张雪峰的开源 AI 填志愿 Agent：1932 页方法论、9.3 K Stars，一个敢说真话的 AI

最近 GitHub 上有个项目火了。名字就很直给：zhangxuefeng-skill，副标题是「张雪峰的认知操作系统——高考志愿/考研/职业规划的实战思维框架」。9,290 颗星。

我点进去看了半小时，出来只有一个感觉：这帮人把张雪峰那些价值 5000 块一小时的志愿填报方法论，压缩进了一个 Python 脚本。还开源了。

这是什么？

项目整合了 8 本志愿填报专著（1932 页 OCR 提取）、61 节专业视频课程（1500+ 分钟）、792 个本科专业的完整就业数据、2600+ 所高校数据、20+ 个高校行业联盟分类。17 个知识库模块覆盖方法论、选科、专业、学校、考研、就业、专科、趋势。

工作流程：意图识别→结构化采集（省份+分数+兴趣+家庭资源+就业诉求，缺啥问啥）→冲稳保匹配（位次法+家庭资源禀赋+专业就业前景）→敢说真话（不适合你的专业直接告诉你）→实时搜索最新政策→模型无关（兼容 DeepSeek/千问/GLM/GPT/Ollama 任意模型）。

为什么这个项目会火？

原因一：独特的人格。继承张雪峰最鲜明的特点——不只说「哪个专业好」，还说「哪个专业不好，哪些人不适合做这个」。README 里举了一个例子：考生说「性格内向、不喜欢编程，但想学人工智能」。Agent 回答：「AI 就业好但需要较强逻辑和代码能力，和你的性格不匹配。与其硬冲热门，不如看看心理学、康复治疗学。」大厂的 AI 志愿工具很难说这种话——大厂的底线是「不得罪人」。一个开源项目没有这个包袱。

原因二：方法论透明。全部方法论写在代码里和数据文件里。你可以打开看看它是如何评估学校的、用什么指标体系、在什么条件下给出什么建议。你不能审计元宝的推荐逻辑，但你可以审计 xuefeng-agent 的。

原因三：部署自由。可以跑在你自己的电脑上，不需要联网，个人数据不出本地。对于特别在意隐私的家庭来说，这是一个不小的卖点。

跟大厂工具比，差距在哪？

数据更新机制上，大厂能接入考试院实时数据，开源 Agent 依赖静态知识库+自主搜索。用户体验上，大厂有图形界面一键导出，开源需要配 Python 环境。但一个有意思的使用思路是：用大厂的 AI 生成方案，用开源的 Agent 做交叉验证。两个来源、两种方法论、两套逻辑——如果它们给你的建议高度一致，你可以更有信心。

开源背后的新信号

「专家知识蒸馏」（Expert Knowledge Distillation）正在成为新的开源品类。GPT 同天出现的 ai-berkshire 把巴菲特、芒格、段永平的投资方法论蒸馏成多 Agent 研究框架，garrytan/gstack 把 YC CEO 的 Claude Code 配置全开源。这些项目的价值不在于「给出正确答案」，而在于「用某种特定的思维方式来思考问题」。

GitHub 的 9.3 K Stars 说明了一件事：在中国即将有 1290 万家庭面临志愿填报决策的时刻，很多人需要的不是「更多的信息」，不是「更漂亮的图表」，而是一个敢于说真话的参考意见。

本文基于 GitHub 开源项目公开信息整理分析，由 AI 辅助调研撰写，人工审核发布。