最近在折腾项目的时候碰到了这个知识点，查了不少资料，索性整理出来分享给大家。
🔥承渊政道：个人主页
❄️个人专栏: 《C语言基础语法知识》 《数据结构与算法》 《C++知识内容》 《Linux系统知识》 《算法刷题指南》 《测评这篇活动推广》 《大模型语言路线学习》 《MySQL数据库学习》 《Python知识内容》 《cpolar知识学习》
✨逆境不吐心中苦,顺境不忘来时路!✨
🎬 博主简介:
准备考研时,搜到一个分数并不难.难的是明白这个分数究竟意味着什么.它是国家线、学院复试线,还是已录取考生中的最低分？招生人数是否包含推免？同一个专业代码,是否属于同一个学院？今年的专业课变了,去年的分数还有多少参考价值？这些问题在 2027考研中有一个很具体的入口：北京理工大学公布的调整信息中,软件工程专业的初试专业课由 885 软件工程专业基础综合调整为 408 计算机学科专业基础.这是已发布的科目调整信息,但不能据此推导出2027的复试线.官方调整公告于是,这次实操选择了一个有明确边界的方向：用TRAE Work中的 Seed-2.1-pro-0915,做一个叫“研途择校”的本地平台,把学校信息、考试科目、历史统计和备考差距连在一起,让大家可以沿着每个关键数字找到原文.
目录
- 一、把“非常全面”的想法拆成一个能交付的闭环
- 二、项目创建：先把验收条件交给模型
- 三、先读懂表,再抽取数字：一次多模态验证
- 四、数据结构：让每个数字带着自己的身份
- 五、成果展示：用一个模拟考生走完择校流程
- 1.先看历史,而不是被一个“最低分”吸引
- 2.比学校之前,先比考试科目
- 3.总分过线,不代表单科过线
- 4.把结果变成下一步动作
- 第1步：准备一个空项目
- 第2步：把产品边界写进 brief.md
- 第3步：把设计要求写清楚,Skill可以选用
- 第4步：放入一条有出处的最小数据
- 第5步：交给Seed生成应用主体
- 第6步：启动,做好一次最小闭环
- 第7步：用官方资料逐步加入京沪学校
- 第8步：加入地区快捷筛选和简称
- 第9步：验收后再截图
- 第10步：常见问题排查
一、把“非常全面”的想法拆成一个能交付的闭环
最初的产品愿景很大：全国院校、全部专业课、历年录取情况、个性化选校、学习计划,甚至预测上岸成功率.
但“全国数据齐全”和“能做出一个完整案例”是两种工作量.前者得长期维护招生目录、学院调整、推免口径和失效链接;后者应该先证明核心流程有效.
本次实际实现的闭环是：
找院校 → 看专业与年份 → 对比候选 → 核对历史门槛 → 记录下一步学习任务。
样本以北京、上海的计算机相关院校为重点,同时保留杭州电子科技大学和深圳大学作为对照.平台收录 11 所院校、15 项专业样本.杭电公开的连续三年报考录取统计用于展示历史数据;京沪院校用于说明考试科目、复试门槛、学习方式与培养地点的差异.
这里没有把未收集的字段补成“看起来完整”的数字.未知就是待核实,原表留白就是 null.全国覆盖、自动抓取后台、真实录取概率模型属于后续路线,不写成已经做好的功能.
图 1：京沪择校平台的首页概览.学校入口、专业样本和来源记录分别统计，筛选支持地区与简称。
二、项目创建：先把验收条件交给模型
操作在 TRAE Work 的 Code 模式中进行,选择本地 yantu-case 目录,并确认使用 Seed-2.1-pro-0915.界面中显示的 Max 是此次会话的模式标记,本文不据此推断额外的模型性能.
图 2：真实项目创建过程，包含本地目录、模型名称和构建需求。裁去账户侧栏与共享提示，仅保留操作内容。
项目提示词没有只写“帮我做一个好看的考研网站”,而是把功能、数据约束和交付方式同时说清楚：
请构建「研途择校」2027计算机考研择校平台。
先阅读 docs/plan.md 和本机 frontend-design/SKILL.md。
原生 HTML/CSS/JS，不装依赖，不 commit，不发布外网，产物放 app/。
功能：院校探索搜索筛选、最多3项专业对比、专业详情历年统计与原文来源、
模拟考生四科成绩和科目体系的备考差距分析、证据中心、可保存学习计划与导出报告。
真实数据随后写入 data/verified.json，先搭架构与完整功能及空态。
禁止编造分数人数和2027考试科目；未知显示待核实；
总分和单科线均须核对；科目未知不得输出分差；不得输出上岸概率。
上面是实际项目构建提示词的节选,反映当时已有设计文档的开发环境.面向大家的第九节另给出从空目录开始的完整操作步骤,不得私有文件.
这次搭配的本机 Skill 各有职责：brainstorming 用于收敛需求,writing-plans 把交付拆成可检查的步骤,frontend-design 给页面布局和视觉表达给出约束.TRAE的实际执行记录中可以见到它读取设计文档和前端 Skill,再逐步创建页面与交互文件.
Skill 在这里是给开发智能体参考的工作说明,并不是考生使用平台时需要安装的插件,也不是保证输出正确的魔法开关.真正决定质量的是：需求有没有说清楚,输入有没有证据,结果有没有验收.
图 3：Seed 读取本机设计指引并生成应用代码的实际记录。
三、先读懂表,再抽取数字：一次多模态验证
网页信息并不总是规整的文字.招生资料经常是跨列标题的表格、PDF 或截图.杭电公开统计表就是一个很适合验证视觉阅读的输入：表中既有一志愿报考人数,也有录取总数、推免、一志愿录取、调剂以及录取分数摘要.
本次将官方统计表渲染成图片,作为附件交给 Seed,要求它只观察图片，不读取本地已经整理好的 JSON 或文本答案。这使验证对象明确落在图像阅读,而不是让模型复述预先录入的数据.
提取050计算机学院、085404计算机技术、全日制这一行：
一志愿报考人数、录取人数、其中推免、其中一志愿录取、最高/最低/平均分。
原图空格写 null，不要补成0。
阅读表底说明：统计是否包含士兵计划？
最低分是否可以直接当成普通考生复试线？
给出表格与3条可能导致择校误判的风险，禁止输出上岸概率。
图 4：向指定模型提交公开表格图片与提取要求。
用原文逐项核对,2025 年该行包含以下数值：
字段官方表中数值一志愿报考人数1107录取人数215其中推免录取人数14其中一志愿录取人数201录取最高分381录取最低分295录取平均分324
数字本身只完成了一半工作.表格底部明确说明：录取人数包含一志愿、调剂、推免及士兵计划;最高、最低、平均分三项统计包含士兵计划考生,平均分四舍五入取整.因此,295 不能直接当作普通考生进入复试的门槛.杭电 2025 年官方统计表
图 5：保留的实际图像阅读回答。注意其中最低分“296”是识别错误，原文应为“295”。
这次验证并非一次全对：模型读对了上述七个目标数值中的六个,把最低分 295 误读成 296。复核还发现,回答虽然把调剂空白写成 null,却进一步推断“指望调剂不现实”,超出了这张历史表能支持的范围.原图下一行软件工程的最低分恰好是 296,但无法据此确认模型出错的内部原因.
处理方式是保留图像阅读回答,回到原文核对,再发起纠正;数据表始终采用已核实的 295,并保留调剂栏未知.带明确反馈后,目标行得到纠正,但模型附带描述的其他行又出现数值错误,未被采纳.原始回答与纠正版均作为过程记录保留,最终入库仍依据官方原文.模型能够给出候选提取结果,入库前仍需核对数字与推断边界.这个失败样本也是实操的一部分,不能在这篇里省略.
这是一张表中的一个目标行及其脚注的验证,不是覆盖不同院校、不同版式的准确率测试.实际建库仍然需要人工复核,尤其是合并单元格、专项计划和原表留白.
四、数据结构：让每个数字带着自己的身份
平台采用原生 HTML、CSS、JavaScript,加上本地 JSON 数据文件.没有安装大型框架,也没有在运行时接入模型 API.当前界面里的差距分析是可检查的本地规则计算.
app/ 页面、样式、路由和交互
js/data.js 读取与索引数据
js/state.js 对比篮、成绩草稿、学习计划
js/views/ 探索、详情、对比、差距、证据、计划
data/verified.json 带证据关联的案例数据
sources/ 官方资料快照
prompts/ 实际提示词
tests/ 数据与规则检查
模型先定义数据接口,随后接入整理好的真实资料.这种拆法使页面开发和证据整理可以分别推进;它也意味着接口扩展后必须检查页面是否真的展示了新字段.
例如,完整考试科目放在 subjects,单独的科目调整公告放在 subject_changes.北理工“885 改 408”的公告已经核实,不等于该校 2027 完整招生目录的所有字段都已核实.
{
"year": 2027,
"old_code": "885",
"new_code": "408",
"status": "官方调整公告已核实，待完整目录复核",
"evidence_id": "bit-2027-change"
}
图：已核实的885→408调整单独提示，不冒充完整招生目录。
类似地,复试线是 score_lines,录取分数摘要是 admission_stats,招生计划和实际录取人数分别保存.证据记录则包含来源网址、发布机构、年份、核验日期和口径说明.
几条看似琐碎的规则,直接影响用户会不会被页面误导：
- 按学院限定专业。 同校同专业代码可能分布在不同培养单位,不能只按代码合并.
- 按年份记录科目。 旧目录不自动继承到新年度,换卷后不直接比较分数.
- 保留空白含义。
null代表未获取或未核实;0必须由原文明示. - 人数带口径。 北交计划中的渤海计划、北工大计划中的推免人数,都要在对应记录旁说明.
- 访问状态也属于数据。 某些官网页面可能临时受限;应说明复核状态,而不是把搜索摘要伪装成刚刚成功打开的原页.
五、成果展示：用一个模拟考生走完择校流程
1.先看历史,而不是被一个“最低分”吸引
进入杭电计算机技术详情,可以对照 2023—2025 年报考、录取和分数摘要.表中 2025 年一志愿报考 1107、实际录取 215;这两个数属于不同口径,不能直接相除得到某个人的录取概率.
三年人数分别展示报考、录取、推免、一志愿与调剂；原表留白保留待核实。
图 6：连续三年统计及原文链接，提醒读者注意推免、士兵计划与历史科目。
历史信息的价值是帮助形成问题：人数变化来自扩招、培养方向调整还是统计口径变化？这些问题需要继续读原文,页面不应替用户编出原因.
2.比学校之前,先比考试科目
对比篮最多放三项专业,避免横向表格挤成看不清的数字墙.对比的基本顺序是学院与专业 → 科目组合 → 年份 → 门槛 → 计划及备注.
图 7：对比表上半部分保留院校、学院与专业身份，2027 未核实信息明确标注。
接续同一对比表，三列从左到右为杭电、北航、北交。复试线与录取分数摘要分开陈述，缺失项不参与排名。
对备考者而言,“我学的是英语一、数学一、408”通常比“学校名气大不大”更早决定转向成本.英语一与英语二、数学一与数学二、自命题与 408 都不应在一次试算中默认等价.
3.总分过线,不代表单科过线
演示采用明确标注的模拟成绩.历史参照与目标入学年度分开选择：用户可以查看 2026 已核实的门槛,却不能把它当成 2027 的承诺.
例如,以北交 2026 已核实复试门槛为历史参照,总分为 322,百分制科目单科要求 35,150 分科目要求 53.输入政治 70、英语 30、数学 120、专业课 120，总分是 340,仍然有英语单科缺口.北交官方复试办法
图 8：本地规则同时检查总分和单科，不把“总分够了”写成“可以上岸”。
若所选考试科目与该年官方目录不一致,直接分差不应继续输出.若 2027 科目尚未核实,页面应把结果停在“需要补充证据”,而不是填入一个貌似精确的百分比.
4.把结果变成下一步动作
“发现差距”之后,还需要能做事.学习计划用于保存目标专业、任务与进度,报告可以导出留存.证据中心则让用户集中检查原文与核验说明.
图 9：上海大学的目录、分数线和复试方案分别列出，来源与访问说明集中展示。
图 10：已保存的模拟学习计划，刷新后仍保留一份。数据保存在当前浏览器本地。
实际点击导出后打开的 HTML 报告：英语差 5 分，对应每周阅读与错题复盘任务，同时保留官方来源。
六、京沪院校怎么选：让学校、专业和数据口径对应起来
这个平台把京沪院校放在重点位置：北京有北航、北理工、北交、北工大、北科大和华北电力,上海有同济、华东师大和上海大学.用户可以通过地区快捷按钮缩小范围,也可以直接输入习惯使用的学校简称.
检索只是入口.真正影响选择的,是具体学院、学习方式、考试科目,以及各类分数与人数的含义.下面用实际收录的学校说明这些差异.
1.平台收录了哪些学校
平台界面共有 11 所院校、15 项专业样本、27 条来源记录。其中，北京 6 所、上海 3 所,另外保留杭电和深大.数量是当前案例快照的覆盖范围,不代表这些学校只有这些专业,也不代表 27 条来源都已完整核验.
地区院校本案例已录入的专业范围阅读重点北京北京航空航天大学081200 计算机科学与技术006 计算机学院的历史复试要求北京北京理工大学085405 软件工程2026 目录与 2027 的 885→408 调整分开北京北京交通大学085404 计算机技术计划中包含渤海计划，不能忽略培养口径北京北京工业大学085405 软件工程总计划、拟推免、拟统考分别解释北京北京科技大学085404 计算机技术060 学院，初版目录计划与复试计划有区别北京华北电力大学（北京）085404 计算机技术、085405 软件工程004 学院；不合并保定及其他培养单位上海同济大学085404 计算机技术170 学院；不能套用其他中心同代码的分数上海华东师范大学085404 计算机技术135 学院全日制；与非全日制分开上海上海大学085405 软件工程计算机学院全日制；不混入非全日制计算机技术浙江杭州电子科技大学081200、083500、085404、085405050 学院三年报考录取统计广东深圳大学085404 计算机技术110 学院；不合并其他培养单位同代码
这里最有用的,恰恰是那些不能用一句“这所学校多少分”概括的差异.
2.北京：校名相似,口径不能省略
京沪择校平台的真实页面：北科大与华北电力的专业、学院、科目和历史复试线一起展示。
北京科技大学这次录入的是 060 计算机与通信工程学院的 085404。2026 目录科目是 101、201、301、408;复试方案中的普通计划门槛为总分 330、百分制科目 35、150 分科目 53.初版目录和复试阶段计划发生了更新,因此页面采用复试阶段的“拟招统考 37”并保留口径,不把目录总数和统考名额混为一谈.官方目录、学院复试方案
还有一个与真实选择有关的细节：该复试方案提到 2027 年 3 月起分批入住雄安校区.由此可以看出,按“北京院校”筛选，并不等于承诺整个培养过程都在北京。平台保留地区筛选,同时把培养地点的核对提醒放到专业备注中.同一官方方案
华北电力大学采用北京招生口径,录入 004 控制与计算机工程学院的两项专硕.2026 目录中两项均为 101、204、302、408;计算机技术的目录计划为 35,含拟推免 16;软件工程为 20,含拟推免 5.相应历史复试总分分别为 332、274,单科为 35、53.这些是不同专业的历史门槛,不能据此推导未来的录取难易排序.官方目录第 3 页、官方复试要求第 1 页
3.上海：同样考408,也不是同一套备考成本
同济、华东师大、上海大学的院校样本。画面保留三所学校的完整卡片，没有把一张长网页缩成看不清的缩略图。
同济这次选择 170 计算机科学与技术学院（软件学院）085404，2026 初试为 101、201、301、408;全国统考普通计划复试门槛为总分 340,政治、外语各 55,两门业务课各 90.不要因为搜索结果里还有同校其他培养单位的 085404,就把分数线拼到这条记录上.官方专业目录、170 学院官方复试要求
华东师大采用 135 计算机科学与技术学院、01 全日制方向，科目为 101、204、302、408.官方公布的该专业复试总分为 264;单科按国家线执行,当前样本没有另行录入尚未独立核验的单科数值.复试实施细则中的普通全日制统考计划为 65,专项计划另列.官方目录、官方分数要求、学院实施细则
上海大学录入的是 008 计算机工程与科学学院、085405 软件工程全日制，2026 科目为 101、204、302、408。普通计划复试要求是总分 358，政治 45、外语 40、两门业务课各 75，拟招统考 57.其学院方案中的 085404 计算机技术为非全日制,不能把它的专业名称、计划和全日制软件工程拼成一个“上大计算机”条目.官方目录、官方复试分数线、学院复试方案
这组三校样本至少提示两件事：其一,都是 408,公共课仍可能是英语一、数学一或英语二、数学二;其二,总分门槛低,不等于最后录取容易,也不等于复试没有竞争.页面先把事实摆齐,用户才有条件继续判断.
4.如何让Seed实现这组检索功能
资料核验与数据入库单独进行;模型的检索功能任务限定在应用层,具体要求如下：
先读项目中的院校探索、数据加载和CSS文件，完成以下检索功能。
实现“全部地区 / 北京 / 上海”快捷按钮，与地区下拉共用筛选状态。
展示总学校数、专业数、北京学校数、上海学校数、来源数；从JSON动态计算。
支持北科大、华电、华师大、上大、同济等简称。
保留全名和专业代码搜索；没有数据时显示空态，不创造招生信息。
只改必要应用文件；保持无依赖、本地运行和现有设计风格。
不改资料、分差规则，不安装依赖，不发布，不输出成功率。
Seed 对地区筛选与动态统计的实际实现说明，图中展示了这两项功能的完整说明。
模型通过探索页与样式文件实现这些要求：快捷按钮复用了原有地区状态;概览从已加载数据动态统计;简称表支持与数据中的别名字段配合.原有全名和专业代码匹配继续保留.这些实现复用了已有的数据与筛选逻辑.
学校与专业样本分别统计,检索结果只展示数据集中实际收录的专业;学校简称、专业代码与地区条件共同参与筛选.
七、Seed-2.1-pro在这个案例里,具体体现了哪些能力
如果只写“模型很强”,很难判断强在哪里.我更愿意把它放回真实任务里,看它接住了哪些环节.
观察维度本次实际任务可观察的产物结论的适用范围带约束的需求执行功能、禁止事项、数据缺失规则同时写入提示检索、对比、分析、证据、计划形成完整流程说明本任务中能执行多项要求，不等于所有约束一次全对读取项目上下文读取计划、现有文件及本机前端 Skill沿现有目录创建和修改页面是本地代码智能体工作过程，不是单轮文本回答多模态资料阅读观察官方统计表图片，定位行列与脚注输出结构化候选值和解释出现过数字与推断错误，需要复核；不报告通用准确率多文件编码实现数据层、状态层、路由和多个功能页可运行网页及可保存计划成品还包含后续协作修正，不能全算作一次生成连续需求迭代结合项目上下文实现京沪筛选和简称复用地区状态、动态统计、保留原有功能体现修改既有项目的能力，范围为本次实际变更根据具体错误修复反馈空值处理、年份同步和手机溢出问题定位相关逻辑并修补必须重新执行相应测试，完成说明不是通过证明
这个案例的优势,在于同一个开发过程里同时出现了“读需求、读文件、看图片、写代码、改代码”.这些动作之间有联系：图表字段影响数据结构,数据结构影响页面,用户追加的京沪需求又要求保留已有状态.
模型创造价值的地方，是把这些工作接起来。 例如,输入“华电”后找到对应学校,需要让简称映射、专业归属和地区筛选共同生效,并准确展示两项专业的不同门槛.展示这些细节,比列一长串没有测过的能力参数更有说服力.
与此同时,需要把角色说清楚.Seed 负责了应用主体、公开图片阅读和多轮代码迭代;资料检索、逐项来源核验、补充数据和最终协作审查也参与了成品形成.本文没有把这些工作全部包装成模型独立完成,更没有把开发过程中的模型调用描述成平台正在给出实时 AI 招生服务.
运行成品时不需要模型密钥.模型在开发阶段帮助构建工具;工具在使用阶段执行透明的本地规则.若后续接入在线问答,那会是新增功能,需要另行处理检索引用、上下文、费用与失败回退.
八、验收：用能复查的结果替代“看起来完成了”
“网页能打开”只是验收的起点.本次重点检查四类问题：来源是否对应,科目是否可比,输入是否合法,以及缺失数据是否被偷偷变成确定结论.
数据检查覆盖 15 项专业、27 条来源记录、58 处证据关联，核对记录与来源的学校和年份、分数范围及统计值之间的约束.状态检查覆盖三项对比上限、刷新后保留状态、更新计划不重复、删除测试计划等行为.检查通过不代表数据永远有效;它证明的是当前快照满足这些检查条件.
实测内容应见到什么“北科大”检索北京科技大学 1 项专业“华电”检索北京招生口径的 2 项专业“华师大 / 上大 / 同济”各定位到相应学校北京快捷筛选6 所学校、7 项专业样本上海快捷筛选3 所学校、3 项专业搜索“同济”再选择北京0 条匹配，并给出清空筛选的提示上海 + 专硕组合3 项专业保留，两个条件共同生效同样本总分与单科校验340 分可以同时出现总分达线、英语不足科目不匹配或年度缺失不能直接输出可比分差
验收发现过几个具体问题,解决方式也各有针对性：
问题为什么会影响用户如何处理空成绩被当成 0用户没填完就收到分析先判断空值，再检查整数与分数范围；反馈 Seed 修复切换历史年份后科目同步不更新比较对象和试卷可能错位修正年份控件与同步逻辑，并复测详情页链接中的旧目标覆盖新选择用户以为在分析 A，实际仍分析 B协作审查修正目标状态优先级手机筛选栏撑宽页面输入框被挤出屏幕，无法完整操作实测 390 像素宽时页面达到 708 像素，反馈 Seed 修复内联网格对媒体查询的覆盖
最后一项尤其典型.模型完成说明写了手机适配,但浏览器实际测量仍然发现溢出.把“390 像素视口、页面宽 708、内联网格覆盖断点规则”这三个事实反馈回去,比一句“手机端不太好看”更容易得到针对性的修复.
修复后复测,探索页和证据中心的页面宽度均为 390 像素,桌面 1280 像素下也未产生整页横向溢出.证据中心的同类内联列定义由协作审查一并移除.
这也是我在案例里保留测试过程的原因：模型的解释可以帮助定位问题，实际界面和检查结果才决定这一轮是否收尾。
九、如何从空文件夹做出同类平台
本文没有给出公开源码下载地址.下面采用“从零重建同类案例”的方式：直接给出准备步骤、最小数据样例、可复制提示词和验收标准.不需要拿到我的项目目录或任何所谓复现包.
这里复现的是方式与核心行为,不承诺模型每次生成完全相同的代码或像素级一致的页面.先用一所学校、一项专业跑通,再按同一规则扩展,会更容易检查.
第1步：准备一个空项目
准备 TRAE Work 的本地 Code 工作环境、可选择的模型,以及 Python 3.本文实际使用的是 Seed-2.1-pro-0915;复做时记录自己实际选到的完整名称.如果界面没有这一选项,使用其他模型得到的结果应标明实际模型,不能宣称是同型号复现.
在电脑上新建文件夹,例如 yantu-demo,接着在 Code 工作环境中选择该目录.先创建下面三个文件：
yantu-demo/
docs/brief.md
docs/ui-rules.md
data/seed.json
可以手动建立,也可以在终端执行：
mkdir -p yantu-demo/docs yantu-demo/data
cd yantu-demo
Windows 不熟悉终端的人,直接用文件管理器建文件夹即可.后续所有命令都在 yantu-demo 根目录执行,不是在 app 子目录里执行.
第2步：把产品边界写进 brief.md
把下面内容保存到 docs/brief.md：
产品：研途择校，小规模、可追溯的计算机考研择校案例。
用户流程：找学校 → 看专业 → 对比 → 用模拟成绩核对历史门槛 → 保存学习任务。
初版仅使用data/seed.json，不抓取全国数据，不自动补充缺失值。
院校、学院、专业代码、学习方式、年份必须一起展示。
允许：搜索学校全名和简称；按地区筛选；最多3项专业对比；专业详情；
四科模拟成绩分析；证据列表；浏览器本地学习计划；HTML报告导出。
强制规则：未知显示待核实；原表空白为null，不能当0。
必须先检查年份、科目组合、四科输入，再比较总分与单科门槛。
复试线与录取最低分分别存储、分别命名。
本地规则只能显示差距，不能输出个人上岸概率或保证录取。
先实现loading、empty、error和正常状态，再接入更多学校。
运行技术：原生HTML/CSS/JavaScript，静态服务，本轮不装依赖、不发布。
这份文件相当于把“我要一个全面的平台”翻译成模型能逐项实现的要求.以后追加功能时,也能据此判断有没有偏离原来的边界.
第3步：把设计要求写清楚,Skill可以选用
本案例调用了本机的需求梳理、计划和前端设计 Skill.如果已经有这些 Skill,可以让模型读取自己电脑上的实际文件路径;不要照抄我的用户目录.
没有相同 Skill 也能继续。 把下面内容保存到 docs/ui-rules.md,提供一份不依赖外部文件的设计说明：
暖白背景、深蓝导航、橙色主按钮；正文用清晰的中文系统字体。
页面顺序：标题与说明 → 覆盖范围 → 筛选 → 院校卡片。
数字旁必须写年份与类型，例如“2026复试线（非录取线）”。
未知字段用文字“待核实”，不要只用颜色区分。
每个输入都有label，按钮用原生button；键盘能完成主要操作。
桌面采用清晰网格，手机改成单列；390px宽不能整页横向溢出。
长对比表允许在表格容器内部滚动，不把整个页面撑宽。
空态说明原因并给出清空筛选按钮；资料访问受限显示原文入口。
不要添加虚假招生宣传、全国覆盖数字、成功率仪表盘。
Skill 的价值是提供更成熟的工作方式;它不应成为大家拿不到就无法动手的隐藏依赖.
第4步：放入一条有出处的最小数据
下面是供重建使用的简化数据格式，不是原项目完整 JSON 的节选.复制到 data/seed.json 后,让模型明确按照它编写数据层.采用北交 2026 年计算机技术全日制作为一个最小样本,考试科目与门槛分别指向目录和复试办法.
{
"schemaVersion": "demo-1",
"targetYear": 2027,
"checkedAt": "2026-09-23",
"schools": [
{
"id": "bjtu",
"name": "北京交通大学",
"aliases": ["北交", "北交大"],
"region": "北京",
"status": "partial",
"programs": [
{
"id": "bjtu-002-085404-full",
"college": "002计算机科学与技术学院",
"code": "085404",
"name": "计算机技术",
"degree": "专硕",
"studyMode": "全日制",
"subjects": [
{
"year": 2026,
"codes": ["101", "201", "301", "408"],
"sourceId": "bjtu-catalog-2026"
}
],
"retestLines": [
{
"year": 2026,
"total": 322,
"politics": 35,
"foreign": 35,
"math": 53,
"major": 53,
"sourceId": "bjtu-retest-2026"
}
],
"plans": [],
"admissionStats": [],
"subjectChanges": [],
"note": "仅为历史参考；未核验2027完整目录，不外推录取概率。"
}
]
}
],
"sources": [
{
"id": "bjtu-catalog-2026",
"year": 2026,
"title": "北京交通大学2026年硕士研究生招生专业目录",
"url": "https://yzb.bjtu.edu.cn/tzgg/4c6c0e3e36894b029dc78fdd01533f38.htm",
"note": "定位002学院085404全日制，读取官网附件中的四科代码。"
},
{
"id": "bjtu-retest-2026",
"year": 2026,
"title": "计算机学院2026年硕士研究生复试录取工作办法",
"url": "https://cs.bjtu.edu.cn/zsjy/yjszs3/yjszs_sszs/b18affb0f3024ed9b6c76869bca7cd8e.htm",
"note": "本例只使用普通计划085404复试门槛，不录入其他计划。"
}
]
}
实际复做前,打开样例中的两条官方链接重新核对.日期字段记录你真正完成核对的日期;不要只修改日期而不检查内容.若页面失效或信息更新,保持缺失并记录原因.
这里把 plans 留空,是因为最小闭环要验证的是“同科目、同年份下总分与单科同时检查”,不需要一开始就填满所有栏目.以后补计划,也必须注明是否含推免、专项、其他校区和调剂.
第5步：交给Seed生成应用主体
在项目对话里粘贴：
请先阅读docs/brief.md、docs/ui-rules.md和data/seed.json，
简述数据字段与页面对应关系，然后直接实现可运行的应用。
使用原生HTML/CSS/JS，不引入框架和第三方运行依赖。
产物：app/index.html、app/css/styles.css、app/js/下的必要模块。
从../data/seed.json读取数据，不把学校或统计数量硬编码在HTML里。
以哈希路由实现院校探索、专业详情、专业对比、备考差距、证据、学习计划。
基础应用细则：
1. 关键词支持学校全称、aliases、专业名和专业代码。
2. 专业详情分开展示subjects、retestLines、plans、admissionStats、subjectChanges。
3. 每条历史事实显示年份，来源按钮通过sourceId关联sources。
4. 成绩先检查非空、整数、合法范围；前两科0—100，后两科0—150。
5. 四科代码必须与所选历史年度完全一致，否则停止直接分差比较。
6. 总分门槛和单科门槛分别检查；单科未知时不声称“全部达线”。
7. 目标2027资料未知时显示待核实，不拿2026资料冒充2027。
8. 学习计划保存到localStorage；修改原计划不新增重复记录。
9. 报告使用安全的文本转义，导出HTML并保留来源链接和模拟数据标记。
10. 对比上限3项；重复加入不重复；刷新后仍保留本地状态。
禁止虚构数据、输出成功率、接入收费服务、安装依赖、提交Git或发布公网。
完成后给出启动方式和待验证事项，不把尚未实测的行为写成测试通过。
不要只看它回复了“完成”.打开目录确认文件确实生成,再检查入口是否请求了正确的数据路径.模型生成的文件名称可以不同,但数据、显示和计算应有清晰边界,避免把全部逻辑挤在一个页面中.
第6步：启动,完成一次最小闭环
先确认 Python 3 可用,再在项目根目录运行：
python3 -m http.server 8765 --bind 127.0.0.1
Windows 如果使用 Python Launcher,可改为：
py -3 -m http.server 8765 --bind 127.0.0.1
接着在浏览器打开 http://127.0.0.1:8765/app/.保持终端运行,按 Ctrl+C 停止服务.不要直接双击 index.html,否则本地 JSON 的读取可能被浏览器限制.
如果 8765 已被占用,换成 8766,并同时修改浏览器地址中的端口.浏览器的本地存储按站点来源隔离,换端口后看不到之前的学习计划是可能发生的,不要误认为报告已经自动同步.
用最小数据样例时,覆盖概览应该是 1 所学校、1 项专业，不是本文最终版的 11 所、15 项.先搜索“北交”,进入详情,再执行下列操作：
1. 历史参照选 2026；科目选 101、201、301、408。
2. 输入模拟成绩 70、30、120、120，合计 340。
3. 应见到总分比历史门槛高 18 分，英语比历史单科要求低 5 分。
4. 把英语改为 40，总分随之变为 350；英语不再低于该年单科线，但不能出现“保证录取”。
5. 清空任意一科，应该要求补全；不能把空白按 0 计算。
6. 将英语代码改为 204，应该提示科目不一致，停止直接分差比较。
7. 切到 2027，没有该年已核验科目与门槛，应该显示资料不足。
8. 保存一份模拟计划，刷新确认还在；编辑它后应仍只有一份。
这八步把搜索、详情、计算、边界和保存串在一起,比逐个按钮“点一下没报错”更接近真实使用.
第7步：用官方资料逐步加入京沪学校
现在再从第六节中的官方链接开始,每次加入一所学校的一项专业.先选学院和学习方式,再核对年份、专业代码、科目、分数和计划口径.
每份资料可以要求模型先返回这样的核验表：
请阅读我提供的官方页面或附件，不自行补全缺失信息。
按“学校 / 学院 / 专业代码 / 学习方式 / 年份”定位唯一条目。
逐字段输出：字段名、原文数值、单位、页码或表格位置、来源URL、口径说明。
人数分为总计划、拟推免、拟统考、实际录取；不同类别不能替换。
分数分为复试线、录取最低、最高、平均；不能混用。
原文空格写null，未能打开原文写访问受限。
先给候选结果，不直接修改正式数据；我核对后再合并。
遇到图片或 PDF 表格时,保留列标题、目标行和脚注,不要只截一个裸数字.把原图作为附件提交,要求模型逐列对齐,必要时只处理一行.这样更容易发现 295 与 296 这种细小但影响解释的差异.
录入新学校前,先完成至少一项专业的考试科目与来源核验,再加入公开案例.不要复制其他学校的数据作为占位.
这里有一个需要提前处理的技术点：不要只用专业代码作主键。 建议用至少使用“学校—学院—专业—学习方式”作为记录标识,再把年度数据放到记录内部;如果不同方向规则不一致,还需继续细分.这样可以避免同校多个学院的 085404 相互覆盖.
第8步：加入地区快捷筛选和简称
在现有院校探索页增加北京、上海、全部地区快捷按钮。
快捷按钮与地区下拉共用同一状态；保留关键词、学位、学习方式筛选。
优先使用学校数据中的aliases；支持北科大、华电、华师大、上大、同济。
统计从当前JSON动态计算，分别展示学校入口数量、专业样本数量和来源记录数量。
每所展示院校应包含实际收录的专业及其来源，不创建虚构专业。
应用专业条件时，只返回真正匹配的专业。
先检查现有实现，复用原有组件和事件；不要重建整个项目。
注意简称存在歧义的可能.例如全国扩展时,“华师”可能被不同用户理解成不同学校.本文样本采用明确的“华师大”映射,但全国版本更适合显示候选学校,让用户确认,而不是把简称永远硬编码成唯一答案.
第9步：验收后再截图
先测试,再拍展示图.建议至少保留：项目创建与模型选择、Skill 或设计说明读取、资料图片输入、模型结构化回答、院校探索、专业详情、横向对比、单科不足、学习计划、扩展迭代.
一张图只承担一个主要问题.长表按完整逻辑分段,每一段保留列标题或在图注说明接续关系.不要为了“完整”把整页缩到文字无法辨认;也不要裁掉决定含义的年份、专项计划和脚注.
手机端除了肉眼查看,还可以在浏览器开发者工具控制台执行一个只读检查：
({
viewport: window.innerWidth,
page: document.documentElement.scrollWidth,
overflow: document.documentElement.scrollWidth > window.innerWidth
})
在390像素宽下,如果整个页面宽度更大,继续定位溢出元素.常见原因包含内联网格列定义覆盖媒体查询、固定最小宽度、长网址不换行.对比表内部滚动与整页横向溢出要分别看待.
反馈模型时,可以直接写：
复现路径：打开院校探索 → 设置390px视口。
实际结果：页面宽度708px，出现整页横向滚动。
预期结果：页面不超出390px，表格如需滚动只在自身容器内。
已定位：筛选栏内联grid-template-columns覆盖了媒体查询。
请只修复这部分，保留现有状态和数据；修改后检查桌面和手机两个尺寸。
第10步：常见问题排查
现象优先检查什么页面打开但没有数据服务器是否从项目根目录启动；请求路径是不是 ../data/seed.json；JSON 有无语法错误点击页面链接就 404是否把页面路由误写成真实服务器路径；本案例使用哈希路由换了数据，界面仍旧浏览器缓存；确认读取的是当前文件，并刷新页面搜索简称没结果是否有 aliases；是否还保留着其他地区或学位筛选加了学校，统计数没变化统计是否写死；数据层是否成功加载新增记录保存计划后变成两份更新是否使用稳定 id；保存动作是不是每次都新建 id模型说测试通过，实际界面不对要求提供可重复的操作路径和结果；以浏览器实测为准
完成这些步骤后,得到的是自己从空目录生成、逐项核验的同类项目.代码可以与本文不同,但关键行为应该可解释、可检查.这个过程本身,就是可以继续扩展到其他地区和专业的基础.
十、下一步：哪些扩展值得做,哪些需要更多证据
如果继续维护,我会优先考虑以下四项,而不是先增加一个看上去精确的成功率百分比.
专业课变更记录。 把“旧科目—新科目—生效年度—公告—最终目录”连起来.考生可以看到变化过程,不需要从零散截图中猜测.
个人择校清单。 在用户自己选择的学校中记录预算、地区、培养地点、学制、考试组合与待核实事项.对未知条件明确留空,避免用自动排名替代个人偏好.
证据更新记录。 给每条来源保留发布时间、检查时间和版本;新公告不能悄悄覆盖旧口径.链接暂时打不开时,提示复核,不直接删除历史说明.当前案例尚未实现自动监控后台.
基于差距的学习反馈。 先积累用户主动记录的模拟成绩、错题类别和任务完成情况,帮助观察学习变化.这些可以用于计划复盘;不能因为收集了几次分数,就宣称得到了校准过的个人录取概率.
真正的概率模型需要明确预测目标、同口径样本、时间外验证、概率校准和误差分析,还要处理复试表现、招生调整与样本偏差.本案例没有这些条件,因此继续保留“备考差距分析”的准确名称.
从工程维护看,新增页面并不是最重的工作.更长期的成本在于目录更新、学院改名、同代码多口径、缺失字段和来源失效.先把数据身份与核验流程设计清楚,后来扩展十所、百所学校时才不至于反复返工.
这次使用Seed-2.1-pro的价值,是让一个带有真实约束的想法变成了可以点、可以改、可以测试的工具;处理京沪检索需求时,它能够沿着项目上下文继续完成代码任务.模型输出经过原文核对与功能验收,才成为最终页面的一部分.
🚀真正的勇者不是流泪的人,而是含泪奔跑的人!
敬请期待下一篇这篇内容
每日心灵鸡汤: 别把一时的感受定为永恒,时间会替你重新理解一切!
人的想法和感受,真的会随着时间和认知的改变而改变.原来你笃定不会变的事情,会在之后的某一刻就很容易变得释然.原来你我认为遗失、整日惆怅不得其解的事情,会在之后的某一刻变得不再那么重要.人都是会变的,情绪和感受也都是会流动的,不要把一时的感受定为永恒.时间也不一定能证明什么东西,但一定能让你看透许多人和事.一年的时间也可以让人改变许多,不信你回头瞧瞧去年的自己,也早就不是以前的你自己！
这篇笔记就先到这里，后面用到新的思路或者发现有问题再补充。
评论 (0)
暂无评论