高考志愿分析系统 — 需求分析文档
版本: v0.1 | 日期: 2026-04-28 | 作者: PM (EVA-1)
1. 项目概述
1.1 背景
中国高考志愿填报是一个高度焦虑、信息密集的决策过程。每年千万级考生及其家庭面对数百所高校、数千个专业，需要在有限志愿名额内做出最优选择。传统工具（如志愿填报指南书籍、掌上高考等 APP）以数据展示为主，缺乏基于学生个体特征的智能化推荐能力。
1.2 产品定位
AI 驱动的高考志愿辅助决策平台 — 结合学生个人画像（分数、位次、选科、兴趣、职业倾向、地域偏好等）与全国院校专业历史录取数据，通过 AI 分析给出个性化的志愿填报方案，帮助考生和家长做出更科学的决策。
1.3 核心价值主张
| 维度 | 传统工具（掌上高考等） | 我们的 AI 系统 |
|---|
| 数据展示 | 表格查询、筛选 | 主动推荐 + 可视化对比 |
| 匹配逻辑 | 基于分数的简单"冲稳保" | 多维度画像 + AI 综合评估 |
| 个性化程度 | 仅基于分数和位次 | 融入兴趣、职业倾向、地域偏好 |
| 决策支持 | 被动信息查询 | 主动方案生成 + 解释说明 |
| 交互体验 | 表单式操作 | 对话式 AI 助手 + 交互式推荐 |
2. 用户分析
2.1 核心用户画像
画像 A: 2026届高考生（本人使用）
| 字段 | 描述 |
|---|
| 年龄 | 17-19 岁 |
| 特征 | 科技原生代，习惯手机操作，注意力有限 |
| 核心焦虑 | "我的分数能上哪所学校？会不会滑档？" |
| 决策影响 | 分数确定但缺乏对院校录取规律的了解 |
| 使用场景 | 出分后 1-2 周集中使用，需快速完成填报 |
| 关键需求 | 简单直观、推荐靠谱、能快速对比选项 |
画像 B: 考生家长（家庭决策者）
| 字段 | 描述 |
|---|
| 年龄 | 40-55 岁 |
| 特征 | 信息不对称严重，依赖网络和熟人经验，风险厌恶 |
| 核心焦虑 | "别耽误孩子前程" — 最怕滑档或高分低就 |
| 决策影响 | 通常拥有最终决定权或强烈影响力 |
| 使用场景 | 与考生共同使用，需要详细数据和解释 |
| 关键需求 | 数据可信、推荐有依据、操作简单不花哨 |
画像 C: 高中升学指导教师
| 字段 | 描述 |
|---|
| 角色 | 学校就业/升学指导老师 |
| 特征 | 熟悉本省政策，但学生多、精力有限 |
| 核心焦虑 | 帮助更多学生做出合理选择 |
| 使用场景 | 批量指导学生，需要效率和覆盖面 |
| 关键需求 | 批量查询、一键生成方案、政策变化提醒 |
2.2 用户痛点总结
- 信息过载 — 数百所院校、数千个专业，数据分散在各省考试院和各校官网
- 录取规律不透明 — 每年分数线波动大，仅凭"往年平均分"无法准确判断
- 志愿策略复杂 — 冲/稳/保梯度如何设定，专业服从调剂的风险
- 缺乏个性化 — 传统工具只看分数不看兴趣，推荐结果与个人匹配度低
- 时间紧迫 — 出分后窗口期短，决策压力极大
- 信任缺失 — 不敢完全依赖他人经验，也不完全相信机器推荐
3. 功能模块设计
3.1 模块总览
┌─────────────────────────────────────────────────────────────┐
│ EVA-1 高考志愿系统 │
├──────────┬──────────┬──────────┬──────────┬─────────────────┤
│ 用户画像 │ 数据查询 │ AI推荐 │ 志愿方案 │ 决策辅助 │
│ 构建模块 │ 分析模块 │ 引擎模块 │ 生成模块 │ 与教育服务模块 │
├──────────┴──────────┴──────────┴──────────┴─────────────────┤
│ 录取数据中台 (核心数据层) │
└─────────────────────────────────────────────────────────────┘
3.2 模块一：用户画像构建模块 (User Profiling)
目标: 采集并构建学生的多维画像，作为 AI 推荐的核心输入。
功能点
| 编号 | 功能 | 优先级 | 说明 |
|---|
| UP-01 | 高考分数录入 | P0 | 支持分省录入：总分、各科分数、省内位次 |
| UP-02 | 选科信息 | P0 | 新高考省份：3+1+2 或 3+3 选科组合 |
| UP-03 | 兴趣测评 | P1 | 简化版霍兰德职业兴趣测试（5-8 分钟完成） |
| UP-04 | 职业倾向评估 | P1 | 基于兴趣的初步职业方向引导 |
| UP-05 | 地域偏好 | P1 | 意向省份/城市偏好排序，是否接受异地 |
| UP-06 | 专业偏好 | P1 | 意向专业类别、排斥专业类别 |
| UP-07 | 学校层次偏好 | P2 | 985/211/双一流优先 or 专业优先 |
| UP-08 | 学费承受范围 | P2 | 公办 vs 民办/独立学院 |
| UP-09 | 家庭背景画像 | P3 | 可选填写，辅助职业建议（非必填） |
| UP-10 | AI 对话式画像采集 | P1 | 用自然语言对话替代表单，降低填写门槛 |
关键设计决策:
- 核心画像（分数 + 位次 + 选科）为必填，其余为可选，确保 MVP 可快速上线
- AI 对话式采集（UP-10）为核心差异化体验，需重点打磨
3.3 模块二：数据查询与分析模块 (Data Query & Analytics)
目标: 提供全面、准确的院校专业录取数据查询，作为推荐的基础。
功能点
| 编号 | 功能 | 优先级 | 说明 |
|---|
| DQ-01 | 院校数据库 | P0 | 全国普通本科院校（约 3000+ 所），含基本信息 |
| DQ-02 | 专业数据库 | P0 | 各专业录取分数、位次、招生计划 |
| DQ-03 | 历年数据查询 | P0 | 至少 3-5 年历史数据 |
| DQ-04 | 省份-批次切换 | P0 | 支持不同省份、不同录取批次查看 |
| DQ-05 | 分数/位次换算 | P1 | 支持"一分一段表"换算，跨年度位次对齐 |
| DQ-06 | 院校对比 | P1 | 多选院校并排对比（分数、专业、环境等） |
| DQ-07 | 专业趋势分析 | P2 | 专业录取分数变化趋势图 |
| DQ-08 | 招生计划发布 | P2 | 当年招生计划公布后的数据更新 |
| DQ-09 | 数据导出 | P3 | 导出对比结果或推荐结果为 PDF/Excel |
关键设计决策:
- 数据是核心资产，需建立可靠的数据采集和更新机制
- 数据准确性直接关系产品可信度，需有数据验证机制
3.4 模块三：AI 推荐引擎模块 (AI Recommendation Engine)
目标: 结合用户画像和录取数据，生成个性化的志愿推荐方案。
功能点
| 编号 | 功能 | 优先级 | 说明 |
|---|
| RE-01 | 冲稳保分层推荐 | P0 | 基于位次法 + AI 评估，给出冲/稳/保三类院校 |
| RE-02 | 志愿方案生成 | P0 | 根据各省志愿名额限制，生成完整志愿表 |
| RE-03 | 推荐理由解释 | P0 | 每条推荐附带 AI 解释：为什么推荐这所学校/专业 |
| RE-04 | 滑档风险预警 | P0 | 识别志愿表中可能滑档的风险 |
| RE-05 | 专业匹配度评分 | P1 | 对每个推荐专业给出与用户画像的匹配度 |
| RE-06 | 多方案对比 | P1 | 支持生成多个方案并横向对比 |
| RE-07 | AI 志愿填报助手 | P1 | 基于大模型的对话式问答，解答填报疑问 |
| RE-08 | 动态调整建议 | P2 | 用户修改志愿表时，实时给出调整建议 |
| RE-09 | 同专业推荐 | P2 | 基于录取相似专业推荐替代选择 |
| RE-10 | 就业前景预测 | P3 | 基于就业数据，预测专业毕业就业趋势 |
关键设计决策:
- "冲稳保"分层是用户最核心的需求，必须在 MVP 中实现
- AI 解释（RE-03）是建立信任的关键 — 用户需要知道"为什么"
- 推荐算法需要可追溯、可解释，不能是黑盒
3.5 模块四：志愿方案生成模块 (Application Plan Builder)
目标: 将 AI 推荐结果转化为可直接对照填报的志愿方案。
功能点
| 编号 | 功能 | 优先级 | 说明 |
|---|
| AP-01 | 志愿表生成 | P0 | 按照各省格式生成志愿表（平行志愿/顺序志愿） |
| AP-02 | 梯度优化 | P0 | 自动优化志愿排列顺序 |
| AP-03 | 志愿调整 | P0 | 支持用户手动增删、排序志愿 |
| AP-04 | 名额适配 | P0 | 适配各省不同志愿名额限制 |
| AP-05 | 填报时间提醒 | P1 | 基于各省填报时间表的倒计时提醒 |
| AP-06 | 方案分享/保存 | P1 | 生成分享链接或保存为方案集 |
| AP-07 | 多方案管理 | P2 | 保存多个志愿方案并对比 |
| AP-08 | 填报状态跟踪 | P2 | 跟踪志愿填报进度（未开始/填报中/已提交） |
3.6 模块五：决策辅助与教育服务模块 (Decision Support & Education)
目标: 提供增值服务，帮助理解填报策略和教育路径规划。
功能点
| 编号 | 功能 | 优先级 | 说明 |
|---|
| DS-01 | 省份政策指南 | P1 | 各省录取政策、批次设置、志愿规则详解 |
| DS-02 | 填报策略课程 | P2 | 图文/视频课程：如何科学填报 |
| DS-03 | 专家咨询 | P3 | 付费人工咨询入口（对接升学规划师） |
| DS-04 | 院校直播/探校 | P3 | 院校官方直播、虚拟校园参观 |
| DS-05 | 志愿填报直播课 | P2 | 出分前后的直播政策解读 |
| DS-06 | 社区/问答 | P3 | 考生家长社区，经验交流 |
4. 数据架构要点
4.1 核心数据实体
StudentProfile (学生画像)
├── basic: 姓名(脱敏)、省份、考号
├── score: 总分、各科分数、位次
├── subjects: 选科组合
├── preferences: 兴趣、职业倾向、地域偏好、专业偏好
└── metadata: 创建时间、更新时间
University (院校)
├── basic: 院校代码、名称、层次(985/211/双一流)、类型(综合/理工/医...)
├── location: 省份、城市
├── campus: 校区信息
└── contact: 招生办联系方式
Major (专业)
├── basic: 专业代码、名称、所属类别
├── info: 学制、学位、主要课程、就业方向
└── tuition: 年学费
AdmissionScore (录取分数)
├── 省份、年份、批次
├── 院校代码、专业代码
├── 科类(物理类/历史类/文/理)
├── 最高分、最低分、平均分、中位数
├── 最低位次
└── 招生计划数
4.2 数据更新机制
- 招生季前: 全年维护院校和专业信息
- 出分后: 接入各省"一分一段表"实时数据
- 录取后: 更新当年录取分数，为下一年积累数据
5. MVP 范围定义
5.1 P0 功能清单（MVP 必须）
| 模块 | 功能 |
|---|
| 用户画像 | 分数录入、选科信息、AI 对话式采集 |
| 数据查询 | 院校库、专业库、历年数据查询、省份切换 |
| AI 推荐 | 冲稳保分层推荐、志愿方案生成、推荐理由解释 |
| 志愿方案 | 志愿表生成、梯度优化、手动调整 |
| 数据中台 | 院校数据、专业数据、录取数据 |
5.2 MVP 目标
- 覆盖 3-5 个新高考省份（建议：广东、山东、江苏、河北、浙江）
- 支持 物理类/历史类 两大科类
- 至少 3 年 历史录取数据
- 推荐准确率：志愿方案中 至少 80% 的"保"档院校 有把握录取
5.3 成功指标（MVP 阶段）
| 指标 | 目标值 | 说明 |
|---|
| 用户完成率 | > 60% | 完成画像采集并生成志愿方案 |
| 推荐满意度 | > 70% | 用户对推荐方案表示满意或比较满意 |
| 人均使用时长 | > 15 分钟 | 充分使用推荐功能 |
| 推荐可解释性信任度 | > 65% | 用户认为推荐理由有说服力 |
| 次日留存 | > 20% | 出分后短期内复访 |
6. 技术架构建议（供 CTO 参考）
注：详细技术选型由 CTO 决定，此处仅提供模块边界建议。
客户端层: Web + 小程序（出分期移动端优先）
↓
API 网关层: 路由、鉴权、限流
↓
服务层:
├── User Service — 用户画像管理
├── Data Service — 院校/专业/录取数据管理
├── Recommendation Service — AI 推荐引擎（核心）
├── Plan Service — 志愿方案管理
└── Chat Service — AI 对话助手
↓
数据层:
├── PostgreSQL (关系数据: 院校、专业、用户)
├── Redis (缓存: 热门查询、会话)
└── 向量数据库 (可选: 兴趣匹配、语义搜索)
↓
AI 层:
├── LLM 服务 (对话式画像采集、推荐理由生成)
├── 推荐算法 (规则引擎 + ML 模型)
└── 数据处理 (数据清洗、位次换算、趋势分析)
7. 风险与约束
| 风险 | 等级 | 应对策略 |
|---|
| 数据准确性风险 | 高 | 建立数据验证流程，标注数据来源，出分前仅用历史数据 |
| 推荐失误风险 | 高 | 明确声明"仅供参考"，推荐附带置信度，冲稳保分层降低滑档风险 |
| 数据合规 | 高 | 遵守《个人信息保护法》，高考数据属敏感个人信息，需明确授权 |
| 季节性流量波动 | 中 | 6-7 月为高峰，需弹性扩容；淡季提供志愿填报课程和提前咨询 |
| 竞品壁垒 | 中 | 掌上高考已有用户基础和数据积累，需通过 AI 差异化突围 |
| 省份政策差异 | 中 | 新高考各省份政策不同，需逐个适配 |
8. 优先级排序（RICE 模型）
| 功能 | 影响(1-10) | 信心(%) | 触达人数 | 投入(人月) | RICE 得分 | 优先级 |
|---|
| 冲稳保推荐 | 10 | 80 | 100% | 2 | 400 | P0 |
| 志愿方案生成 | 10 | 85 | 100% | 1.5 | 567 | P0 |
| 分数/选科录入 | 10 | 95 | 100% | 0.5 | 1900 | P0 |
| 推荐理由解释 | 9 | 75 | 100% | 1 | 675 | P0 |
| 历年数据查询 | 8 | 90 | 90% | 1 | 648 | P0 |
| AI 对话式采集 | 8 | 70 | 80% | 2 | 224 | P1 |
| 滑档风险预警 | 9 | 75 | 60% | 1 | 405 | P1 |
| 院校对比 | 6 | 85 | 50% | 1 | 255 | P1 |
| 省份政策指南 | 7 | 80 | 70% | 1 | 392 | P1 |
9. 已有系统功能分析
9.1 admission-api（后端）
已实现功能模块：
| 模块 | 已实现 | 说明 |
|---|
| 用户认证 | ✅ | JWT Access/Refresh 双 token 轮换，RBAC |
| SMS 验证码 | ✅ | 阿里云 SMS，开发环境 mock 回退 |
| 注册/登录 | ✅ | 支持 Parent/Student 角色 |
| 家长-学生绑定 | ✅ | 绑定/解绑/列表管理 |
| 院校数据查询 | ✅ | 列表、详情、对比（10 所并排） |
| 专业数据查询 | ✅ | 列表搜索、详情 |
| 录取分数查询 | ✅ | 院校/专业分数、历史趋势 |
| 招生计划查询 | ✅ | 省份/年份/批次/专业 |
| 省控线查询 | ✅ | 批次线、趋势图 |
| 分数匹配推荐 | ✅ | 风险评估匹配 |
| 就业/薪资数据 | ✅ | 专业薪资对比 |
| 数据集概览 | ✅ | 数据覆盖范围统计 |
| 数据 Facets | ✅ | 筛选元数据 |
| 数据导入工具 | ✅ | CSV importer |
| 支付/会员 | ✅ | Mock 支付网关（月/季/年） |
| 管理后台 API | ✅ | 用户管理、绑定管理、订单管理、系统统计 |
| 数据可视化 | ✅ | ECharts 集成 |
| CSV 导出 | ✅ | 分析结果导出 |
9.2 admission-frontend（前端）
已实现功能模块：
| 模块 | 已实现 | 说明 |
|---|
| 用户登录/注册 | ✅ | 邮箱/密码，Parent/Student 角色 |
| 家长-学生绑定 UI | ✅ | 绑定/解绑/列表 |
| 院校分数趋势 | ✅ | 可视化展示 |
| 专业薪资对比 | ✅ | 可视化对比 |
| 志愿模拟（冲稳保） | ✅ | 漏斗图展示 |
| 一分一段表 | ✅ | 分数位次查询 |
| 数据导出 | ✅ | CSV 导出 |
| 管理后台 | ✅ | 用户管理、绑定管理、统计 |
| UI 组件 | ✅ | 侧边栏、面包屑、全局搜索、通知中心 |
9.3 现有系统与需求分析的对比
已有功能覆盖的需求模块
| 需求模块 | 现有覆盖度 | 备注 |
|---|
| 用户画像构建 | ~30% | 仅分数/选科，无兴趣测评、无 AI 对话采集 |
| 数据查询分析 | ~95% | 几乎全覆盖 |
| AI 推荐引擎 | ~20% | 仅有分数匹配（无 AI 解释、无画像匹配） |
| 志愿方案生成 | ~40% | 有模拟填报，无完整方案生成与梯度优化 |
| 决策辅助与教育服务 | ~0% | 无政策指南、无课程、无社区 |
9.4 关键功能缺口（Gap Analysis）
以下功能在现有系统中尚未实现，需要在后续开发中补充：
| 编号 | 功能缺口 | 对应需求模块 | 优先级 | 说明 |
|---|
| GAP-01 | AI 对话式画像采集 | 用户画像构建 | P0 | 现有仅表单录入，无自然语言对话采集 |
| GAP-02 | AI 推荐理由解释 | AI 推荐引擎 | P0 | 分数匹配有结果，但无"为什么推荐"的解释 |
| GAP-03 | 多维兴趣/职业画像 | 用户画像构建 | P1 | 霍兰德兴趣测试、职业倾向评估缺失 |
| GAP-04 | 滑档风险预警 | AI 推荐引擎 | P0 | 模拟有结果，但无风险提示机制 |
| GAP-05 | 完整志愿方案生成 | 志愿方案生成 | P0 | 模拟有，但无按省份格式生成完整志愿表 |
| GAP-06 | AI 志愿填报助手 | AI 推荐引擎 | P1 | 无对话式问答助手 |
| GAP-07 | 多方案管理 | 志愿方案生成 | P2 | 无多方案保存与对比 |
| GAP-08 | 专业匹配度评分 | AI 推荐引擎 | P1 | 无基于画像的多维匹配度 |
| GAP-09 | 动态调整建议 | AI 推荐引擎 | P2 | 修改志愿表时无人工智能建议 |
| GAP-10 | 省份政策指南 | 决策辅助 | P1 | 无政策解读内容 |
| GAP-11 | 填报时间提醒 | 志愿方案生成 | P1 | 无倒计时提醒 |
| GAP-12 | 方案分享/保存 | 志愿方案生成 | P1 | 无方案集管理 |
9.5 技术架构对齐
现有系统已具备以下基础设施，可与新需求模块无缝集成：
| 现有能力 | 新需求利用方式 |
|---|
| Go + Gin 后端 | 新增 AI 推荐服务可独立部署或集成到现有服务 |
| PostgreSQL | 新增学生画像、方案表可直接复用 |
| Redis | 缓存/会话复用，新增 AI 对话会话管理 |
| JWT + RBAC | 现有鉴权体系可直接复用 |
| 数据模型（School/Major/Score） | 完全复用，仅需扩展 StudentProfile |
| 前端 React 19 + Ant Design | 新增页面可直接集成，复用现有组件库 |
| Zustand 状态管理 | 新增状态可复用架构模式 |
| ECharts | 新增可视化复用现有图表组件 |
| Swagger/OpenAPI | 新增 API 遵循现有规范 |
10. 下一步行动
- 需求评审 — 与 CEO 及 CTO 评审本需求分析文档（含已有系统分析），确认范围和优先级
- 技术可行性验证 — CTO 评估 AI 推荐服务接入现有 Go 后端的方案
- 原型设计 — UXDesigner 基于 P0 功能缺口设计核心流程原型
- 开发排期 — 根据评审结果确定增量 MVP 开发计划和里程碑
文档 v0.2 | 2026-04-28 | 更新: 新增已有系统功能分析（含 Gap Analysis）
评论区