海亮科服e生涯 platform：AI生涯规划师能帮孩子选科吗？

听雨 发自 凹非寺 量子位 | 公众号 QbitAI

11月一到，新高一家庭开始准备选科，新一轮纠结也随之而来。

选科看分数还是看排名？赋分怎么算？物理和化学要不要一起选？

孩子的表现也常常让家长拿不定主意：生物课听得吃力，考试成绩却不错；地理课听得明白，分数又不高。

再把大学专业的要求和学校实际开设的组合算进去，高一选科就成了不少家庭要做的功课。

这件事还得赶在选科安排定下来之前想清楚。不同组合会影响之后能报考的专业范围，也和孩子将来的职业方向有关。

如果等到填志愿时才发现选考科目不符合心仪专业的要求，眼前的选择就会受限。

现在，家长多了一个可以商量的对象：AI生涯规划师。

它会先了解孩子的学科表现和兴趣，再确认家庭的培养目标，然后结合教育知识和地区政策，梳理不同选择的要求和准备事项。

它还配有成长档案，让生涯规划服务能陪着孩子持续成长。

孩子的学业表现或兴趣发生变化时，系统可以结合此前的记录重新分析，调整规划建议。

服务范围覆盖选科，也延伸到兴趣培养和升学规划，基础规划服务免费。

这款产品就是e生涯服务平台，由海亮科服推出，基于OpenSpan生涯大模型打造。

如今，海亮科服希望通过AI，把这类专业咨询带给更多家庭。

AI生涯规划师，专业在哪里？

你可能会觉得，用市面上常见的通用AI，不也能解决孩子选科的问题么？

通用AI确实能提供参考，但e生涯服务平台能结合学生的具体情况，给出更细致、更有针对性的规划建议。

先来看几个具体例子：

第一个问题：「孩子五年级，对科学课很感兴趣，说明什么？」

在这组对话中，通用AI先从好奇心和学习方式等角度解释，还追问孩子更喜欢科学课的哪个板块。

用户补充说各个板块都感兴趣。随后它给出了几条建议，但整体上还是比较笼统。

再看e生涯，同样的问题，这次由「特长发展专家」接待。

它先从实验探究的角度解读这份兴趣，认为孩子可能喜欢动手、观察和验证，也愿意追问为什么。

五年级的孩子适合往哪些方向探索？文中给出了几类。无人机方面，可以亲手组装、把课堂上的科学知识落到实际操作里；编程方面，试着用代码把想法做出来；机器人则是把动手和编程两件事合到一起。

我们还补充了另一些情况：书法和钢琴孩子以前都学过，可兴趣都不大。

e生涯将这段经历一并纳入分析，先从活动类型入手找原因，随后继续了解孩子还有哪些喜好、家里能拿出多少预算。

我们又把条件说得更细：一年大概1万元，孩子对运动还算有兴趣。

这一轮，e生涯把活动如何组合、钱怎么分配讲得更具体了。

它的建议是：1万元预算内，先把钱集中投到一个科学动手类方向上，无人机或者机器人皆可，再挑一项花费不高、容易长期坚持的运动作日常补充。

说到无人机，它把入门设备和课程的开销也列了出来；运动方面，则提醒把场地费和平时练习是否方便算进去。

组合思路慢慢清楚起来：预算的大头给科学动手类活动，运动放在日常补充的位置，孩子的科学兴趣和运动兴趣都能照顾到。

聊了几轮，开头那句「孩子喜欢科学课」，被一步步拆成了更具体的培养方案。家长可以顺着往下谈：先试哪个方向、钱主要投在哪里，再靠实际体验看孩子能不能坚持。

第二个问题我们也做了实测：「490分怎么上本科？」

提问者的孩子读高二，选的是历史、政治和生物。

先看通用AI怎么答。它把「怎么上本科」这个咨询重点，转成了「怎么把分数提上去」。

院校和升学路径它也列了一些，可家庭预算、能接受哪些院校这些条件，它没有接着问；不同路径的报考要求也没充分核对，就开始安排各科提分任务。

学习建议是拿到了，但用户还是不清楚：成绩停在中下游的话，哪些本科路径值得再了解，哪些准备得从高二做起？这些都得结合学生的具体情况来判断。

e生涯的答法不同，先围绕国内升学讲，谈能力提升，也谈志愿选择，还提到浙江「三位一体」综合评价招生等可以进一步了解的方向。

（注：浙江高校招生里有种方式叫「三位一体」，即把考生的统一高考成绩、高中学业水平考试成绩和综合素质评价成绩按比例折算，再依综合成绩择优录取）

那把范围再放宽一些会怎样？

我们继续追问：「如果考虑出国呢？」

界面里的接待角色随即从「升学指导专家」换成「留学咨询师」，回答也跟着转到留学准备上。

它先把国内高考和留学做了初步对比，把申请准备、费用这些差异摆出来，再往下问家庭的具体条件。

预算被问得比较靠前：家里一年能承担多少费用？有没有特别想去的国家，或者想学的专业方向？

这些答案，关系到接下来聊哪些国家、比哪些申请路径，也决定了还要补哪些信息。

后面的回答里，e生涯按不同路径分开讲，各自说明匹配依据和准备事项，并提醒用户以当年考试院和招生院校的官方章程为准。

家长也可以挑其中一个方向，接着往下咨询。

和通用AI的差别就在这里：一个关于分数的问题，e生涯把它拆成了要结合家庭情况逐项核对的规划问题。

咨询够不够专业，得有一套更成体系的评判办法才行。

海亮科服方面表示，e生涯团队为此自己搭了一套评测标准，专门面向生涯规划场景。

这套评测看的东西不少：画像信息收得全不全、有没有读懂用户真正想要什么，专业知识的准确度、规划推理和结论合不合理，沟通与服务能力也在考察范围内。各维度按0至3分量表打分，再加权汇总。

内部曾用r43版本做过一次评测，覆盖89个对话，结果得分达到2分即视为可用，整体可用率落在92.1%。

这个数字衡量的是内部测试里的咨询表现。放到生涯规划上，评测要盯住几个具体点：关键条件有没有漏掉，推荐依据讲不讲得清楚，给出的建议合不合孩子的实际情况。

可要把这样的咨询过程真正用到选科上，还得把孩子的情况跟专业要求、地区政策挂上钩。

这就得聊聊e生涯背后的知识体系和工作流程了～

从选科这道题，看AI如何做规划

说回高一选科。一个组合适不适合，既要看孩子眼下学得怎么样，也得看它能对应哪些专业，还得看孩子愿不愿意顺着这些方向继续走下去。

OpenSpan把这些关联梳理成了一张自主决策全景图。

图里的路径从学习素养和特长培养起步，顺着不同学段铺开，往上接升学方式，再一路延伸到大学专业和职业方向。

目标已经明确的学生，可以从想读的专业倒推，弄清楚相关的选科要求，以及现阶段该做哪些准备。方向还没定的学生，那就从拿手的科目和兴趣入手，去摸可能走得通的路。

这样一来，眼前的选科就有了更完整的参照。家长也能接着往下聊：某个组合对上了孩子的哪些特点，又会牵动后面哪些选择。

这张图，其实也是OpenSpan知识图谱的可视化呈现。

e生涯团队称，图里的关联结构和自主决策点，源自规划师方法论长年累月的沉淀。团队把这些经验整理成系统能检索、能推理的关系，还配套建了专业知识库。

不过，知识要落到某一个具体孩子身上，咨询过程还得组织好。

e生涯团队介绍，系统会从对话里提取事实信息，形成学生画像。所在省份关系到适用哪套政策，学习表现则用来分析当前的优势。用户每补充一点信息，画像也跟着更新。

接着，系统判断咨询意图，把问题分派给对应的专家智能体，再调用专业技能，也就是Skill，把后续步骤组织起来。

规划师的经验，到这一步被拆得更细，变成了可以照着执行的咨询规则。

每个Skill都设了触发条件，写明要收集哪些事实、调用哪些知识，还规定了推理约束和输出要求。选科、特长培养、升学路径推荐，各自按专业流程走。

前面那个案例里，系统为什么还要追问家庭预算，为什么非得确认培养目标，跟这样的流程设计有关。这些信息后面都会成为判断路径适不适合的条件。

政策信息得持续维护。e生涯团队介绍，系统接入了考试院、高校招办等公开数据，还设了更新机制和专家审核流程。检索的时候，结构化的知识关系和政策文档一起用，让建议有可核对的依据。

政策一变，相关的知识和规则也能跟着调整，过期信息对咨询的干扰就少了。

选科还有个常被忽略的地方：孩子的情况是会变的。

高一上学期考的那几次试，很难说就能代表孩子整个高中阶段的学业水平。学得越深，孩子可能冒出新的兴趣点，原先定下的专业目标也可能被推翻。后面的咨询，得把这些变化接住，接着往下聊。

e生涯之所以要建成长档案，原因就在这里。

这份档案会一直记下孩子的学业表现，再和兴趣测评、家庭意向放在一起，给个性化答复做依据。按产品的设计思路，对话里聊到的相关信息也能被提取出来，写回画像，留给之后的会话用。

打个比方，有个学生起初只晓得自己爱科学，后来接触了编程，感兴趣的专业方向才慢慢清楚起来——这些新添的经历，就会成为下一次咨询的背景。相应给出的建议，也得重新看一遍。

选完科，孩子的分数和念头还可能再变，规划自然要跟着动。

e生涯想做的是把之前聊过的信息留住，家长下回再碰上问题，能顺着接着聊，再照着孩子的新情况去调建议。

人生大事，需要怎样的AI？

资料翻了一堆，还是不清楚哪条建议适合自己。这种犯难，从孩子选科一路延伸到家庭健康管理、老人照护。

这些选择通常牵动一个家庭往后几年的日子，真要调整，代价也不小。碰上不同说法，用户得弄明白判断是根据什么来的，也得搞清楚自己的情况对不对得上建议里的适用条件。

有经验的专业人士，能帮用户把这些问题捋顺。可要把服务持续送到更多人手上，时间和成本就成了卡点。同样一个问题，家庭背景一换，咨询怎么走、建议怎么给，都得重新调。

AI进了这些民生场景，能不能读懂一个家庭的具体处境，就成了衡量它顶不顶用的重要尺子。

用户要它帮忙核对信息，讲清不同方案各自的条件和代价，情况变了还能接着讨论。

放到医疗健康场景里，建议得结合个人既往记录，点明哪些信息还要再核实。到了养老场景，家庭实际能给出什么样的照护，也得算进去。

教育这边要求差不多。孩子成绩会浮动，兴趣和目标也会调，后续咨询得弄明白这些变化是怎么发生的。

这几个场景合在一起，要求AI把专业知识跟个人情况挂上钩，并在一次次交流中更新判断。

也就是说，垂直领域的AI产品得养着可靠的领域知识，把用户给出的事实纳入分析，按专业流程一步步把需求问清楚。实际服务里漏掉的、理解偏的地方，又要回流到知识和流程的改进中去。

海亮科服的探索，也可以搁在这个背景下来看。

过去的生涯规划服务里，真人咨询帮团队攒下了判断方法，测评和查询工具则把一部分经验变成了能反复用的服务。

现在，OpenSpan和e生涯想把这些知识和方法编进AI咨询，让更多家庭用自然语言聊着聊着，把自己的选择理清楚。

教育上的积累，也在这中间落到了实处。咨询时哪些问题要先问，家长容易漏掉哪些条件，都能拿来当产品设计和后续改进的参照。

不过，要让更多家庭用上这样的服务，使用门槛还得往下压。

据海亮科服介绍，e生涯的基础规划服务不收费。对那些较难获得持续专业指导的家庭来说，包括县域家庭，这就多了一个了解路径、核对条件的入口。

说回高一选科，一份建议值不值，最后要看孩子和家长能不能看懂选择的依据，知不知道接下来要准备什么，碰上新的情况还能不能接着调。

让这样的帮助更早、更普遍地走进更多家庭，也正是AI参与人生选择时，一件值得期待的社会价值。