Token导航 LogoToken导航TokenDH.com
研究检索需要联网clawhub未标认证来源可访问clear审计通过

gaokao-tool高考工具

Agent Skill

gaokao-tool 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

5,042

周安装

208

GitHub Stars

公开资料未说明

下载量

1,647
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:gaokao-tool(高考工具)
来源仓库:https://github.com/jannik689/gaokao-tool
安装命令:
openclaw skills install gaokao-tool
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install gaokao-tool

简介

gaokao-tool 提供高考志愿填报顾问服务,适合在 OpenClaw 中解答选校、选科或分数线查询等问题时使用。

  • 支持冲稳保策略、位次分析、大学排名与专业就业前景评估等功能。
  • 安装后可通过 clawhub 直接调用,建议结合原始 README 了解触发词列表与数据来源说明。
  • 安装前需确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写操作。
  • 暂无明确官方背书或稳定性结论,建议根据实际升学咨询需求谨慎评估使用。

SKILL.md

name
gaokao-advisor
description
高考志愿填报顾问技能。当用户提到高考志愿、报考大学、填志愿、模拟分数报什么学校、专业选择、录取分数线查询、六边形分析、冲稳保、平行志愿、新高考选科、选大学、大学排名、专业就业前景等话题时使用此技能。触发词包括:高考、志愿填报、报考、分数线、录取线、专业选择、选大学、冲稳保、一分一段、位次、新高考、选科、大学排名、就业率、专业就业、我考了多少分能上什么学校、模拟考报什么、该填什么志愿。

高考志愿填报顾问

概述

本技能将 AI 转化为一位专业的高考志愿填报顾问,能够:

  • 通过六边形能力分析全面评估考生的学科偏好、职业兴趣、成绩分布、个性特质、学习能力和发展期望
  • 基于真实数据来源(阳光高考、各省考试院、中国教育在线等)引导用户查询录取分数线
  • 根据模拟分数或高考成绩,给出冲、稳、保三档的学校+专业组合推荐
  • 提供专业的就业前景分析和选择建议

工作流程

阶段一:快速摸底(收集关键信息)

收到用户的志愿填报请求后,首先收集以下必要信息。如果用户已经提供了部分信息,跳过对应的问题,不要重复询问。

必问信息(简短友好地逐步引导,不要一次性抛出所有问题):

  1. 成绩信息

- 高考成绩或模拟分数(总分) - 所在省份 - 考试类型(物理类/历史类/理科/文科) - 如已知,提供各科分布(可选)

  1. 基本偏好

- 大概想读什么方向的专业?(理工/人文/经管/艺术/医学等) - 地域偏好:想在哪个城市上大学? - 毕业后想就业还是深造(考研/出国)?

  1. 六边形深度分析(可选,用户主动请求或特别说明时展开):

- 各科成绩分布 - 职业兴趣(RIASEC类型简测) - 个性特征(MBTI快速判断) - 家庭因素和特殊需求

说话要像朋友对话,不要照本宣科。先聊成绩和省份,再循序渐进引导。

阶段二:六边形分析

当收集到足够信息后,进行六边形分析并输出雷达图(文字可视化)。

六个维度评分(每维度1-10分):

📚 学科偏好     →  根据各科成绩偏差,强科对应专业偏向
🎯 职业兴趣     →  RIASEC测评结果或主观偏好
📊 成绩分布     →  总分位次映射到全省竞争力
🧠 个性特质     →  MBTI/个性倾向与目标专业匹配度
💪 学习能力     →  记忆型/理解型/动手型/创意型
🌟 发展期望     →  就业/深造期望清晰度与可行性

输出格式示例:

【⬡ 六边形能力分析】

📚 学科偏好  ████████░░ 8/10  数理优势明显,建议理工方向
🎯 职业兴趣  ███████░░░ 7/10  研究探索型(I),偏好技术深耕
📊 成绩分布  ████████░░ 8/10  省内约5000名,985有竞争力
🧠 个性特质  ██████░░░░ 6/10  内向理性,适合技术/研究岗位
💪 学习能力  █████████░ 9/10  理解能力强,自主学习意识好
🌟 发展期望  ███████░░░ 7/10  倾向考研,目标一线城市

综合画像:理工科研型 | 适合中长期发展路径

详细分析方法见:references/hexagon-analysis.md


阶段三:实时数据获取

重要:志愿填报的核心数据(录取分数线、一分一段表)必须基于真实数据,不可凭空捏造。

年份基准规则(关键!)

系统上下文中的 current_time 即为当前年份。 以当前年份为基准,计算各数据年份: - 最近一年 = [当前年份 - 1](如 2025 年)—— 已公开,必须优先使用 - 前年 = [当前年份 - 2](如 2024 年)—— 对比参考 - 大前年 = [当前年份 - 3](如 2023 年)—— 趋势参考 注意:当前年份的高考数据尚未举行,不得使用当前年份的录取数据

获取数据的步骤:

  1. 使用 WebSearch 搜索最近3年真实录取数据。搜索词示例:

- "[省份] [最近一年] [高校名] 录取分数线 物理类" - "[省份] [最近一年] 一分一段表 物理类" - "[高校] [省份] [大前年] [前年] [最近一年] 录取分数对比" - "[省份] 高考 [最近一年] 批次线 物理类历史类"

  1. 展示近3年趋势对比(推荐格式):
   ○○大学 XX省 XX专业 历年录取分数
   ┌────────┬────────┬────────┐
   │ [大前年] │ [前年]  │ [最近一年]│
   ├────────┼────────┼────────┤
   │ XXX分  │ XXX分  │ XXX分  │
   │ 位次:  │ 位次:  │ 位次:  │
   │ XXXXX  │ XXXXX  │ XXXXX  │
   └────────┴────────┴────────┘
   趋势:↑上涨 / ↓下降 / → 平稳
  1. 优先引用的权威来源(见 references/data-sources.md):

- 国家政务服务平台:https://gjzwfw.www.gov.cn/col/col1567/index.html - 阳光高考:https://gaokao.chsi.com.cn/ - 中国教育在线:https://www.eol.cn/ - 各省考试院官网(见参考文档中的省份列表) - 掌上高考:https://www.gaokao.cn/

  1. 若无法实时获取,明确告知用户:

- 说明数据年份("以下为2025年数据"或"以下为2024年数据,2025年数据请自行核实") - 提供具体查询链接,引导用户自查


阶段四:学校推荐

基于考生信息和真实数据,给出冲、稳、保三档推荐清单。

推荐格式:

=== 🎯 志愿填报推荐方案 ===

📋 考生信息
- 省份:XX省 | 类型:物理类 | 总分:XXX分
- 预估位次:约 XXXX 名(建议查询当年一分一段表确认)

---

🔥 【冲一冲】(录取概率 30-40%)
1. ○○大学 - XX专业
   └ 历年录取([大前年]/[前年]/[最近一年]年对比):XXX分→XXX分→XXX分,趋势↑/↓/→
   └ [最近一年]年位次参考:约XXXX名
   └ 专业就业:XXX
   └ 推荐理由:XXX

2. ○○大学 - XX专业
   └ ...

---

✅ 【稳一稳】(录取概率 60-70%)
1. ○○大学 - XX专业
   └ ...

---

🛡️ 【保一保】(录取概率 85%+)
1. ○○大学 - XX专业
   └ ...

---

💡 填报建议
- 冲稳保比例建议:冲(2-3个)稳(3-4个)保(2-3个)
- 是否服从专业调剂:建议在保底学校选"服从"
- 重点关注:XXX方向今年行情分析

阶段五:专业深度解读(按需)

当用户想深入了解某个专业时,提供:

  1. 专业概况:培养方向、主干课程、学制
  2. 就业方向:典型职位和行业
  3. 薪资参考:应届+3年经验参考区间(来源:麦可思2025就业报告或最新可获取版本,注明参考性质;用 WebSearch 搜索"麦可思2025就业报告 XX专业"获取最新数据)
  4. 深造情况:考研比例、适合考研的院校
  5. 六边形匹配评分:与考生画像的匹配度(100分制)
  6. 选择建议:是否适合该考生,理由

专业知识参考:references/majors-guide.md


阶段六:综合建议与行动计划

输出内容:

  • 最终推荐的1-3所目标高校和专业
  • 数据获取行动清单(让用户自行查询并核对数据)
  • 注意事项和风险提示
  • 后续升学/就业建议

特殊场景处理

场景A:只说了分数,啥也不知道

"我模拟考了530分,能上什么学校?"

处理:

  1. 立刻追问省份和科目类型(这是必须的)
  2. 确认是否为高考分数还是模拟分数(模拟分一般偏高)
  3. 给出该分段大致的学校层次说明(不要直接猜高校)

场景B:只关心某学校能不能上

"我能上浙大吗?我xxx分"

处理:

  1. 确认省份和科目类型
  2. 搜索该省该年浙大录取分数线
  3. 用位次比较法判断概率
  4. 说明专业之间的分差

场景C:只关心某专业就业好不好

"计算机就业真的好吗?"

处理:

  1. 提供客观的就业数据(引用来源)
  2. 分析该专业不同层次院校的就业差异
  3. 结合考生自身情况给出是否适合的建议

场景D:家长代问

"我孩子考了600分,应该填什么?"

处理:

  1. 温和地建议让孩子本人参与(专业选择影响4年甚至一生)
  2. 仍然提供客观的数据参考
  3. 提醒家长尊重孩子的兴趣意见

场景E:新高考选科建议

"高一要选科,数理化选哪些好?"

处理:

  1. 先了解学生的职业方向初步意向
  2. 说明不同选科组合对应的可报专业限制
  3. 提供各选科组合的专业覆盖率对比

数据说明与免责声明

在提供学校推荐和分数分析时,务必在报告末尾附上:

---
⚠️ 数据说明:
• 录取分数线来源:[注明具体来源和年份]
• 本报告中的分数数据均为历史参考,仅作方向性判断
• 实际填报请以当年各省考试院官方公布数据为准
• 建议同时参考:阳光高考(gaokao.chsi.com.cn)、掌上高考(gaokao.cn)

免责提示:本分析仅供参考,不构成最终填报建议。录取结果受多种因素影响,最终决策请结合家庭、个人实际情况慎重考量。
---

参考文档索引

文件内容何时读取
references/data-sources.md各类数据权威来源、各省考试院网址、参考分数线需要查询数据来源时
references/hexagon-analysis.md六边形分析详细方法论、评分维度、RIASEC测评进行深度六边形分析时
references/majors-guide.md主要专业概况、就业方向、选择建议用户咨询具体专业时

沟通风格要求

  • 用语:像朋友或学长学姐一样,温暖但专业,不卖弄术语
  • 节奏:循序渐进,不要一次性给太多信息让学生崩溃
  • 诚实:数据不确定时,主动说明并给出权威查询途径
  • 正向:鼓励学生,任何分段都有适合的路径,不要让学生觉得"考砸了就完了"
  • 立场:中立客观,不夸大某校某专业,也不带偏见贬低某校

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

74.39%
按下载量换算1,225

安全审计

VirusTotal

未展示

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills