用 AI 做志愿填报与专业选择：参考思路

出分那天下午，一家三口围着电脑，把招生计划翻了两遍，还是不知道第一志愿填什么。分数摆在那儿，专业名单也摆在那儿，卡住的是另一件事：这些名字背后到底学什么、毕业去哪、自己合不合适。

AI 在这件事上能帮的部分很具体——把模糊的印象变成可比较的信息；帮不上的部分同样具体——它不掌握今年的招生计划，也不该替你排序。下面按五步说清怎么用。

出分之后那几天，难的不是填表是判断

填表本身半小时能学会。难的是在十几天里，把几十个专业的课程、去向、门槛弄明白，还要跟自己的分数和偏好对上。信息量大、时间紧、结果不可逆，三样凑齐，人很容易退回最省事的做法：看名字、看热度、听亲戚说。

这套做法的代价要到入学第二年才显现。所以真正要解决的，是把「这个专业听起来不错」换成「这个专业学什么、我能不能学下去、毕业去哪」。

五步走完，从模糊印象到可比清单

五个步骤各自交出一份东西，最后合成一张能横向比较的表。第三步和第四步常被跳过，跳过之后清单看着完整，实际全是没法核实的话。

第二行和第四行是这次准备的重心。能力清单决定你能不能读下去，官方数据决定你能不能进得去，两件事分开做，比混在一起想要清楚得多。

先把专业看明白，再谈喜不喜欢

对专业的印象多半来自三处：名字、影视剧、别人的一句话。这三处都不太可靠。同名专业在不同学校差别可能很大，有的偏理论，有的偏应用，课程表放在一起几乎不像同一个专业。

专业画像可以让工具先做一版，问四件事：本科阶段的核心课有哪些、这些课大致在学什么、毕业生的典型去向分几类、这个专业对哪种能力要求高。四个问题问完，多数人的印象会修正一次。

追问的时候带上具体条件，比如「以工科院校的培养方案为例」「只说本科阶段」，泛泛地问容易得到一段正确的废话。提示词里该交代哪几件事讲的就是怎么把问题收窄。

还有一步值得做：把两个名字相近的专业放在一起，让它说清差别在哪门课、哪个方向、哪类岗位。这一步常能救回一个差点填错的志愿。

能力和兴趣分开列，别合成一句「都还行」

问高中生喜欢什么，十个里有八个答「都还行」。这不是没想法，是问题太大。换成两个具体的小问题就好答了：哪几科你学起来不费劲，哪几件事你愿意在没人要求的时候做。

第一列写相对擅长：逻辑推演、记忆背诵、文字表达、动手操作、与人打交道。写具体的证据，比如「物理大题能自己做出来」「作文常被当范文」，比写「理科还行」有用。

第二列写不排斥的方向，不必写热爱。十八岁很难说清热爱什么，说清「不排斥」已经够用。两列交叉，通常能收窄到五六个专业。让它按这两列做匹配并说明理由，排序未必准，理由值得看——理由里常会出现你没想到的角度，比如某个专业对表达要求很高，而你恰好擅长。

把「好不好就业」换成能回答的问题

这个问题问不出答案，因为「好」的标准因人而异，也因为回答的人通常只见过自己那条路。换成三个能回答的问题：这个专业毕业生的典型去向有哪几类、每类的准入门槛是什么、这些去向里哪一类占比最高。

追问时要求标注时间。某个行业三年前的招聘规模和现在差别可能很大，工具给的往往是几年前的印象，它不会主动告诉你这一点。环境变了而判断没跟着变，是这类信息最常见的失效方式。

分数线和招生计划，只能回官方查

各省教育考试院的招生计划、高校官网的培养方案、学校发布的就业质量报告，这三样是原始来源。工具能给的是线索和框架，具体数字必须以官方为准，而且要看年份。

录取位次比分数更稳，因为每年的题目难度不同。查的时候看近三年位次区间，不要只看去年一年。选科要求也一样，同一专业在不同学校的限制可能不同，漏看一条就直接失去资格。

这类核对没法省。工具的训练数据有截止时间，今年的计划它根本没见过，问它只会得到往年的数字，或者一段像模像样的推测。模型为什么把不知道的事说得像知道，在填志愿这种场景里代价很高。

它给的是选项，签字的是你

工具能把信息整理清楚，能把问题问明白，能列出三五个匹配的方向。它做不到的是替你承担后果：家里的经济状况、能不能接受去外地、愿不愿意读五年、万一转专业失败怎么办，这些只有你和家人清楚。

还有一种偏差要留意：它会顺着你的说法走。你说「我想学计算机」，它能把计算机说得处处合适；你说「我担心就业」，它也能列出一堆风险。同一个专业问两次得到两种结论，说明它在配合你，不在评估。

务实的用法是把它当陪练：先自己列三个候选，再让它分别说这三个的短板。挑刺比推荐有用，因为推荐容易迎合，挑刺必须具体。

速查：志愿准备五件事

• 专业画像问四样：核心课、去向、门槛、能力要求
• 能力与兴趣分两列写，各带一条具体证据
• 「好不好就业」换成「典型去向与门槛」
• 招生计划、选科要求、录取位次回官方核
• 冲稳保三段，每段写清取舍理由