海亮科服发布AI生涯规划平台，面向家庭开放选科服务

每年进入11月，新高一家庭普遍面临选科抉择。分数与排名的权衡、赋分机制的影响、物化组合的捆绑，以及大学专业门槛与中学排课现状，让选科成为家庭规划的核心痛点。若缺乏前瞻性梳理，等到高考填报志愿时，考生容易受选考科目限制而错失心仪专业。

针对这一需求，海亮科服推出了基于OpenSpan生涯大模型的「e生涯服务平台」，将专业生涯规划咨询以低门槛形式推向更多家庭，并提供免费的基础规划服务。

垂直模型对比通用AI：差异在专业流程与深度挖掘

通用大语言模型虽然也能解答教育咨询，但在面对具体个案时，往往停留于宽泛建议，缺少对家庭预算、地域招录政策及长期成长路径的细化拆解。

以五年级学生的兴趣拓展为例，面对“孩子喜欢科学课”的提问，通用AI通常停留在好奇心分析与泛化的学习建议上。e生涯平台的“特长发展专家”则从实验探究特点切入，拆解出无人机组装、编程实现、机器人等具体路径，并主动追问孩子的其他偏好与家庭年度预算。

在获得“预算约1万元、兼顾运动”的补充输入后，系统将主预算集中于科学动手类硬件与课程，同时搭配低成本运动项目，给出了兼顾实操性与成本控制的组合方案。

面对高中升学问题，如“高二史政生组合、490分如何冲刺本科”，通用AI容易将规划偏离为“提分指南”。而e生涯平台会结合统考成绩、地方综合评价政策（如浙江“三位一体”招生）展开路径比对；若转向出国方向，系统会自动切换至“留学咨询师”角色，优先核对家庭预算承受区间与目标专业，而非盲目罗列院校。

在海亮科服制定的内部评测中，评测指标涵盖画像完整度、真实意图理解、政策准确性及规划推理合理性。其r43版本在89组测试对话中的整体可用率达到92.1%。

架构核心：知识图谱、动态画像与成长档案

要让AI给出可落地的选科与升学建议，核心在于将底层教育政策、招考规则与动态的学生个体信息完成精准映射。

OpenSpan大模型将规划师经验转化为“自主决策全景图”。该知识图谱向上贯穿不同学段的升学通道，向下连接高校专业与产业职业需求：

1. 动态画像与意图识别：系统从多轮对话中持续抽取事实变量（省份、学科表现、预算等），生成结构化学生画像，动态指派对应的专家智能体。
2. 专业技能调用（Skills）：将线下资深咨询师的推理逻辑拆解为标准化执行链条，设置硬性约束与信息收集前置条件，避免大模型“凭空猜测”。
3. 政策库动态核对：打通考试院、各高校招办公开数据，经专家审核后持续迭代，降低知识过时风险。

考虑到学生的学业水平、偏好与目标随年级升高不断变化，平台引入了“成长档案”机制。系统不仅记录单次对话，还会留存历次测评、成绩轨迹与家庭诉求演变，使后续咨询能够建立在历史上下文之上，持续调整选科与升学方案。

教育选科与医疗、养老等民生场景类似，试错成本高且个体差异显著。将垂直领域模型与长周期成长档案结合，让专业教育规划服务走向常态化、低门槛化，是生成式AI深入民生应用的一大实践方向。