真正懂你的，
一站式留学申请 Agent

录途 AI 不从一条空白 Prompt 开始。你的档案、资料、经历与选校结果会沉淀成一份申请上下文，让每一次判断都成为下一步的输入。

开始申请看完整申请工作流

智能定位港新综合定位与英澳公开条件匹配，输出冲刺 / 匹配 / 保底三档结论和判定依据
文书 Agent基于已确认的经历逐字生成，检测重复表达，并记住你自己的修改偏好
网申助手Chrome 扩展带着已确认的档案字段与材料附件，进入学校官方申请系统

第 01 幕
准备资料
一份已确认、带来源、可被后续每一步调用的申请上下文
第 02 幕
选校决策
一份带判定依据的三档结论，和一组通过比较收束出的候选项目
第 03 幕
申请执行
一份已提交的申请，以及回写到工作台的真实进度

第 01 幕 · 准备资料

先把散落的背景，收成一份可复用的底座

申请的第一道成本不是写文书，而是每换一个环节就要把自己重新解释一遍。这一幕只做一件事：让背景信息只整理一次。

本幕交付　一份已确认、带来源、可被后续每一步调用的申请上下文

环节 01

个人知识底座

成绩、经历和申请材料散落在不同文件里，每次申请都要重新整理和解释

将个人信息、教育经历、项目报告、实习证明和成绩材料统一上传到云端，按来源与经历归档，沉淀为可持续复用的申请资产

云端沉淀
标准化归档
来源保留
持续复用

写入申请卷宗: Knowledge Base v1; 一次上传，后续申请环节持续复用
交给下一步 · 智能定位: 档案与资料确认后，直接进入智能定位，用当前背景和申请范围换一份可解释的档位结论

第 02 幕 · 选校决策

先回答「能申到哪」，再谈选哪一所

选校最难的不是找学校，是判断自己站在什么位置。这一幕用同一份档案跑出档位结论，再用真实案例和专业要求校准它。

本幕交付　一份带判定依据的三档结论，和一组通过比较收束出的候选项目

环节 02

智能定位

AI 能力

当前背景到底对应什么档位，往往只得到一句经验判断，看不到依据，也没法换个条件重新算一次

选定申请范围后用当前档案跑定位规则：中国香港与新加坡走综合定位，英国与澳大利亚按院校公开条件匹配，输出冲刺 / 匹配 / 保底三档结论，并保留每一条的判定依据

01确认申请范围
选定目标地区与入学时间，定位只在这个范围内比较，不给出用不上的结论
02读取当前档案
直接取用已确认的本科背景、成绩与关键经历，不需要为定位再填一遍表
03分区跑定位规则
中国香港与新加坡走综合定位；英国与澳大利亚按院校公开条件逐条匹配
04输出三档与依据
冲刺 / 匹配 / 保底三档同时给出判定依据，条件改动后可以重新算一次

港新综合定位
英澳公开条件匹配
冲刺 / 匹配 / 保底三档
可追溯判定依据

写入申请卷宗: Positioning Result v1; 改一次条件就重算一次，结论始终跟着档案走
交给下一步 · 同类型案例校准: 三档结论指出的方向和差距点，带进案例库做同类型校准

环节 03

案例校准

案例看了很多，却很难判断别人的录取路径是否真的能为自己的背景提供参考

带着当前背景和定位结论，按地区、录取学校与关键词查阅完整案例，对照本科背景、专业和关键经历

26,447 条完整案例
65 所录取院校
校内关键词检索

写入申请卷宗: Case Calibration; 从泛读故事变成有依据的比较
交给下一步 · 专业与项目判断: 案例中的可行路径和差异信号，成为专业检索、项目比较与风险判断的参照

环节 04

专业判断

同名专业的课程、要求与截止日期完全不同，官网信息分散，排名无法回答「是否适合」

在统一院校目录内查看专业、学制、课程与要求，并结合当前背景收束候选方向

QS100 院校目录
5,979 个有效专业
六大地区覆盖

写入申请卷宗: Candidate Program Set; 少开网页，不再维护零散比较表
交给下一步 · 选校方案收束: 确认的候选项目写入「我的选校」，继续设置申请梯度、截止日期与材料进度

第 03 幕 · 申请执行

把判断变成提交出去的申请

名单不等于计划，草稿不等于定稿，定稿也不等于提交。这一幕把执行的三段——编排、写作、填报——接成一条不断线的路径。

本幕交付　一份已提交的申请，以及回写到工作台的真实进度

环节 05

我的选校

收藏了一批项目，不代表知道下一步做什么；截止日期、材料缺口和文书状态依然彼此分离

将目标项目、申请梯度、DDL、材料清单与文书进度编排到同一个选校工作台

项目短名单
DDL 轨道
材料清单
申请状态

写入申请卷宗: Shortlist Plan v1; 目标与执行状态不再脱节
交给下一步 · 文书生成与定稿: 目标项目要求、个人背景与可用证据冻结为本次 Writing Context，直接交给文书 Agent

环节 06

文书 Agent

AI 能力

模板化表达容易与他人文书相似，通用生成也无法记住你主动修改过的内容和表达偏好

基于目标项目要求与已确认的经历逐字生成，检测重复表达，并从你的自主修改记录中学习偏好，让每一版更贴近你自己的说法

01冻结写作上下文
锁定目标项目要求、个人背景与可引用的经历证据，生成不脱离已确认事实
02逐字生成初稿
按 Motivation / Evidence / Programme fit / Direction 分节展开，每段都能追到来源
03标记并改写通用表达
识别与他人高度相似的句子，拖选批注后用你的真实经历重写这一段
04记住你的偏好
你改过的地方会沉淀为偏好记忆，下一篇文书直接按你的说法生成

HKU · MSc Artificial IntelligencePersonal Statement定稿 · 版本 02 已保存

Motivation

When our recommendation model failed for cold-start users, I rebuilt the evaluation set and traced the gap to sparse behavioural signals. During my AI product internship, I learned that responsible deployment requires more than strong offline metrics.

Evidence

My perspective is grounded in an AI product internship, multimodal recommendation research, a machine learning project, and an exchange semester at the National University of Singapore.

Programme fit

HKU's MSc in Artificial Intelligence would help me connect rigorous model evaluation with the design of intelligent systems that people can understand and trust.