分析师/贾玥
校对/Tina
策划/Eason
高考刚结束，另一场牵动千万家庭神经的“大考”已经开始了。
每年六月，总有两个热搜不会缺席：一个是高考作文，另一个是志愿填报。
相比考试本身，志愿填报往往更让人焦虑。考多少分是一回事，怎么把分数用好又是另一回事。学校、专业、城市、就业、考研、考公、家庭条件、个人兴趣……每一个选择都可能影响未来四年的轨迹，甚至更长的人生路径。
也正因为如此，高考志愿填报逐渐催生出一个规模不小的市场。几百元的志愿卡、数千元的填报咨询、上万元的一对一规划服务层出不穷。对于很多家庭来说，花钱买的未必是信息，而是一种确定性。
但问题在于，并不是所有家庭都能承担这样的成本。数据显示，中国每年有超过1000万考生参加高考，但真正聘请专业志愿规划师的家庭不到5%，绝大多数考生仍然依靠自己搜资料、查分数线、刷论坛完成填报。
就在这样的背景下，6月10日，阿里旗下千问上线了国内首个全周期高考志愿填报Agent，面向全国考生免费开放。从查分、规划到填报、录取跟进，全流程提供志愿服务。
表面上看，这是一次高考产品升级；但如果把视野放大一点，它更像是一场对高考志愿填报行业的重新定价——那些过去动辄数千元甚至上万元的专业服务，正在被AI压缩到接近零成本。
而更值得关注的是，当AI开始介入高考志愿这种高复杂度、高后果的人生决策场景时，Agent似乎终于不只是一个会聊天的概念了。
高考志愿填报看起来是在选学校，本质上却是在做人生决策。
同样是650分，有人想留在本地发展，有人更看重城市机会；有人希望未来考研深造，有人则希望毕业后直接就业。哪怕分数相同，不同家庭背景、职业规划和个人性格，也会导向完全不同的选择。
这也是为什么志愿填报市场长期存在。
家长真正购买的，从来不是一张院校名单，而是一个经验丰富的人帮自己梳理需求、分析利弊、规避风险。
而千问这次瞄准的，恰恰就是这部分能力。
与传统搜索式工具不同，它并不会简单根据分数生成一张学校列表，而是先建立完整的考生档案。除了省份、选科、成绩和位次，它还会了解地域偏好、职业规划、专业兴趣、毕业去向，甚至MBTI性格类型。
如果你说“只想留在北京”，它会按照这个条件推荐；如果后续又补充一句“学校特别好，去外地也可以”，系统会自动调整策略，把更多符合条件的院校纳入方案。
换句话说，它不再只是回答问题，而是在持续理解你的目标。
过去需要志愿规划师反复沟通数小时才能完成的需求梳理，如今正在被Agent接管。
很多人以为填志愿最大的难点是信息不够。
事实上，在互联网时代，大部分信息都能找到。学校官网、招生简章、历年分数线、专业介绍，网上几乎都有公开信息。
真正困难的是如何把海量信息转化成一套可执行的决策方案。
一所学校值不值得报？一个专业未来发展如何？冲、稳、保应该怎么搭配？当上千所高校、数千个专业摆在面前时，信息越丰富，反而越容易陷入选择困难。
为了让Agent具备这种能力，千问并没有简单套用通用大模型。
其背后建立了一套覆盖全国近3000所高校、2000多个专业的知识库，不仅包含录取数据，还融合了转专业政策、在校生评价、就业信息等大量非结构化内容。同时引入独立记忆引擎和数十项专业工具，能够自主完成位次换算、就业数据调取、录取信息核验等任务。
更关键的是，它开始像一位真正的志愿规划师一样工作。
使用过程中，考生首先填写所在省份、选科组合、预估分数或位次等基础信息。随后，Agent不会立即给出推荐结果，而是继续追问：更看重学校还是专业？是否考虑考研？愿不愿意去外地？未来倾向就业、考公还是深造？
这些问题看似简单，却恰恰决定了最终方案的方向。
比如一位江苏考生预估650分，希望未来进入互联网行业。Agent不仅会推荐计算机相关专业，还会进一步分析不同学校的学科实力、就业去向以及城市产业环境，并生成包含“冲刺院校”“稳妥院校”“保底院校”的完整方案。
如果用户临时改变想法，比如原本坚持留在本省，后来又表示愿意去北京、上海发展，系统会自动调整推荐逻辑，重新计算最优选择，而无需重新开始。
整个过程更像是一场持续数天甚至数周的咨询服务，而不是一次性问答。
当考生考了700分，却坚持填报明显与成绩不匹配的学校时，Agent也不会机械执行，而是主动提醒是否存在更优选择；当用户要求推荐“好大学”时，它还会继续追问——你所理解的“好”，究竟是就业率高、升学率高，还是城市资源更丰富？
从回答问题，到帮助用户厘清问题，再到辅助完成决策，这其实已经超出了传统聊天机器人的能力边界。
Agent开始进入真实世界
高考志愿填报还有一个特殊之处：它几乎没有试错空间。酒店订错了可以退，外卖点错了可以重下，但志愿填错了，代价往往是四年的时间成本。这也是为什么高考场景成为检验Agent能力最严苛的试金石之一。
为了避免模型出现离谱推荐，千问团队专门构建了一个由40万种组合构成的“AI考生池”，模拟不同分数段、不同省份、不同选科和不同职业规划的复杂情况，对模型进行持续压测。
与此同时，这套系统并非从零开始。
过去八年，夸克累计服务超过1.6亿用户，去年高考季服务考生超过4000万人，生成1300万份志愿报告，回答了3.3亿个志愿问题。
这些数据背后沉淀的，不仅是高考知识，更是数千万考生真实决策过程中产生的经验样本。
但如果把视角再拉远一点，这件事真正值得关注的地方，或许并不只是“免费填志愿”。
过去两年，AI行业一直在比拼参数规模、排行榜成绩和基准测试分数。谁的模型更聪明，几乎成为衡量技术实力的唯一标准。
然而对于普通用户来说，他们并不关心模型到底是7000亿参数还是1万亿参数，也不关心某项测试提升了几个百分点。
他们真正关心的是：AI究竟能不能帮自己解决现实问题。
高考志愿恰好是最典型的场景。
因为它既不是娱乐，也不是内容创作，而是一项真实且重要的人生决策。用户需要的不是答案，而是建议；不是信息，而是判断。
从这个角度看，千问高考志愿Agent的出现，更像是Agent发展过程中的一个重要分水岭。
过去的大模型主要解决的是“信息获取”问题——帮你搜索、总结和生成内容；而Agent开始尝试解决“决策执行”问题——理解目标、持续记忆、主动规划，并最终帮助用户完成一件具体事情。
高考志愿只是第一步。
未来无论是升学规划、职业选择、保险配置、购房决策，还是创业经营，越来越多复杂且高价值的场景，都可能被Agent重新改造。
如果说搜索引擎时代解决的是“找到信息”，大模型时代解决的是“理解信息”，那么Agent正在迈向下一阶段——帮助人们利用信息做出决策。
而当一个原本价值数千元的专业服务，被压缩到接近零成本时，被改变的或许不只是一个行业的收费模式。
更深层的变化在于，过去只有少数人能够获得的专业决策能力，开始以基础设施的形式向所有人开放。
某种意义上，高考志愿Agent真正填补的，不只是志愿表上的空格。
它正在缩小人与专业决策资源之间的距离。这样的变化，可能比一次模型跑分纪录的刷新，更值得关注。
