https://github.com/mcxiaoxiao/kaoyan-navigator-skill/https://github.com/mcxiaoxiao/kaoyan-navigator-skill/tree/main

最近看到一个挺实用的开源项目：kaoyan-navigator-skill，它是一个面向 Codex、Claude Code 和通用 AI Agent 的考研择校导航 Skill。

项目地址：

https://github.com/mcxiaoxiao/kaoyan-navigator-skill

这个项目解决什么问题？

考研择校最麻烦的地方，不是单纯看分数线，而是要同时查很多信息：

• 历年复试线

• 统考名额

• 推免人数

• 拟录取名单

• 是否缩招

• 是否爆热

• 是否存在复试线虚低

• 专业代码、学院、培养方式是否一致

很多同学做择校分析时，容易只看一个分数线就下判断。但实际上，分数线背后还要结合招生人数、推免比例、拟录取分布和近几年趋势一起看。

kaoyan-navigator-skill 的目标就是把这些流程整理成一个可以被 AI Agent 调用的 Skill，让 Agent 帮你完成“找数据、校验数据、分析风险、给出冲稳保建议”的流程。

核心特点

这个 Skill 不是做“玄学预测”，而是强调可审计的数据分析。仓库 README 中也明确说明：项目输出的是风险信号、证据质量和置信度，而不是算命式预测。

它的基本流程可以理解为：

输入学校 / 学院 / 专业代码 / 入学年份
        ↓
公开检索历年数据
        ↓
证据分级与数据校验
        ↓
分析风险信号
        ↓
生成冲稳保建议

项目会优先从学校研究生院、招生网、学院官网、官方 PDF 和公示中查找数据；只有关键字段确实找不到时，才要求用户补充 CSV、Excel、JSON、PDF、截图或链接。

它能做什么？

根据仓库说明，这个 Skill 主要支持以下能力：

1. 规范化研究对象，避免学院、专业代码、培养方式混用。

2. 优先检索近三年的公开数据。

3. 记录数据来源、URL、发布日期和访问日期。

4. 给出证据质量、缺失项、风险和置信度。

5. 对爆热、缩招、推免挤压、复试线虚低、改考等风险做审计。

简单来说，它不是只告诉你“这个学校能不能考”，而是帮你把择校依据拆开来看：数据从哪里来、口径是否一致、风险在哪里、结论有多可靠。

快速使用

如果你已经有历年数据，可以先按照项目里的示例格式整理成 CSV，然后运行校验脚本：

python3 scripts/validate_data.py examples/sample.csv

如果你还没有数据，可以先让脚本生成检索计划：

python3 scripts/research_plan.py \
  --school "XX大学" \
  --college "XX学院" \
  --major-code "085404" \
  --major-name "计算机技术" \
  --year 2027

仓库也提供了 examples/sample.csv、references/data-schema.md、references/data-acquisition-flow.md 等文件，方便用户理解数据格式和采集流程。

让 Codex 识别这个 Skill

如果你使用 Codex，可以把整个仓库复制到本地 Skill 目录：

cp -R /path/to/kaoyan-navigator-skill ~/.codex/skills/kaoyan-navigator

之后就可以在对话中直接调用：

使用 $kaoyan-navigator，分析 2027 年入学的 XX 大学 XX 学院 085404 计算机技术。
先找 2024-2026 年的官方数据；如果拟录取名单找不到，就告诉我需要补什么。

适合哪些人？

这个项目比较适合：

• 正在准备考研择校的同学

• 想做考研数据分析工具的开发者

• 想学习 AI Agent Skill 工程结构的人

• 想把公开数据检索、证据分级、风险分析流程自动化的人

对于开发者来说，这个仓库的结构也比较清晰，包含 SKILL.md、agents/openai.yaml、examples、references 和 scripts 等目录，适合拿来学习如何组织一个面向 Agent 的实用型 Skill。