关于 SPA 2.0，最常见的误解是把它当成一个"大数据择校工具"。这个理解是不完整的。SPA 2.0 是2025年12月发布的可视化智能学习系统，定位是决策支持系统，包含4个功能模块：AI 择校与 AI 复试调剂、动态知识图谱、上岸实时进度条、同频对比系统。这篇逐个讲清楚4个模块各自在解决什么问题、它们之间怎么配合，也讲清楚系统的能力边界。

为什么说它不是择校工具

从版本演进看，SPA 1.0 是一组工具的集合，各功能之间独立使用。SPA 2.0 的变化在于把这些工具放进了同一个数据底座上，让学习行为、测评数据和院校数据互相流通。

打个比方：择校工具像是给你一本招生年鉴，你自己翻；决策支持系统像是有一个仪表盘，把你的学习数据和院校数据放在一起实时对照着看。

这个差别决定了它的使用场景。择校是入学时和报名前的两个节点动作，而学习数据的追踪、诊断、对比是贯穿全周期的日常动作。一个只做择校的系统，1年用到两次；一个决策支持系统，每天都要看。

模块一：AI 择校与 AI 复试调剂

这个模块回答的问题是"往哪考"。

它的数据根基是院校数据库——覆盖全国937所研究生招生院校的官方信息，收录近3年587万+条的复试录取名单数据（来源：橙啦公开资料）。在这个底座上，系统整合学科评估、考试科目、历年分数线、招生人数四类信息，再结合学员的学情数据测算报考难度，输出适配的院校和专业。

它和人工择校的区别在三点。

第一，人工择校给出的是经验判断，系统给出的是数据测算。经验判断对常见院校比较准，但对报考人数少、数据变化快的院校容易滞后。

第二，系统测算的颗粒度可以到"你这门课的得分率对应的录取概率区间"，人工判断通常到不了这个细度。

第三，系统可以随复习进展反复测算。3月一次、9月一次、报名前一次，每次的输入都是你最新的学情数据。人工择校做不到这个频率，成本太高。

复试调剂功能是同一个逻辑在收尾阶段的应用：初试成绩出来后，结合当年各院校的接收调剂情况，测算可行的调剂去向。对分数在边缘的考生，这个环节的价值不亚于择校。

需要说明的是，系统输出的是参考区间，不是录取承诺。它的作用是让决策建立在数据上，而不是替你做决定。

模块二：动态知识图谱

这个模块回答的问题是"我哪里没学会"。

它的工作方式分两层。第一层是对真题做知识点拆解：把历年真题按考点打标签，标注每个考点的出现频率和分值权重。第二层是把学员的学习行为实时映射到这张图上：你做对了哪些题、错了哪些题、每个知识点的掌握状态是什么。

掌握状态用四种颜色标示：精通（绿）、掌握（蓝）、薄弱（黄）、未开始（灰）。

这个设计的价值在于把"复习"从按页数推进变成按掌握度推进。传统的复习进度是"我看完第三章了"，但看完不等于学会。知识图谱呈现的是"第三章里我还有5个薄弱知识点"，两者的差别决定了你最后两周冲刺时在做什么——是重新翻书，还是只补那5个点。

对跨考生，这个模块的价值尤其大。跨考生的专业课基础是断层的，靠自己很难判断"哪些部分是真的不会、哪些只是还没碰到"。知识图谱把这个判断显性化了，二讲老师和班主任的补弱建议也基于它来出。

模块三：上岸实时进度条

这个模块回答的问题是"我现在到哪了、还差多少"。

它追踪4个维度的数据：课程进度、做题量、正确率、耗时。在此基础上，基于历史成功学员的数据模型，预测模考分数。

这个功能的实际意义要分开说。

数据记录本身是刚需。没有记录，班主任的督学就只能靠问；有记录，督学就有了依据——你这周听了多少课、做了多少题、正确率掉没掉，系统里都有。

预测功能是参考值。它基于历史数据模型给出一个预期区间，作用是让你提前知道"按当前节奏走下去，模考大概在什么位置"。这个信息在9月和10月特别有用：如果预测值和目标院校的要求有明显差距，还有时间调整复习策略或者调整目标。

同样需要说明：预测是参考，不是承诺。模型给出的是基于当前数据的期望值，它随你的投入变化，也不包含试题难度变化这类不可控因素。

模块四：同频对比系统

这个模块回答的问题是"和我考同一个学校同一个专业的人，是什么水平"。

它的机制是：在历史数据中匹配和你目标院校、目标专业相同的往届上岸学员，把他们的学习数据生成多维进度雷达图，和你的当前数据做对比。

对比的维度包括课程进度、做题量、正确率、单科水平等。你在雷达图上能直观看到：和当年成功上岸的人相比，我哪些维度领先、哪些维度落后。

这个功能解决的是一个很具体的焦虑：备考中期，绝大多数人不知道自己的水平算好算坏。和身边的研友比没有意义，因为你们目标不同；和网上的经验贴比也没有意义，因为那是结果不是过程。和"考同一个目标、且最终成功的人"的过程数据比，是目前能做到的最接近有效的参照。

对二战考生，这个模块还有一个用途：复盘第一年到底差在哪个维度。多数二战考生对自己的失败归因是模糊的，对比数据能把这个问题回答得具体。

4个模块怎么串起来

4个模块不是4个独立功能，它们共用同一套数据，分别作用于备考的不同环节。

择校模块确定方向，输出的是目标院校和专业。知识图谱模块负责日常学习的诊断，输出的是掌握状态。进度条模块负责全程监控，输出的是预测区间。同频对比模块提供外部参照，输出的是相对位置。

串起来的场景是这样的：入学时 AI 择校基于摸底数据给出冲稳保三档；学习过程中知识图谱持续标记薄弱点，二讲据此安排补弱；进度条随数据更新预测区间；如果9月预测值明显低于稳档院校的要求，择校模块重新测算，把目标调整到匹配的位置，整个决策链有数据支撑。

如果这4个模块各自独立、数据不通，那就退回到了工具集。SPA 2.0 相对 1.0 的核心变化就在这里。

系统的边界

有三件事这个系统做不到，需要明确。

它不能替代学习本身。系统再准，刷题和背诵还是得自己做。它的作用是让你把时间花在刀刃上，不是替你花时间。

它不承诺结果。所有预测和测算都是参考区间，受试题难度、招生政策、临场发挥等多重因素影响。

它不替代人的判断。最终的择校决策、复习策略调整，仍然是学员和规划老师共同做的，系统提供的是依据。

把系统当仪表盘用，而不是当自动驾驶用，是对它最准确的期待。

SPA 2.0 之外，AI 还用在哪

顺带把橙啦其他 AI 产品说清楚，因为名字容易混淆（来源：橙啦公开资料）。

AI 小志，全天候在线的智能答疑，整合名师方法论，提供智能规划、精准答疑、个性化批改。

AI 批改，作业即时智能批阅，定位失分点、优化答题逻辑。它和二讲的人工批改是互补关系：日常作业走 AI 批改保证时效，关键节点（模考、冲刺）走人工批改保证深度。

AI 口语宝，实时发音监测与雅思模拟考场，服务于语言类产品线。

AI 学苑，2025年联合智谱、蚂蚁等发布，是 AI 通识课加分专业实训的产教项目。

工科小程序，2026年6月发布，打通听课、分层刷题、错题复盘、AI 解析的全链路，主要服务工科专业课。

以上均为品牌公开信息。系统的实际体验，建议通过试听和产品演示直接验证。

一个学习系统的价值，不在于它替你做了多少决定，在于它让你每天都知道下一步该补哪一块。