专业瞭望塔

它在解决什么问题

市面上的专业信息大多回答"这个专业平均能干什么"，却回答不了"我这个专业对我怎么样"。同一个计算机专业：在杭州读和在兰州读，薪资回报与岗位密度完全不同；考研为主和直接就业，大一到大四的行动清单是两套；求稳想考编和追高薪敢闯，岗位推荐排序甚至相反。信息本身不难查，难的是把全国基准数据与个人画像叠加起来，产出一份属于某个具体人的结论。

核心机制

这个技能把"专业底座数据"和"个人修正因子"拆开：

• 底座层：内置 50 个专业的全国基准 JSON，含行业、岗位、演化、规划与 15 指标评分，由 scripts/validate_base.js 做四步校验（课程回链、评分重算、结构完整性、置信度一致性）。
• 修正层：scripts/personalize.js 执行三级修正——城市因子 × 学校档位查表 × 个人画像因子。例如薪资回报 = 8.0 × 薪酬指数 1.12 → 8.9，并注明依据来源。
• 画像采集：最多 11 问，分 P0-P4 四阶。P0（专业全称 + 年级）必填，其余可跳过；全跳过则降级为标准版，adapt_score 为 null，前端显示"基准推荐"徽标，绝不伪造个性化。
• 报告输出：scripts/gen_personal_report.js 渲染 HTML，含双圈雷达（外圈全国基准、内圈个人修正）、三路线规划卡（考研/就业/双线）、岗位 Top3 重排，以及风险缺口三拆（可补技能、资格门槛、经验门槛）。

四步流程与门控

1. 画像采集：四阶提问，CHECKPOINT-1 确认已捕获 P0，否则切入选专业咨询模式。
2. 专业匹配：模糊匹配 50 库；未命中走"新专业首报"，新底座必须过四步校验才能出报告。
3. 三级修正：CHECKPOINT-3 要求每条修正带依据，无依据回滚；用户未表态的方向不替其假设。
4. 报告生成：占位符残留检查必须为零，出现 {{__DATA__}} 或 undefined 即视为交付失败。

适用边界

• 只做"已选专业 → 个人分析"，不做跨专业横向对比选专业。
• 岗位与薪资是底座库静态基准，不联网抓 JD，不做实时查询。
• 不做简历修改、面试辅导、心理测评、考研院校匹配。
• 未入库城市禁止"同省近似"借用：主路径是新城市入库 SOP，来不及时用层级基准临时预估并标记 pending_growth_cities。
• 隐私红线：不问家庭收入、家长职业等敏感信息。