高考志愿 — Grounding Layer (how it works & how it's built)

Codebase (2026-06-27): this engine now lives in meno-gaokao-counsellor (core/…), extracted from reflection-game — see gaokao-standalone-plan. Module paths below use the new core/ layout.

这是什么 · What this is

中文：用来修「剧情太空泛」的方案。过去场景只由 5 个手工编写的原型 + 一个学校档次来播种，于是「被调剂到冷门专业」始终停留在抽象层面。Grounding 层给生成器灌入真实的、按专业划分的知识——具体的课程、职业、日常真实、踩坑点、转向——让它从无法编造的具体细节出发去演绎。除了在游戏里去感受这些专业事实，你也可以在这里亲自学到它们。

EN: The fix for “storylines too generic.” Scenes used to be seeded only by 5 hand-authored archetypes + a school tier, so “被调剂到冷门专业” stayed an abstraction. The grounding layer gives the generator real, per-major knowledge — concrete courses, careers, daily reality, failure modes, pivots — so it dramatizes from specifics it can’t fabricate. You can learn the major facts yourself here, on top of feeling them in-game.

怎么运作（每个场景）· How it works (per scene)

中文：

1. 学生的选项标签（如 “普通一本 材料科学与工程”）按名称 / 别名 / 词干匹配到一张专业卡片（于是 中山大学材料 → 材料科学与工程）。
2. grounding.py::grounding_block() 把那张卡片渲染成一个带「事实/观点」标注的块，build_gaokao_seed 再把它连同一份具体性契约一起注入提示词。
3. 生成器必须从这些具体细节出发去演绎——任何数字、雇主、薪资、升学/就业统计都必须来自 grounding（或学校档次），否则一律略去。生动，但凡可核查的内容绝不凭空捏造。

EN:

1. The student’s option label (e.g. “普通一本 材料科学与工程”) is matched to a major card by name / alias / stem (so 中山大学材料 → 材料科学与工程).
2. grounding.py::grounding_block() renders that card as a fact/opinion-labeled block and build_gaokao_seed injects it into the prompt, alongside a concreteness contract.
3. The generator must dramatize from those specifics — and any number, employer, salary, or admission/employment statistic must come from the grounding (or the school tier) or be omitted. Vivid, but nothing checkable is invented.

修改前 → 修改后（材料科学与工程）· Before → after (材料科学与工程)

中文： 修改前： “你被调剂到一个冷门专业…”（哪个？没有任何细节）。 修改后： “你发现自己对『材料加工工艺』和『材料测试技术』这两门课的实验越来越乏味…身边 同学开始准备转专业或辅修计算机”——真实的课程、真实的转向、自洽的选项。

EN: Before: “你被调剂到一个冷门专业…” (which? no detail). After: “你发现自己对『材料加工工艺』和『材料测试技术』这两门课的实验越来越乏味…身边 同学开始准备转专业或辅修计算机” — real courses, real pivots, coherent options.

数据结构（每张专业卡片）· The schema (per major card)

中文：50 张卡片中的每一张都把事实（可被报告佐证）与亲历（观点）分开：

EN: Each of the 50 cards splits facts (report-corroborable) from lived (opinion):

bucket	fields	label
facts	core_courses · typical_paths (升学/就业/留学) · career_destinations · first_job_salary · employment_relatedness	【事实 / 报告级】
lived	daily_reality · failure_modes · common_pivots · reputation_note	【观点 / 经验】
meta	confidence (high/med/low) · provenance	—

怎么构建的 · How it’s built

中文：

• core/build_grounding.py 通过 DeepSeek-V3 为每个专业蒸馏出一张卡片，提示词要求给出具体的课程/职业/转向，并强制执行事实/观点的拆分。输出 → gaokao/real_data/major_grounding.json（859 张卡(856 个专业目录)）。
• 可重跑、可扩展： 编辑 MAJORS 列表并重跑 python -m gaokao.build_grounding 即可新增/刷新专业。
• 覆盖范围： 横跨 12 个学科门类的完整本科专业目录 —— 859 张卡(856 个专业目录)（尽力而为的 LLM 枚举；有少量垃圾条目，无害）（工/理/医/经管/法/文/教育/艺术设计/农），包括 材料 · 设计类 · CS · 法学。

EN:

• core/build_grounding.py distils one card per major via DeepSeek-V3, with a prompt that demands concrete courses/roles/pivots and enforces the fact/opinion split. Output → gaokao/real_data/major_grounding.json (906 majors).
• Re-runnable & extensible: edit the MAJORS list and re-run python -m gaokao.build_grounding to add/refresh majors.
• Coverage: the full 本科专业目录 — 906 majors across the 12 学科门类 (best-effort LLM-enumerated; a few junk entries, harmless) (工/理/医/经管/法/文/教育/艺术设计/农), including 材料 · 设计类 · CS · 法学.

数据从哪来 —— 以及它如实的现状 · Where the data comes from — and its honest status

中文：

• v1 是 LLM 蒸馏的（DeepSeek-V3），每张卡片都标注了事实 vs 观点，并带一个 provenance 标记。模型被要求只陈述它有把握与 麦可思 / 高校就业质量报告 模式相一致的报告级事实，其余一律标为观点。
• 真实报告的交叉核对是后续工作（ZH 正在处理 就业质量报告 / 麦可思 / 阳光高考 的抓取）。在此之前，事实只是被 LLM 断言为与报告一致，而非已对照源 PDF 验证。标注与 confidence 把这一点说得很明白。
• 实时 UGC 抓取（知乎/小红书）已证明不可行（反爬），未采用。

EN:

• v1 is LLM-distilled (DeepSeek-V3) with every card labeled fact vs opinion and a provenance flag. The model was instructed to state only report-level facts it’s confident are consistent with 麦可思 / 高校就业质量报告 patterns, and to mark the rest as opinion.
• Real-report cross-check is a follow-up (ZH is handling scraping of 就业质量报告 / 麦可思 / 阳光高考). Until then, facts are LLM-asserted-as-report-consistent, not verified against the source PDFs. The labels and confidence make this explicit.
• Live UGC scraping (知乎/小红书) was proven infeasible (anti-bot) and is not used.

查看 / 扩展 · Inspect / extend it

中文：

• 知识库：gaokao/real_data/major_grounding.json
• 构建脚本：core/build_grounding.py
• 查找 + 块 + 契约：core/grounding.py

EN:

• The KB: gaokao/real_data/major_grounding.json
• The builder: core/build_grounding.py
• The lookup + block + contract: core/grounding.py

局限与下一步 · Limits & next steps

中文：

• Grounding 只在选项标签点名了某个专业时才触发；那 5 个不含专业的通用原型（好学校差专业…）仍会回退到一句如实的「别编造」提示——入口处应当采集真实的专业才能发挥完整效果（计划 §2）。
• 仍待完成（见 Quality Overhaul Plan）：每一侧的身份锁定 + 一个选项有效性门控（§3）、真实报告验证、更丰富的入口采集（§2）、预生成（§5）。

EN:

• Grounding fires when the option label names a major; the 5 generic archetypes (好学校差专业…) without a major still fall back to an honest “don’t fabricate” note — intake should capture the actual major for full effect (plan §2).
• Still to come (see Quality Overhaul Plan): per-side identity lock + an option-validity gate (§3), real-report validation, richer intake (§2), pre-generation (§5).

相关 · Related

• Quality Overhaul Plan · Backend Workflow · 高考志愿 variant