夜雨聆风
中考招生会后我看了一天的相关视频号直播，由于自己已有一套数据模型所以看到了很多人看不到的有意思的东西：市面上普遍有两类换算法，有些直播主分析挺对除了某一个学校（不同直播主的某一都不同），勤勤恳恳起早贪黑几乎全天候直播卖方案（不贵，19.8立刻下单立刻回答），主推借读和其他渠道等的直播主.......
然而，我只是想记录和分享下我的个人AI助手的效果。
今年长沙中考招生会，我只用了两个小时，就完成了十多所学校的信息采集、数据对照和二次核验。
在Hermes Agent 帮助下，离场时我已经完成目标学校筛选，掌握了各校预估线、招生计划和班型信息，还锁定了3所学校进行复核。过去可能要带回家慢慢消化的一堆材料，这次基本在现场处理完了。
会前，我先把 Obsidian 中积累的长沙近三年公开数据交给 Hermes，包括学校录取线、趋势变化和历年招生计划。再结合孩子所处分数段，让它分析长沙所有可报考高中。
这一步不是让 AI 推荐几所“好学校”，而是建立筛选模型。志愿栏可以填12所，我要求它按“冲、稳、保”划出咨询范围，同时考虑三年分数波动、当年招生计划和班型门槛。最终，长沙全部可报学校被压缩为十多所重点咨询对象。现场路线也有了优先级，不需要从第一个展台盲目逛到最后一个。
到了现场，我先进行第一轮信息采集。每所学校都按同一套字段询问：预估分数线、剩余招生计划、指标生情况、班型数量、各班型门槛、培养特点和后续分班机制。对于家长普遍关心的学校出口情况，我也咨询了，不过还是以熟人提供的信息为准。
统一字段有个直接好处：不同学校可以横向比较。否则问甲校时记了预估线，问乙校时只顾着听班型介绍，最后信息看似很多，真正比较时却全是缺口。
第一轮跑完十多所学校，我不停的把信息发给微信里的 Hermes Agent。为了适应现场移动场景，我早已通过 OpenClaw Bot 接口把它接入微信。每问完一家就可以直接输入数据，不需要打开电脑，也不必重新解释上下文。
Hermes Agent 随即把现场数据与 Obsidian 里的三年资料合并，做了三件事：更新各校的冲稳保位置，识别历史数据与现场口径的差异，列出影响判断但尚未问清的问题。
其中一所学校，直接改变了我的判断。
这所学校的头部班型口碑很好，现场宣传也很有吸引力。单看学校和班型名称，我原本会给它较高优先级。但将招生范围、班型数量、入班门槛和后续分班规则放在一起分析后，问题出现了：学校优势主要集中在最头部班级，而孩子当前成绩进入该班的把握不足；其他班型相较备选学校没有明显优势，高一下学期还存在重新分班的可能。
也就是说，学校的上限很高，不等于孩子入学后大概率能获得这个上限。Hermes Agent 帮我把“学校宣传的优势”还原成了“孩子实际获得资源情况”。这所学校因此直接出局。
另一处调整来自新增招生计划。现场得知某校划线招生名额比原先估算更充足后，Hermes Agent 更新了录取机会，并提醒我继续核实班额、重点班数量和分班考安排。
第二轮，我没有重复跑十多所展台，而是只回到3所重点学校，针对模型中的信息缺口逐项核验。我还补问了几所学校好班的进入条件，并了解了民办高中的招生和班型情况。这样既避免了第一次咨询中的听记偏差，也把时间集中在真正会影响志愿排序的问题上。
这套调教完成的Hermes Agent，并不是研究几句万能提示词，而是把资料、判断标准和反馈持续交给它：什么数据值得看，冲稳保如何划分，学校与班型为什么要分开判断，遇到招生计划变化时应重新计算什么。它越了解我的决策方式，现场给出的追问就越具体。
两个小时后，我拿到的不是一堆待整理的宣传册，而是一份经过历史数据比对、现场信息更新和二次核验的结构化结果。
Obsidian 提供长期资料，Hermes Agent 负责理解上下文、合并新数据并推动下一步行动，微信则让这套能力可以直接进入中招会现场。这三者接起来后，Hermes Agent 真正成为了这个场景下的个人 AI 助手。
数智思享
数据、信息、知识、智慧
