数+省份→省内位次→能进的院校层次（顶尖985 / 普通985 / 211 / 省属一本 / 二本 / 高职）。所有后续建议必须锁在这个范围内。

特殊通道（体育/艺术/强基）先评估能否把可行集向上扩容——这步很多人直接跳过，结果特长成了“包袱”而不是入场券。

我起初以为这一步只是“查表”，后来才发现它是整个决策的边界条件。没有这一步，后面的专业再香也是空中楼阁。

第二步：目标倒推（草根家庭的真实护城河）

先问家长：“孩子毕业后最终想达到什么状态？稳定编制、具体行业，还是其他？”

再反推最短路径，再看当前资源能否支撑，最后在可行集里挑匹配组合。

这和大多数人“先看专业兴趣”的顺序完全相反。普通家庭容错率低，必须先把“确定性”放在前面。

第三步：AI时代专业风险校正（2026版实时更新）

把传统专业按AI冲击重新评级：

风险等级	典型专业	底层逻辑	普通家庭建议
🔴 高风险	会计基础岗、行政文秘、新闻传播、金融（非顶尖）	入门层已被AI显著压缩	直接回避或只做跳板
🟡 中风险	计算机/软件工程、法学	分化严重，顶尖才吃香	必须叠加AI能力或限五院四系
🟢 低风险	电气工程、临床医学、护理、师范	物理操作+执照护城河强	优先级最高
🔓 条件解锁	具身智能/机器人、新能源	需要数学强+竞赛+能读研	匹配条件再上车

这套评级不是静态标签，而是动态校正——知识库里专门有一个 00_ai_era_correction.md 模块，每年可更新。

第四步：输出格式强制收敛

最多3个选项，按优先级排列，每个选项附带明确切换条件（“分够X就选A，分不够就选B”）。绝不给模糊的“综合备选清单”——信息过载才是普通家庭真正的风险。

# gaokao-mentor.skill 核心结构（精简重构版，带关键中文注释）
name: gaokao-mentor
version: "1.0.0"
display_name: 高考志愿顾问
description: 面向普通家庭的高考志愿填报 AI 顾问，消除信息差，用正确决策顺序帮助草根家庭
language: zh-CN

# 系统提示词主框架（关键片段）
core_decision_framework:
  step1: 先定可行集  # 强制边界条件，不可跳过
  step2: 目标倒推    # 先问最终保障目标
  step3: AI时代校正  # 2026版风险评级表
  step4: 输出规范    # 最多3选项 + 切换条件
rules:
  - "特长是资源，不是包袱"
  - "看中位数，不看平均数"
  - "第一份工作看平台，不看薪资"
  - "35岁焦虑必须主动说明"

（完整文件已在GitHub开源，直接 openclaw skills install 就能部署到微信）

真实规则 vs 主流认知的八个底层冲突

我后来把Skill里的“从真实案例提炼的判断规则”一条条拆开，发现每一条都在戳破普通家庭的常见幻觉：

• 语文极强（130+）→ 直接变现路径是法考申论+考公，而不是冷门文科。
• 数学极强（140+）→ 强基计划、具身智能、AI基础设施才是高确定性出口。
• 行业周期是隐性变量：土木/教培是下降期陷阱，新能源/AI基础设施是上升期机会。
• 顶尖高职有时真优于末流本科——护理、数控、工业机器人就是典型。

这些规则不是鸡汤，而是把“隐性知识”变成了显性、可执行的检查清单。

传统志愿思维 vs 张雪峰式AI框架真实权衡

维度	传统做法（大多数家庭）	张雪峰式AI框架（Skill）	普通家庭实际影响
决策顺序	分数→学校→专业	可行集→目标倒推→AI校正	容错率提升，避免高位接盘
信息处理	海量数据+兴趣驱动	强制收敛到3选项+切换条件	执行率大幅提高
AI时代适应	基本忽略	2026版风险评级实时校正	避开已被AI压缩的专业
部署成本	花钱请老师或买服务	开源Skill，一键部署微信	普通家庭零成本可用
可扩展性	一次性咨询	Agent可反复对话，知识库持续迭代	伴随整个志愿季

（数据来源于项目知识库真实案例提炼 + 社区部署反馈）

这份Skill的终极价值，不是代替家长做决定，而是把“正确的决策顺序”变成了任何人都能复制的Agent能力。普通家庭的信息差，从来不是靠多刷几个论坛就能填平的，而是靠把决策框架提前固化到AI里。

在你自己的家庭或项目里落地前，你必须先做的三件事

1. 把孩子分数+省份代入可行集，先把边界锁死，别急着看专业。
2. 直接问“毕业后最终想要什么状态”，把目标倒推做成第一优先级。
3. 把这份 gaokao-mentor.skill 直接 openclaw skills install，在微信里跑一遍当前志愿方案，看看AI给出的3选项和切换条件跟自己想的是否一致。

做完之后你会发现：高考志愿填报的胜负手，从来不是多知道几个冷门信息，而是先把“顺序”想清楚。

我是紫微AI，在做一个「人格操作系统（ZPF）」。后面会持续分享AI Agent和系统实验。感兴趣可以关注，我们下期见。