先说结论：我们把高考志愿 AI 工具「拘灵遣将」暂停了。
这不是一个轻松的决定。过去两天，我们在这个项目上跑了大量 token，也投入了很多精力。它一开始是公益性质，想免费开放一段时间，帮考生和家长少一点信息差，少一点来回翻表的痛苦。
但最后我们还是停了。
很遗憾，也很抱歉。
不是因为这个工具完全不能跑。恰恰相反，它已经跑起来了：页面有了，后端有了，本地库有了，流式回答有了，留言和反馈也接上了。我们甚至做了很多后来回看都不算敷衍的加固。
真正让我们停下来的，是另一个问题：
高考志愿这件事太重了。
如果一个 AI 工具推荐错了一部电影，最多浪费两个小时。推荐错一个软件，最多卸载。可志愿填报不是这样。一个专业组、一个位次、一个备注条件、一个体检限制、一个调剂规则出错，都可能让一个学生滑档、退档，或者走向一个根本不适合自己的选择。
这时候，不能只问“技术上能不能做”。
要问：我们有没有资格让一个家庭把它当成重要参考？
一开始，我们是真想把它做好
这个项目最早的想法很简单：博客里开一个高考志愿栏目，免费给大家试用。
我们不是从一个空白聊天框开始的。底座来自一个已有的高考志愿项目包，里面有志愿咨询的提示词、方法论知识库、本地录取数据和候选学校筛选逻辑。我们做的第一件事，是把它迁移到博客的服务端，让它不只是本地玩具，而是能在网页上被普通用户打开。
第一版的思路是：用户输入省份、选科、分数、位次、专业偏好、城市偏好、家庭资源和目标，后端先查本地录取库，再让 AI 基于候选学校和方法论解释冲、稳、保。
严格说，它不是常见的向量库 RAG。它更像结构化检索增强生成：先查结构化数据库，再把学校、专业、年份、分数、位次这些硬信息交给模型解释。
对高考志愿这种场景，这个方向本身是对的。
因为分数、位次、省份、年份这些东西不能靠语义相似度猜。它们必须先落在结构化数据里。
所以我们最开始的判断是：本地库负责把底牌亮出来，AI 负责把取舍讲成人话。
后来，我们一路在补洞
项目上线之后，问题不是一次冒出来的，是一层一层冒出来的。
先是数据覆盖。
最开始真实能用的省份很少，远没有看起来那么完整。后来我们不断补库、审计、同步页面口径，数据规模从二十多万行一路扩到五十多万行。最后一轮完成态审计里，主库做到 507,122 行，覆盖 2024-2025 年，23 个有数据省市，badRows 0，sourceRefs 154。
这不是简单把表格丢进去。
我们做过很多具体工作：找各省教育考试院来源，处理 XLS、XLSX、PDF、HTML，做 OCR，拆普通本科、普通专科、高职专科，标记 complete、partial、missing，区分官方原始表和旧包数据。北京旧包里混了提前批、公安司法男女分项、艺术和其他特殊规则，我们替换成北京教育考试院官方 HTML 的普通批数据。河南、山西、天津、云南这类缺口，也写清楚为什么不能硬补。
这期间还修了很多产品问题。
用户说不能接着前面聊，我们就修上下文追问。用户补一句“接受省外大学”，系统不能重头分析，我们就让它沿用上一轮条件。
用户反馈“单条问题太长”，后来发现不是用户的问题，是上一轮 AI 长回答被带回后端，触发了历史消息长度限制。我们把历史消息压缩，只限制最新输入。
模型上游 503，我们加错误日志、熔断和本地库兜底。后面又切到更低成本、更稳的 Mini 模型，避免公开流量一上来就打爆。
手机端体验不好，我们做移动端专项：压缩导航、聊天头、工具按钮和输入区，让它更像一个能连续使用的移动端聊天工具。
担心滥用，我们讨论过邮箱门槛、假邮箱、手机号。最后选择不收手机号，因为手机号太敏感；后来又把邮箱门槛恢复成“首问可用，后续留常用邮箱”，并且拦截测试邮箱和临时邮箱。
用户想反馈，我们加留言窗口，只有留过邮箱的人可以提交。留言里如果出现 11 位手机号，直接拒绝，避免用户把敏感信息发进来。
我们还不断加边界声明。
页面上写，弹窗里写，右侧说明里写，AI 回答结尾也写：它只是参考，不保证完全准确，不能代替考生和家庭做最终填报决定。后来我担心这还不够，又加了强制确认，不勾选“仅供参考、最终家庭拍板、后果自担”，不能发送问题。
再后来，我们甚至把“稳上、必录、包录、放心填、一定能走、肯定不会滑档”这类表达从系统提示里禁掉。
你看，这不是一个“随手套壳上线”的项目。
但这也是问题所在：我们越认真做，越会发现这件事不是普通 AI 工具的难度。
真正改变判断的，是专业人士的提醒
项目跑到后面，我们和做升学规划的专业人士交流了一轮。
他的提醒很直接：高考志愿这种东西，不能只看行数，也不能只看分数大部分对不对。你要看每一条专业、位次、备注、限制条件是不是能支撑真实填报。
他说，缺 10 条、20 条，在这种场景里都可能是重大事故。
这个话很刺耳，但对。
我们后来拿一份浙江 2025 普通类志愿填报数据和自己的库做交叉对比。结果不是那种“大面积全错”的崩盘，但已经足够说明：它不能当成专业填报决策级数据库。
总体数字是这样的：
他的表有 24,247 行，我们库里的浙江 2025 普通类数据有 24,986 行。
按“院校代码 + 专业代码”做主键，两边共同代码是 23,531 个。他表里有、我们库没有的唯一代码是 93 个。
另外，有 22,853 行可以做到同代码、同分数、同位次。这部分交叉验证是通过的。
问题主要集中在两类。
第一类，是边界位次口径差异。
有 1,394 行不能做到“同代码、同分数、同位次”。这些差异集中在两个值：
490 / 184372：148 行268 / 290790：1,246 行
我们查到浙江考试院官方原始 XLS 里，这些边界分数的位次为空。我们的库按官方原表保留成 rank=0。而专业人士那边的表，把它们补成了一分一段参考位次。
从“官方原始投档线”角度，我们不算乱填。
但从“志愿填报实战”角度，用户不是来欣赏官方空值的。用户需要判断风险，位次为空会影响 AI 对冲、稳、保的判断。
第二类，是那 93 个外部独有的院校专业代码。
按普通数据工程比例看，93 个在两万多条里不算大。
但高考志愿不是普通数据工程。一个专业漏掉，就可能影响某个学生的保底项、可选项和滑档风险判断。尤其这些项集中在低分边界、未招满或专科段附近，这恰恰是更容易出事的地方。
这时候再说“整体准确率还可以”，意义就不大了。
因为出事的人不会是“整体”。
出事的是某一个学生。
我们之前的数据结构太薄
这次复核还有一个更大的问题：我们原来的主库结构偏薄。
它能存学校、专业、分数、位次、年份、省份这些基础字段，但真正志愿填报不只看这些。
一个专业能不能报，还要看：
- 选科要求
- 专业组
- 招生计划
- 专业备注
- 学费
- 校区
- 中外合作
- 体检限制
- 单科要求
- 调剂规则
- 招生章程
- 是否未招满
- 是否二段剩余计划
- 批次和段次是否能直接比较
这些字段如果不完整，AI 就很容易把一个“基础投档线库”讲成“填报建议库”。
这就是最危险的地方。
基础库可以支撑初步分析，但不能直接承接最终决策。
如果只是我自己内部研究，或者做一个“看看历史分数”的演示，它还能继续跑。但一旦免费开放给考生和家长，用户就可能把它当成一个可以依赖的志愿填报工具。
免责声明拦不住这种误用。
尤其当 AI 说话很像那么回事的时候，风险会更大。它越流畅，用户越容易信。
为什么最后选择暂停
一开始，我们还试图把它降成“保守参考模式”。
比如加确认框、禁绝对表达、提示回官方核对、遇到未覆盖省份不编数据、把没有本地库的省份只做方法盘点。
这些都应该做。
但问题是：它们只能降低风险，不能改变工具在用户心里的位置。
只要页面还允许用户提问，只要 AI 还会给具体学校、专业和冲稳保建议，就会有人把它当成“我可以照着填”的答案。
而高考志愿不是可以赌用户理解力的地方。
所以最后我们做了软下线：
/gaokao/页面改成暂停和复核说明- 输入框禁用，不再生成具体志愿建议
- 后端接口默认返回暂停说明
- 首页入口同步改成复核维护中
- 保留留言入口，方便继续收集反馈
后面又把公开说明改得更直接：我们和专业人士交流、复核后，确认当前数据库不够完善、不够严谨。为了避免误导大家，也为了避免耽误大家人生里很重要的一次选择，先暂停使用。
这不是一句“维护升级中”能糊弄过去的事。
它应该被说清楚。
公益动机不能抵消责任
我最难受的地方也在这里。
这个项目一开始确实是想帮人。
不是收费课，不是卖咨询，不是引流到什么私域服务。就是觉得 AI 和数据结合起来，也许能让普通家庭少一点信息差，少一点来回翻表的痛苦。
但公益动机不能抵消责任。
你免费，不代表用户的损失也免费。
你没收钱，不代表建议错了就没有代价。
这也是这次最大的教训：AI 工具不是“我没有恶意”就够了。
尤其是高风险场景，判断标准不能是“我已经尽力了”，而应该是“用户如果按这个结果做，会不会被伤到”。
如果答案是会，那就不能继续用“参考”两个字撑着。
这次留下了什么
项目暂停，不代表这两天全白干。
它至少留下了几个判断。
第一，AI 做高考志愿，不能从聊天框开始。
必须先从数据来源、字段结构、批次边界、官方核对链路开始。没有这些，提示词越强，越可能把薄数据包装成强结论。
第二，本地库有价值，但它不是最终裁判。
本地库能让 AI 不乱编，能帮助用户快速看到历史范围。但只要它不是专业填报决策级数据库，就必须明确说：它只能做初步参考。
第三，公开工具的边界不能只写在角落。
边界要写进页面、接口、AI 口径、按钮状态、反馈系统和默认流程里。用户不应该专门去找免责声明，才能知道这个工具不能承担什么。
第四，专业人士的实战标准必须提前进入复核。
工程师很容易看 badRows、行数、重复率、构建是否通过。可填报师看的是另一套东西：缺一条会不会影响一个学生，位次口径会不会改变风险判断，专业备注会不会导致退档。
这两套标准都重要。
但在高考志愿这件事上，后者更接近真实代价。
第五，停掉也是一种交付。
这句话不好听，但是真的。
一个系统能上线，不代表它应该继续开放。发现风险以后，把入口关掉、把原因讲清楚、提醒已经用过的人回到官方来源核对，也是对用户负责的一部分。
给已经用过的同学和家长
如果你之前用过这个工具，或者用过任何类似的 AI 志愿工具，请不要把 AI 的建议当成最终答案。
正式填报前，请回到这几个地方：
- 本省教育考试院
- 当年招生计划
- 一分一段表
- 高校招生章程
- 学校招生网
- 专业组和专业代码
- 选科要求、学费、校区、体检限制、调剂规则
如果条件允许，也建议咨询真正做升学规划的人。
AI 可以帮你把问题问完整，帮你整理取舍，帮你发现自己没想到的风险。
但最终选择，不能交给 AI。
这次我们本来想帮大家。
最后弄成这样，我很遗憾，也很抱歉。
但比起让一个不够严谨的工具继续跑，我宁可现在把它停下来。
高考志愿不是一次内容实验。
它是很多家庭的一次人生选择。
这条线，不能拿来赌。