有机构报价几千到一万多，包装得很完整：一对一老师、专业测评、院校分析、冲稳保方案、未来职业规划。家长听完以后很容易觉得“虽然贵，但孩子就这一次，买个安心也值”。
但我看完几份所谓的志愿方案之后，第一反应不是专业，而是熟悉。
熟悉到什么程度呢？就是那种很像 AI 生成的文章：每段都很完整，每个结论都很圆滑，关键词也都在，比如“结合兴趣”“综合院校层次”“未来就业趋势”“城市发展潜力”。看着没错，但你真要追问依据，它又没有给出多少能核验的东西。
后来央视也曝光过类似情况：有些高价志愿填报服务，背后的方案可能就是用免费 AI 生成的。所谓老师或者规划师，做的事可能只是把 AI 写出来的内容包装一下，再讲给家长听。
这件事让我觉得挺危险的。
不是说 AI 不能用，而是高考志愿这个场景，最怕的不是“建议不够好听”，而是“建议没有证据”。
我后来主要看这几个点
一开始我也以为报志愿就是看分数、看位次、排个冲稳保。真正翻资料以后才发现，里面很多坑不是靠一句“综合判断”能解决的。
比如一个专业能不能报，不能只看去年最低分，还要看：
这些东西都不难查，但很散。招生章程一个 PDF ，招生计划一个网页，往年录取数据又在另一个系统里，有些学校还把转专业政策、培养方案、就业报告分别放在不同页面。
机构如果真的做了这些功课，我觉得收费也不是完全不能理解。问题是很多方案只给结论，不给来源。
比如它会写：
建议优先考虑某某大学某某专业，该专业就业前景较好，适合学生长期发展。
这句话本身没什么错，但我更想看到的是：
如果这些都没有，只剩下一段漂亮话，那它和 ChatGPT 随手生成一份报告的区别其实不大。
家长买的很多时候不是方案，是确定感。
这也是我后来比较能理解家长为什么愿意花钱的原因。
填志愿压力太大了。孩子考了十几年，最后几天要做一个影响很久的选择。家长既怕浪费分数，又怕专业选错，还怕自己信息不对称耽误孩子。
所以这类服务卖的其实不只是表格，而是“我已经尽力了”的心理安慰。
但如果这个确定感是用一堆 AI 味很重的话术堆出来的，就很坑。
我觉得一个简单的判断方法是：不要问对方“这个学校好不好”，而是连续追问“你凭什么这么推荐”。
比如：
能把这些说清楚，再谈推荐。说不清楚，只会反复讲“综合来看”“比较适合”“未来发展不错”，那就要小心了。
AI 可以用，但最好只把它当查资料助手。
我现在对 AI 填志愿的看法是：可以用，但不要让它直接替你做决定。
比较合理的用法，是让 AI 帮你整理资料、提取规则、做对比表。比如把招生章程、招生计划、往年录取表、就业质量报告这些资料丢进去，让它回答：
关键是，每个回答都要能追到原文。最好能告诉你“来自哪份文件、哪一页、哪一段”。
如果 AI 只是直接给你一张冲稳保表，我是不太敢信的。因为它可能说得很像专家，但背后不一定真的查过最新资料，也不一定知道今年的招生规则有没有变化。
这也是我最近试 Knowhere 的原因。
我一开始不是冲着“AI 填志愿”去的，而是想解决一个很实际的问题：资料太散了。一个学校几个 PDF ，几个网页，再加上历年录取表、就业报告、培养方案，人工翻起来很烦，直接丢给普通聊天 AI 又容易变成总结作文。
Knowhere 比较适合干的事，是把这些分散资料先整理成一个可以检索的资料库。理解成一个偏个人知识库的 RAG 层也行：你把招生章程、招生计划、往年录取表、就业质量报告、培养方案这些文档丢进去，它负责做解析、索引和召回。后面你问问题时，它不是凭模型记忆硬答，而是先从你的资料里找依据。
如果只是这样，其实很多知识库工具也能做。让我觉得更适合程序员折腾的点，是它有 Knowhere MCP 。
MCP 的好处是，你不用非得在某个网页里聊天。像我平时主要在 Cursor 里写东西，就可以把 Knowhere 接成一个工具，让 Cursor / Claude / Codex 这类 AI 客户端直接访问这批文档。体验上有点像给 AI 临时挂了一个“本地资料脑”：模型负责理解问题和组织答案，Knowhere 负责把相关原文找出来。
我自己的用法大概是这样：
[ol]
[/ol]
比如我会这么问：
查一下某某大学计算机类今年有没有单科成绩要求。请给出来源文件和原文依据。
或者：
对比这所学校近三年软件工程专业的招生计划和录取位次，看看有没有明显变化。不要直接下结论，先列出数据来源。
再比如：
就业质量报告里提到的就业率，是全校本科生口径，还是某个学院/专业口径？原文怎么写的？
这种问题如果让普通 AI 裸答，我是不放心的。因为它很可能给你一个听起来合理、但实际没查过文件的答案。但如果它能把相关原文、文件来源一起带出来，价值就不一样了。它不是替你决定“该报哪里”，而是帮你把判断依据先找齐。
对程序员来说，这个模式应该比较好理解：不要把 AI 当 oracle ，而是把它当一个会调用工具的 agent 。Knowhere MCP 提供资料检索能力，AI 负责根据检索结果做整理和解释。最后你再回到官方文件核对一遍。
当然，这里也不是说用了 Knowhere 就万事大吉。尤其是招生章程、体检限制、录取规则这些硬条件，最终一定要人工确认。但至少它能把“到处翻资料”的时间省下来，也能避免很多只看结论、不看出处的坑。
给后来人的几个建议：
如果家里今年或者明年有人要报志愿，我觉得可以提前做几件事：
[ol]
[/ol]
说白了，高考志愿不是玄学，也不是谁话术更专业谁就更靠谱。它更像一个证据密集型决策。
真正有价值的工具或者服务，不应该只是告诉你“建议报这个”，而应该经得起追问：
你凭什么这么推荐？
能答出来，才值得参考。答不出来，就别拿孩子的人生试错。
所用工具在这： https://knowhereto.ai/?utm_source=v2ex
开源仓库： https://github.com/Ontos-AI/knowhere
感兴趣的可以自取。
