不把导师选择交给运气：我做了一个择导工具

利益相关声明：作者与文中产品有直接的利益相关（开发者、自家产品等）

写在前面

关于这篇文章，有三件事需要先说清楚：

利益相关。 文中介绍的 AXIA 是我自己做的产品，目前还在内测。我没拿任何第三方的钱，也没收过什么实物支持。

AI 使用。 写的时候用了 Claude 来整理素材、顺段落结构。但所有观点、经历、判断和数据都来自我本人和生产数据库；每处事实我都对着原始记录逐条核过，也查过没有跟别人雷同的地方。

内容边界。 这篇分享的是我做工具的过程和观察，不构成升学、择校、择导的建议。里头提到的评分和信号，都是用公开数据算出来的，只能帮你缩小范围，不能替代你自己去核实，更不能替代你跟导师或在读学生直接聊。做决定之前，请一定自己再查一遍，也找学校老师、辅导员或招生办问清楚。

一、找导师这件事，难的不是「查不到」

我今年六月从北大博士毕业，之后开始做自媒体。这几个月后台私信里最多的一类，翻来覆去就是同一个问题：某某老师怎么样？卷不卷？

想躺平的，想冲的，想多发论文的——大家诉求各不相同，但卡住的点一样：没有靠谱的信息。

我当年自己找导师，流程大概是这样的。先打开学院官网的师资页，看到一份不知道多少年没更新过的名单；点进某位老师的个人主页，最新一条通知还停在 2021 年的招生信息；再去社交平台搜名字，翻到两条互相矛盾的匿名帖；最后在认识的人里一圈圈打听，看能不能找到一个说得上话的学长学姐。折腾了一圈，凭一句「听说人还行」，做了个影响三五年走向的决定。

问题其实不在于查不到。公开信息并不少：论文库里能看到他近五年发了什么、跟谁合作；院系页上有职称和邮箱；个人主页上偶尔真的写着今年招几个博士。问题是这些东西散得到处都是，新旧混在一起，而且没法验证——你明明看到过「他今年招人」，三天后死活想不起来在哪儿见的了。

高校课题组恰恰是导学错配率很高的地方。所以你常会听到人说「我觉得自己挺幸运的，能进某某老师的组」——把一件本该可以判断的事，说成了运气。

我想做的不是「帮你推荐最好的导师」，没人有资格算这个分。我想做的是另一件事：把判断依据摊开摆在一起，每一条都能点开，看到它来自哪个网页、哪天查的、有多确定。这就是 AXIA。

截至2026年9月初，库里有7265位导师、20,995篇已收录论文、9,305份存档下来的原始网页，覆盖67所院校。最后这个数字值得多说一句：它不是我圈定的收录名单，而是有人检索过就会自动增加——你查了一所我没有覆盖过的学校，系统当场建档、算分、存证据，下一个查到他的人直接就能看到。

二、第一条规矩：每一句话都要能点回去

这是整个产品里我觉得唯一值得单独画张图来说的东西。

图 1. 导师匹配流程示意

有三个环节想展开讲。

你明说的条件是硬要求。 输入「985 高校里做社会保障方向的博士生导师」，学校层次和研究方向都会变成必要条件，而不是打分时的一个加权项。这听着像废话，但我在运行日志里抓到过好几次相反的情况：模型判断「这个人虽然不在 985，但方向特别对口」，于是把他放了进来。用户不会觉得这是贴心，只会觉得这产品没听懂人话。

抽取必须带原文引用。 模型从网页里读出一个联系邮箱时，要同时交代它是从哪一句话里读到的。这句话如果在原始网页里检索不到，哪怕只差一个字，整条抽取直接作废，不写入数据库。这条规则挡掉的不仅是模型凭空编造，还有那种更隐蔽的错误——模型把隔壁老师的邮箱安到了这位头上。原文对不上，就说明它读串了。

查过的结果分五种情况，不是简单的“有”和“没有”。 「查过了，确实没有公开邮箱」和「还没查过」是完全不同的两码事，界面上必须分开：前者你可以放心去找别的联系方式，后者只说明我们还没干这活。这两种情况早期被我合并成同一个空值，结果用户看到一片空白，不知道该不该信。

抓回来的原始网页全部存档。 三个月后再看同一张卡片，它还是能指回当时那一页。

三、8 个信号分开看，不折成一个总分

第二张图是评分体系。分两层：上面一层是导师本身的档案信号，谁看都一样；下面一层是你跟这位导师的匹配，换个人来问就会变。

图 2. 导师量化评估维度

给个总分排个名，当然最好卖。我没做，理由很具体。

「带学生的迹象」这一项本质上是推算出来的，来自合作发表关系——跟学生共同署名的模式。这是一条值得再核实的线索，不是对这位老师的评价。把一个推算值和「近五年发了多少篇论文」这种硬事实揉进同一个总分，等于把不确定性洗掉了。所以界面上它被明确标成推算，颜色都跟别的项不一样。

某一项没有公开数据时，正确的做法是写「公开信息有限」，再把剩下几项的权重重新归一，而不是给这一项判零分。判零分会让「信息少」看起来像「能力差」，两码事。

数据可信度这一项单独显示，永远不并入分数。一位只有 3 篇论文可查的老师，他的活跃度分数天然不可靠；这件事应该用一个独立的标签告诉你，而不是偷偷把他的分调低。

还有一批东西是我刻意没做的：人品、脾气、push 不 push、好不好毕业。这些在公开数据里根本没有，涉及这些词的提问会被直接拦住，不会拿去联网「研究」。想问这些，产品里有另一条路——「问学长」，付费问在读的人，双方匿名，钱由平台代管。

四、做这件事时，被现实纠正过的四个判断

这一节大概是最有普遍价值的部分。做之前我有一堆想当然的假设，下面四条都被数据打了脸，而且它们的教训不限于择导这个场景。

学术圈那个「唯一身份号」，我抽查 125 条，40 条挂错了人

学术圈有套研究者身份系统叫 ORCID，给每位研究者一个唯一编号。理论上有了它就不会再认错人。

我做了一次全库体检：抽查 125 条带编号的记录，有 40 条绑定是错的，占 32%。同济大学一位做城市规划的教授，档案上挂着中国农业科学院基因组研究所某人的编号；他的另一份官网档案则挂着一家肿瘤医院的编号。这些编号不是凭空冒出来的，是上游数据库按姓名做模糊匹配挂上去的。

更麻烦的是错误会自我加固。系统拿着错误编号去拉履历，把编号主人的任职经历灌进这位老师的档案，下一轮再校验时，这段被污染的履历反过来给错误编号作了证。我的体检脚本第一版就栽在这里，把两个明显挂错的编号都判成了「已核实」。

后来的做法是：编号只有回验通过之后才有效力，未核验的一律零效力，既不加身份分，也不允许拿去拉履历；而回验的时候，必须把「由这个编号本身带进来的证据」排除在外。

普遍一点的教训是：一个字段看起来是权威唯一标识，不代表你手里这一份是对的。该问的不是「这个标识可不可靠」，而是「我这一份是怎么来的」。

同一个人被拆成 5 条档案，而「合并」是最危险的操作

麻省理工学院一位很有名的教授，在结果页里出现了 5 次——他同时挂靠多个机构，上游数据库把他拆成了 5 个作者编号。

顺手合并不就行了？不行。同名合并是这类产品里最危险的操作。中文姓名的拼音重名极其常见，把两个真人合并成一条档案，比拆成两条糟糕得多：错误会永久地混进他们各自的履历，而且极难被发现。

最后的做法是写了一串「拒绝合并」的判据，而不是「允许合并」的判据：同一个个人主页则必合并；各有主页且不同则拒绝；机构口径不一致则拒绝；没有中文名、只靠拼音相同则拒绝；研究领域双向零重合则拒绝。默认拒绝，逐条放行。

97% 的「任职单位」，其实只是论文署名

有用户报了个问题：同一张卡片上，一位老师的单位出现了三个说法——卡片写 A 校，官网挂靠写 B 校，详情页写 C 校。

追下去发现根子在一条我一直默认成立的等式：论文署名机构等于任职单位。它不成立。署名只能说明这个单位出现在他的某篇论文上，合作、访问、共建、挂名都会出现。我的开发库里有 3048 条任职记录，其中 2979 条（97%）其实只是论文署名的聚合。

修法不是把它删掉——用它来召回是有效的，它至少能提示「这个人可能属于这所学校，值得去查」——而是给证据分级：来自院系官网、个人主页的算「官方」，来自论文署名聚合的算「推断」，界面上只允许前者用于断言。

「慢」的原因不是检索，是模型在思考

有用户反馈：点名查一位库里早就有的老师，还要等两分钟。

我的第一反应是检索链路太重。翻生产库里的运行记录才发现，本地检索只占 2 到 4 秒，没有联网，没有刷新。两分多钟里，规划阶段占 12 到 35 秒，生成回答占 110 秒左右。

再看 token 数据：回答正文只有一千八百多字，输出 token 却有一万四到一万六千。差额全是看不见的推理 token——我用的模型默认开启高强度思考模式，而我的代码里从来没传过关闭它的参数。同一条提示词实测：开启思考 40.1 秒，关闭思考 4.9 秒，正文长度差不多。

规划、抽取、摘要这类结构化任务根本不需要「深思」。

五、一条完整的动线

AXIA 不是一个搜索框，是申请季那几个月要反复做的事的集合。实际用起来大概是这样：

我的画像——传一份 PDF 简历，方向、项目、发表自动读出来。只填一次，后面全部接着用。
帮我匹配——用大白话说要求。库里有的立刻出结果（这部分永远免费）；凑不够人，才当场上网去找。每位候选都写清哪里对得上、哪里对不上。
导师详情——8 个评估信号、论文趋势、合作网络、活动记录、证据列表。每个字段点开就是出处。
对比——2 到 4 位放在一张矩阵里，比的是"各自适合什么场景"和"各自的风险"，不评"谁更好"。
文书工坊——套磁信、个人陈述、研究计划、复试自我介绍。它比通用 AI 多的是两样东西：你画像里的真实项目和数字、这位导师近几年真正发表过的论文。所以出来的是"您 2026 年那篇用图结构处理冷启动的工作，我在您公开的代码上跑过一版预实验"，而不是"贵校历史悠久，我仰慕已久"。
申请看板——十几个目标按冲 / 稳 / 保分层，截止日倒计时、材料清单、进展状态一屏看完。
问学长——公开资料查不到的那部分，付费问在读的人。（如果你读到这里，同时是在校生或者已经毕业两年内的学长学姐，欢迎你注册成为学长身份，帮助学弟学妹答疑，了解课题组）
项目资讯——订阅一个方向 + 最多三个地区，每天自动抓海外博士项目、奖学金和截止日。