高考结束，填报志愿的号角随即吹响。 面对人生的关键抉择，考生和家长难免陷入焦虑。今年， AI 技术为这场 " 志愿大考 " 带来了新思路：有人借助 " AI 填志愿神器 " 一键生成方案。只需输入分数，就能获得一份包含 院校、专业 和 录取概率 的志愿表， AI 填志愿真的如此神奇吗？ 将未来发展规划完全交给冷冰冰的算法，真的靠谱吗？

去年就有相关报道『在黑猫投诉上，有消费者投诉说：“AI建议填的六个大学一个都没录取，号称成功率在70%以上，最终录的是我自己填的保底大学，比高考分数低了20分的学校。”“每个软件都吹自己精准填报，但我发现同一高校录取概率相差59%”。』

这里面很多同学之所以会选择AI报志愿，还是因为没有足够了解AI的局限性和边界。自2022年底ChatGPT的横空出世，为AI带来了新一轮的热度，事实上也确实随着自然语言理解这项技术被ChatGPT突破，让AI打开了新的想象力。对于普通人来说，每天受到大量自媒体、短视频的信息轰炸，很多自媒体都是为了流量夸大AI能力，导致人们对AI有了过高的期望。

这一轮的AI本质是突破了什么？又可以做到之前哪些不能做的？局限是什么？解答完这三个问题，再结合AI报志愿这个问题就更容易理解了。

ChatGPT本质上是解决了机器对人类的语言理解以及回复能力，有了语言理解这个能力大大加强了AI和人的交流互动场景，但其核心还是对海量文本的拟合的结果，目前在逻辑、推理、科学等方面都存在着局限性。所以推广到高考报志愿这个事情上，它是一个面临复杂信息场景的决策问题，这不是现在的AI技术可以一键完成的，是要大量结合个人信息、兴趣、历史数据、网络知识、未来趋势判断等等的综合决策。所以任何打着一次性收费，一键报志愿的旗号都是绝对不靠谱的。

但AI能不能辅助我们报志愿呢，那答案一定的肯定的。从前面讲的历史数据、网络知识、未来趋势判断这三项，我们都可以借助ChatGPT，大幅提升信息获取和辅助决策的效率。这里给一些辅助决策的例子:

1、专业介绍与对比

对于高三的学生和家长来说，报考的专业非常繁多，很多专业从名字上我们似乎看不出区别，如果用搜索的方式很容易得到每个专业的介绍，带来的也是一篇篇的长篇大论，看完后可能还是不知道区别到底是什么，这个场景就更适合GPT来解决，比如我们可以这样提问：『电子信息工程和通信工程在专业、课程、就业上有什么区别？未来发展空间哪个更好，哪些高校更擅长这两个专业』

模型回答：

这样一次性就可以解决我们实际的个性化问题，而不需要去搜索引擎大量查询、记录再自己对比。

2、学校及专业推荐

鉴于每年的招生政策及学校录取分数线的变动，应当以当年的实际情况为准，我们使用GPT要充分利用其优势，帮我们从多个角度去分析什么专业是适合自己的，这里的角度每个人的考虑情况也尽不相同，包括兴趣、分数、地域、未来就业等等，我们要把想要考虑的维度都告诉GPT，和他去交流得到我们想要的信息，下面给一个框架供大家参考。

从现在开始，你是一名专业的志愿填报辅导机构的咨询老师，会通过以下能力来帮助我制定个性化的志愿填报方案： 了解高考政策和各类高校招生政策：咨询老师会对当前的高考政策和各类高校招生政策非常了解，可以帮助我了解各类高校的录取要求和招生计划，从而更好地制定志愿填报方案。 分析我的兴趣爱好和优势：咨询老师会与我进行深入的交流，了解我的兴趣爱好和优势，从而找到适合我的专业方向。 提供专业的职业规划建议：咨询老师会根据我的兴趣爱好和优势，提供专业的职业规划建议，帮助我更好地了解各种职业的发展前景和行业趋势。 综合分析专业发展前景：咨询老师会对各个专业的发展前景进行综合分析，包括就业前景、薪资水平、发展趋势等方面，从而更好地帮助我选择适合自己的专业。 设计个性化的志愿填报方案：咨询老师会根据以上分析结果和我的个人情况，设计个性化的志愿填报方案，包括填报顺序、填报数量等方面，从而帮助我最大程度地实现志愿填报的目标。 总之，专业的志愿填报辅导机构的咨询老师通过专业的知识和丰富的经验，可以为我提供个性化的志愿填报方案，帮助我更好地实现志愿填报的目标。 明白了你的人设设定后，开始以咨询老师的角度向我发出第一个提问。 我选择计算机科学与技术专业。我是一名理科生，今年我的高考成绩是590分，希望在一线城市的高校学习，请你根据我的成绩和要求帮我推荐我可能考上的学校， 并列举这些学校历年的招生计划、分数线、专业就业情况、专业在全国内的排名、推荐理由等数据。需要列举20所高校。以表格形式呈现

模型回答：

这里看到模型给出了一个选择范围，我们可能有更多的考虑内容，比如未来就业的工作地点，这样我们可以继续和模型交流，告诉他『我未来毕业工作地点希望在苏州，结合前面分析 哪些学校就业在苏州更有优势呢』看下模型给出的回答：

模型能够非常好的理解你的志愿需求，结合你的需求不断精细化答案，按照这样的方式，可以不断的交互得到满意的结果。

3、历史数据分析

比如我们给出一个过去历年的分数线，让模型帮我们做分析及预测

生源地 年份 分类 批次 文理分科 分数线 广东 2014 本科 一批 文科 579 广东 2014 本科 二批A类 文科 534 广东 2014 本科 二批B类 文科 483 广东 2014 本科 一批 理科 560 广东 2014 本科 二批A类 理科 504 广东 2014 本科 二批B类 理科 465 广东 2014 专科 普通批 文科 290 广东 2014 专科 普通批 理科 280 广东 2015 本科 一批 文科 573 广东 2015 本科 二批A类 文科 524 广东 2015 本科 二批B类 文科 474 广东 2015 本科 一批 理科 577 广东 2015 本科 二批A类 理科 519 广东 2015 本科 二批B类 理科 483 广东 2015 专科 普通批 文科 270 广东 2015 专科 普通批 理科 280 广东 2016 本科 一批 文科 514 广东 2016 本科 二批 文科 417 广东 2016 本科 一批 理科 508 广东 2016 本科 二批 理科 402 广东 2016 专科 普通批 文科 245 广东 2016 专科 普通批 理科 245 广东 2017 本科 一批 文科 520 广东 2017 本科 二批 文科 418 广东 2017 本科 一批 理科 485 广东 2017 本科 二批 理科 360 广东 2017 专科 普通批 文科 210 广东 2017 专科 普通批 理科 200 广东 2018 本科 普通批 文科 443 广东 2018 本科 普通批 理科 376 广东 2019 本科 普通批 文科 455 广东 2019 本科 普通批 理科 390

看看GPT4o对这个分析的过程和结果

可以看到GPT给出了非常详细的分析，采用了线性回归的方式，通过代码对数据进行了分析，并且直接给出了代码的预测结果，非常高效的完成了模型建模-数据分析-结论展示的整个流程。当然这个结果是一个线性分析的结果，我们还可以让GPT使用更复杂的模型进行多次预测，这里建议大家收集足够多的数据，数据越多预测结果一定是越准的。

如果还有同学不知道怎么使用GPT，这里提供一个一站式平台AIBox，可以对比多个模型给出的结果，无魔法直接使用。

对于如何编写出好的提示词，可以参考这篇文章的回答，详细介绍了从基础到高阶的Prompt提示词用法。AIBox：ChatGPT 提示词十级技巧：从新手到专家