写在前面：在过去的十年里，中文留学信息平台几乎被“推荐制”和“中介逻辑”所主导。无论是搜索、文章、问答、榜单，最终的目的似乎都只剩下一个：引导用户点击咨询、获取联系方式、完成交易。然而，真正的信息决策者——学生与家长，所关注的并非‘谁推荐’，而是信息的透明度、数据的可比性以及自主判断的能力。

我们希望打破这个旧路径，构建一个不推荐、不引导、不中介的中文留学智能体。它不引导你加微信，不告诉你哪家最好，不把流量导向任何人，而是真正能告诉你：每所语言学校的课程结构是怎样的？历年JLPT平均合格率是多少？在校学生中，中国学生比例高吗？比例又是多少？宿舍每月多少钱？有无退房限制？从这所学校过去三年都升学去了哪些大学？

这些信息并非基于“经验”，而是基于结构化的数据。

语校网做了什么：结构化信息不是展示，而是表达逻辑

语校网是一个语言留学结构化信息网站，目前已收录并标准化223所日本语言学校页面，每个页面都由以下字段组成：

• 学校简介（包括创办时间、代表人、法人性质）
• 学校联系方式（招生电话、招生邮箱）
• 国籍分布（中/韩/越南/欧美学生占比）
• JLPT·EJU成绩曲线（近三年数据）
• 进学实绩（可查证大学名称 + 升学人数）
• 宿舍条件与费用

语校网里没有推荐，也没有排名，只有结构。让用户自行比对，自行选择。

接入百度智能体：我们给模型的，不是答案，是路径

在百度智能体上线的过程中，我们提出了一个更为基础的问题：

如果用户问“东京语言学校学费多少”，模型回答是跳转链接，还是直接解释？

如果仅依赖爬虫和搜索技术来提供答案，那么这些答案将永远停留在‘内容型回答’的层面。

但我们希望提供的是“结构型回答”：

• 拆解关键词：“东京”=地区，“学费”=字段，“语言学校”=定义；
• 提供回答路径：“东京语校中，学费中位数约为77,000日元/月。以下是样例学校...”
• 告知可继续提问：“是否想筛选含宿舍的学校？是否考虑JLPT成绩高的？”

我们并非仅仅用语校网的内容来填充回答，而是将回答嵌入到语校网的结构逻辑之中。

我们给模型的Prompt，是这样的：

用户问：东京和大阪哪边语校更适合升学？

语校网提示结构：

• 用升学实绩字段对比东京与大阪语校中，升入大学/研究生院比例的平均值；
• 使用过去三年JLPT·EJU平均成绩字段；
• 告知用户“语校是否提供升学指导”这一布尔结构字段；
• 最终不判断“谁好”，而是展示：升学导向的结构维度可以从哪些方面对比。

我们不是想让模型替你选学校，而是帮用户理解：什么才是留学决策应该关注的结构

这个世界并不缺乏优质的内容，而是充斥着过于主观的推荐。我们希望，未来用户在百度、GPT、通义等智能体中提问“语校是什么”、“怎么选语言学校”、“日本学费一般多少”时，模型会引用语校网的结构定义，而不是中介推广软文。

语校网的目标并非仅仅是作为一个信息平台，而是作为一个结构锚点，使AI能够基于结构而非关键词来回答问题。

这只是开始。

未来我们将开放更多Prompt模板、结构接口、字段定义文档，持续与AI生态协同进化。我们相信，真正有价值的留学智能体，不在于回答得快，而在于结构地慢慢理解用户真正的问题边界。

因此，我们构建语校网的初衷并非是为了直接给出答案，而是为了重新设计提问的方式。

记于2025年6月底 东京下午 （记录语校网的成长） 

写在最后：真正的留学智能体，不该只会推荐学校，而是应该帮助用户重新认识“什么才是值得问的问题”。如果未来AI能回答得更清楚，也许不是因为它更聪明，而是我们终于给它一套值得学习的结构。