高考出分才找AI？这家黑马把升学规划提前到了小学

新智元报道 2026年夏天，AI填志愿彻底火出圈了。 千问、豆包、Kimi轮番上阵，各家通用大模型恨不得在高考出分那三天把全中国家长的焦虑一口气吞下。 场面一度非常热闹—— 直到新京报记者做了一件朴素的事：用同一个考生身份（北京考生，579分，位次18xxx），选考物地生。把6款主流AI挨个问了一遍。 结果令人尴尬。 有的模型拿着2026年的分数去查2025年的一分一段表，把考生位次整整往前拉了2440名，照这个定位报志愿，滑档几乎是必然；有的把已经停招的专业、已经更名的院校照推不误；还有的把明明该「冲」的学校，放进了「稳」档。 我们顺着这个思路，把问题从高考志愿往前挪，挪到高中三年里更早、更常见的几个决定上，又问了一轮。 结果没有更好。 有的模型面对「550分能上什么本科」，张口就是提分建议和冲稳保，对综合评价、专项计划、定向招生这些真正能改变命运的多元路径一字不提；有的连省份都没问，就直接开出选科组合。 问题出在哪？不是模型不够聪明，而是它太急着回答了。 通用大模型的底层逻辑是：你敢问，我就敢答。 但生涯规划不是百科问答，它本质上是一个 自主 决策支持系统。 一个家庭从小学到高三，要做几十个环环相扣的升学决定，兴趣班留哪个、初中走国内还是国际、高一怎么选科、强基和综评报不报—— 每个决定都有时间窗口，选错有代价，而且前后串着。你不了解这个孩子是谁，就没有资格告诉他该往哪走。 这个朴素的道理，海亮科服花了两年时间，用一个叫OpenSpan的生涯大模型 和e生涯服务平台 ，把它变成了工程现实。 不是问答机器，是「AI规划师」 先看最典型的一组实测，场景是高一选科。 同一个问题：生物听不懂但分数高，地理听得懂但分数低，我该选哪科？ DeepSeek（深度思考）：不追问，直接列出一长串要权衡的因素——赋分和排名、提分空间、专业限制、长期学习的「痛苦程度」。信息量很大，但家长看完，还是不知道该选哪个。 豆包：第一句话就是结论，「优先选……」，省份、成绩排名、选科模式一概没问。 Kimi（快速模式）：同样直接给出一个确定答案，也没有询问省份。 千问（思考模式）：把问题从「喜欢哪科」转到了「赋分排名」，分析了物化对理工医专业的影响，还给了一张分情况的决策表。但它先写了八九百字，最后一句才是「补一句你的省份和首选科目，我再接着判断」。而且整套分析默认了「首选+再选」的3+1+2模式，如果提问的是浙江、上海这类3+3省份的学生，框架得推倒重来。 千问已经是最接近规划师思路的，但它和另外三家犯的是同一个错： 答在前，问在后。 e生涯 的反应完全不同。 它的第一轮回复不是答案，而是追问——你在哪个省？什么选科模式（3+3还是3+1+2）？物理成绩如何？有没有感兴趣的大学专业方向？ 这背后，是整个技术架构的设计哲学： 画像前置。 在 e生涯 的系统里，所有规划建议的前提是一份足够完整的学生画像。系统在多轮对话中主动收集就读信息、学业表现、兴趣特长、家庭期望，沉淀为可计算的Facts，基于会话状态持续更新画像。 画像不完整，系统宁可继续追问，也不会输出一个「看起来正确」的方案。 用海亮科服生涯科技副总经理兼大模型研究院院长叶礼清的话说：通用大模型是你敢问我就敢答，而我们强调的是—— 如果信息不够，我宁可不认。 模型无关 + Agentic Skill Runtime 说到技术架构，OpenSpan干了一件在垂类大模型领域相当少见的事： 模型无关设计（model-agnostic）。 底座模型用的是开源模型，做垂直领域的二次训练和微调。 但整个架构不绑定任何单一模型供应商：复杂的意图识别与规划推理调用推理能力更强的模型，高频的知识检索与结构化查询调用低成本模型，学生上传的成绩单、报告等图文信息调用多模态模型。 这意味着当明天有更强的开源模型出来，OpenSpan可以热切换底座，而不需要推倒重来。 对于一家教育科技公司来说，这种工程判断力比单纯堆参数量重要得多。 更值得关注的是它的Agentic Skill Runtime架构。 传统的教育AI通常是「一个大模型打天下」，所有问题都塞进同一个推理管道。 OpenSpan把复杂的升学咨询拆解为多个可插拔、可独立演进的专业技能（Skill），每个Skill有独立的触发条件、事实字段、知识范围、推理约束和输出协议。 具体来说：一个「规划助手」作为统一接待和路由中枢，通过意图识别把问题分派给升学指导、特长发展、留学咨询、学习指导、职业探索、家庭教育等领域专家智能体。 系统支持语义匹配、规则匹配、会话恢复和任务锁定等多种路由策略，家长在多轮咨询中可以自然切换话题，从选科聊到升学路径再聊到特长培养，当前任务的上下文不会丢。 8大类规划场景、20余个 细分培养方向 以Skill形式封装。政策变了，更新知识和规则即可，不需要重新训练模型。 这在教育这个政策高频变动的领域，是一个极其务实的工程选择。 在这套架构背后，是一张相当庞大的教育知识图谱： 8类规划场景 、6大特长方向、20+个细分培养方向、60余个 自主决策 点、72+条升学路径、15+类专业知识库，接入考试院、高校招办等权威公开数据，并配置了政策时效性更新机制与专家审核流程。 幻觉抑制：88%通过率背后的工程功夫 大模型「一本正经地胡说八道」，在教育场景里不是段子，是事故。 一个高一学生问选科，如果模型把本省没有的科目组合推荐给他，或者把已经过期的招生政策当成现行规则来引用，后果可能是一整年的方向性错误。 新智元组织了一支评测团——特级教师、一线生涯规划师和高中生家长，围绕选科政策、招生规则、专业目录这些最容易「翻车」的事实性问题，把同一组题目分别交给 e生涯 OpenSpan、豆包Turbo和DeepSeek（深度思考），逐条核对答案有没有编。 评测团得出的结论，与 e生涯团队 提供的内部幻觉抑制测试数据基本一致： 88%的通过率，领先豆包14个百分点，领先DeepSeek 30个百分点。 另一个细节也对得上：剩余12%中未完全抑制的部分，主要集中在政策细节条件、专业代码与专业设置数值等极细粒度的知识点上。 这些恰恰是知识库需要持续补充的区域，而非模型架构本身的缺陷。 怎么做到的？ 核心是 混合检索增强（Hybrid RAG） ——结构化知识资产与非结构化文档检索相结合。 知识图谱提供关联链条约束，让模型的推荐沿着明确的逻辑给出，而非依赖模型自身的联想和「脑补」。 简单说就是： 有据可查的才说，查不到的不编。 同时，四层安全防护贯穿始终：输入侧识别违规及心理危机风险；生成侧通过Skill指令和知识库优先规则约束模型行为；输出侧进行内容安全检测；审计侧记录关键路由和知识引用。 信息不足时先追问，无依据的建议在输出前拦截。 专业评测：2.73分，更像一个真人规划师 通用模型评测基准（C-Eval、CMMLU）衡量的是通识能力，但它回答不了一个核心问题：这个模型给出的生涯规划建议，到底像不像一个专业规划师？ e生涯团队 为此自主制定了一套面向生涯规划场景的评测标准，从画像收集完整性、意图理解、专业知识准确性、规划推理与结论合理性、沟通与服务能力等维度，按0-3分量表打分并加权。 新智元沿用了这套维度，由特级教师和一线规划师独