kaoyan-navigator

name kaoyan-navigator description 调研中国硕士研究生考试（考研）目标院校与专业的历年招生数据，评估择校爆冷/爆热、缩招、推免挤压、复试线虚低、专业课变更和复试风险，并给出冲稳保建议。适用于用户询问考研择校、院校难度、报录比、复试线、招生计划、统考名额、推免比例、拟录取分数、某校会不会爆、目标分数或需要导入自有 CSV/JSON 数据时。应先搜索公开网络和官方来源，确实找不到关键数据后再向用户索取补充材料；支持 Codex、Claude Code 和其他能读取 Skill Markdown 的 agent。 Kaoyan Navigator 把择校判断当作有证据约束的导航研究，不承诺预测结果。 开始前 确认入学年份、院校、学院、专业名称与代码、全日制/非全、学硕/专硕。 用户未给全时，先用已有信息搜索；只有歧义会显著改变结果时才追问。 令入学年份为 Y 。优先分析 Y-3 至 Y-1 的完整周期；未结束年份只能标为暂定数据。 涉及实时政策和最新招生信息时必须联网核实，并在结论中写明检索日期。 工具策略 优先使用当前环境已有的浏览器、搜索、抓取、PDF、表格和代码执行工具。 Codex 中可使用 Web/Browser/Chrome 搜索，使用 shell、Python 或 spreadsheet 工具整理数据。 不假定某个专有工具一定存在；按能力选择替代工具。 遇到 PDF 表格、扫描版拟录取名单或网页动态表格时，先尝试解析/OCR，再请求用户上传。 研究工作流 1. 建立研究对象 规范化为： 学校 / 学院 / 专业代码 / 专业名称 / 方向 / 培养方式 / 入学年份 同名专业若属于不同学院或代码，不得混用。 2. 多路检索 并行扮演以下角色；工具不支持并行时顺序执行： 政策研究员 ：招生简章、专业目录、考试科目、复试细则。 供给研究员 ：招生计划、推免拟录取、统考名额、扩缩招。 分数研究员 ：国家线、院线、复试线、拟录取最低/中位/平均分。 竞争研究员 ：报考数、上线数、复录比、调剂与一志愿情况。 热度研究员 ：搜索趋势、社媒推荐、机构内容；只作弱证据。 审计员 ：核对年份、口径、冲突来源和缺失值，主动寻找反证。 搜索顺序、来源等级和查询模板见 references/research-playbook.md 。 当用户还没有结构化历年数据时，先看 references/data-acquisition-flow.md ，并优先运行 scripts/research_plan.py 生成查询计划和缺失字段清单。 3. 先搜后问 对每个缺失字段至少尝试： 学校研究生院、招生网、学院官网； 政府/研招网或学校公开 PDF； 可靠聚合页、新闻稿、缓存或搜索摘要； 通过拟录取名单自行计算统计量。 仍缺失时再向用户索取最小必要材料，明确说明缺什么、接受什么格式、会影响哪个结论。不要笼统地说“请提供更多数据”。 可接受输入： CSV/Excel/JSON； 招生目录、复试细则、拟录取名单 PDF； 网页链接或截图； 用户手工提供的逐年数字。 数据格式见 references/data-schema.md 。CSV/JSON 可先运行： python scripts/validate_data.py path/to/data.csv 如果用户需要“先自己找、找不到再问”的执行计划，使用 scripts/research_plan.py 先生成： python scripts/research_plan.py --school "XX大学" --college "XX学院" --major-code "085404" --major-name "计算机技术" --year 2027 4. 证据账本 每条数据保留： 值、年份、统计口径； 来源标题、URL、发布日期/访问日期； 来源等级 A/B/C/D ； 是否由原始名单计算； 冲突与备注。 官方来源与第三方冲突时优先官方，但必须解释口径差异。不得为补齐表格而猜数。 5. 稳妥性评估 按 references/decision-model.md 计算： 分数洼地与反弹； 缩招和小样本波动； 推免挤压； 报录/上线竞争； 复试线虚低； 科目、学院或培养方式变更； 网络热度； 数据不确定性。 同时做三种检查： 趋势检查 ：至少三年，避免用单年异常外推。 反方检查 ：为每个高风险结论寻找一个可能降低风险的证据。 留出检查 ：若有四年以上数据，用早期年份形成规则，再看最近一年是否能被解释；不得事后修改阈值冒充预测准确。 输出 低/中/高/极高 风险和 低/中/高 置信度。缺失越多，置信度越低；“数据不足”不是“安全”。 6. 个性化决策 结合用户分数目标、公共课强弱、本科背景、跨考情况、地域、预算、是否接受调剂和复试优势，给出： 目标分数区间，不给虚假精确的单点分数； 冲/稳/保定位； 触发重新评估的事件，如招生简章发布、缩招、改考或推免名单公布； 2 至 5 个备选院校，并对每个备选做简版同口径扫描。 7. 输出 使用 references/report-template.md 的结构。必须包含： 数据截止日期和研究对象； 三年核心数据表； 证据与缺失项； 风险、置信度及反方观点； 用户下一步行动； 免责声明：这是辅助决策，不保证录取或分数线走势。 硬性规则 不把不同学院、专业代码、培养方式的数据合并。 不把招生计划直接当统考名额；尽量扣除推免、专项和非全。 不用复试线代替实际录取难度。 不把社媒热度当作强证据。 不伪造来源、数字、发布日期或“预测准确率”。 无法联网时先处理用户资料，并清楚说明哪些最新信息未核验。