gaokao-adi · 中国高考志愿专业路径测评

一个通用 Skill：先按分数告诉你"能报哪些专业"，再给候选专业打一个"这条路你走得通吗"的综合分。任何支持 Skills 的 AI agent 都能用。 基于风灵之声「专业路径 ADI（Action Domain Index）」模型的工程化复刻。

两个功能，可单独用也可串行用：

• ① 按成绩推荐专业 — 给省份 + 高考成绩 + 选考科目 + 喜欢/不喜欢科目，输出可报专业的四档排序（strong / consider / not_recommended / ineligible）。
• ② ADI 综合测评 — 对 1–3 个候选专业做个性化打分（1–625），覆盖 paths / reach / correct / recover 四维度，生成 Markdown 报告 + HTML 单页可视化（含雷达图）。

---

ADI 是什么

ADI（Action Domain Index）不是 MBTI、不是兴趣测试、不是"你适合学什么"。它评估的是一条专业路径**"走得通"的程度**——4 个维度相乘（1–625 分）：

| 维度 | 问的是 | |---|---| | paths 路径数量 | 学完这个专业，技能能跨多少行业 | | reach 成功可达性 | 一个普通学生四年后能不能拿到体面结果（不是天才向） | | correct 纠偏能力 | 发现不适合时，能不能换方向、要付多少代价 | | recover 损失可控性 | 万一彻底失败，沉没成本是 4 年还是 10 年 |

分档：>300 低难 · 150–300 中等 · 50–150 较难 · <50 高难。

---

⚠️ 免责声明

仅供志愿填报参考，不构成任何录取保证或专业建议。 高考志愿是高风险决策，请以教育部、各省考试院、目标院校官方招生章程为准。

ADI 的算法是从风灵之声公开案例反推的工程实现（作者私有算法不公开），目标是分档结论一致（低/中/较难/高难），不是数字精确对齐——请把分数当作专业间的横向比较，不要把 312 vs 287 当成精确差距。

---

安装

方式一（推荐）· npx skills — 用 vercel-labs/skills 一行安装（agent 与安装范围由 CLI 自动识别 / 交互选择）：

npx skills add xiapuyang/gaokao-adi

方式二 · git clone — 直接克隆到你 agent 的 skills 目录（下例以 ~/.claude/skills/ 为例，换成你 agent 实际的 skills 路径即可）：

git clone https://github.com/xiapuyang/gaokao-adi.git ~/.claude/skills/gaokao-adi

需要 Python ≥ 3.10（代码使用 PEP 604 联合类型注解）。运行时零第三方依赖，只用标准库，无需 pip install。

装好后重启你的 agent，确认 skill 已加载即可。

---

使用

直接用自然语言对你的 agent 说话即可，skill 会自动触发并引导后续流程。

① 按成绩推荐专业：

我是陕西考生，物理类，语文 130 数学 140 外语 130 物理 80 化学 60 生物 68，
选科物化生，喜欢数学和物理、不喜欢化学，能报哪些专业？

② ADI 综合测评（已有候选专业）：

帮我看看 经济学 / 英语 / 法学 这三个专业，哪条路更走得通？

Agent 会就读一份 14 题素质问卷，然后给出测评。两者也可串行：先推荐 → 你挑 3 个 → 进 ADI 测评。

---

输出样例

下面是一条端到端真实案例：陕西物理类考生（语 130 / 数 140 / 外 130 / 物 80 / 化 60 / 生 68，选物化生，喜欢数学物理、不喜欢化学）。完整输入与产物都在 examples/ 下，可直接复现。

① 按成绩推荐专业 → Top 8（共 20 个 strong 档）

输入：examples/student_profile.json

| # | 专业 | 匹配度 | 方向标签 | |---|---|---|---| | 1 | 数据科学 / 人工智能 | 0.94 | 数理逻辑·技术·创造性·数据分析 | | 2 | 统计学 | 0.93 | 数理逻辑·数据分析·实证科学 | | 3 | 计算机类 / 软件工程 | 0.93 | 数理逻辑·技术·创造性 | | 4 | 信息安全 / 网络工程 | 0.93 | 数理逻辑·技术 | | 5 | 应用数学 | 0.93 | 数理逻辑·数据分析·工程应用 | | 6 | 数学 | 0.92 | 数理逻辑·抽象思维·基础科学 | | 7 | 电子信息工程 | 0.91 | 数理逻辑·技术·工程应用 | | 8 | 自动化 | 0.91 | 技术·工程应用·机器人 |

数学(140)、物理(80)双高，理工/计算机/数据类顶到前排；文科向 + 化学权重高的专业则被降到 not_recommended（化学是短板且不喜欢）。

② 从中挑 3 个进 ADI 测评

挑了「计算机类/软件工程、金融学、会计学」（资源等级均 C），就读 14 题素质问卷后：

| 排名 | 专业 | 总分 | 分档 | 主要瓶颈 | |---|---|---|---|---| | 1 | 计算机类 / 软件工程 | 602.88 | 🟢 低难 | 路径数量 | | 2 | 会计学 | 456.58 | 🟢 低难 | 损失可控性 | | 3 | 金融学 | 164.47 | 🟡 中等 | 损失可控性 |

同分高低取决于个人系数：计算机 4 维度全被抬到上限（硬技能驱动，资源加分微弱）；金融被「损失可控性」拖到中等（高筛选路径、资源决定上限）。

📄 完整报告：examples/sample-output.html（HTML 单页，含 4 维度雷达图 + 逐专业卡片，下载后用浏览器打开）· Markdown 版 🔢 可复现输入：examples/adi_input.json

---

致谢与来源

• ADI 模型由作者「风灵」（风灵之声）于 2026 年 3 月的三篇文章中提出（引入四维度定义、个性化测评问卷与标杆案例）。
• 本仓库不与原作者私有算法对齐（其算法不公开）——是从公开案例 + 标杆值 + 问卷题目反推的工程实现，并做了大量参数调优。

---

License

MIT © 2026 xiapuyang