核心用法
本 Skill 定位为房产交易决策辅助工具，主要服务于四类场景：
房源信息深度解读：用户粘贴链家/贝壳 App 房源页信息后，Agent 按结构化清单提取关键字段——房本年限、抵押状态、户口情况、是否唯一住房，并提示要求经纪人书面确认。同时指导用户查看小区近3个月同户型成交记录，以真实成交价锚定挂牌价水分，识别"业主诚心卖"等话术陷阱。
税费构成快速估算：基于房本年限（满二/满五）、唯一性、首套/二套身份，列出增值税及附加、个税、契税、中介费四项大头的计算逻辑与大致比例区间。明确标注各地政策差异大，签约前务必以不动产登记中心与链家交易顾问的正式试算单为准。
交易流程节点陪跑：按签约→网签→贷款审批→缴税过户→物业交割→放款结清的时序，提示每个环节的资金安全动作——特别是首付款必须走银行/住建部门监管账户的底线原则，以及过户回执到手后再释放尾款的操作要点。
租房合同审查：对照避坑清单逐条核查中介费比例（链家常见月租金50%-100%可谈）、提前退租违约条款、维修责任归属、押金退还时限，并警示"押一付一"背后可能隐藏的租金贷风险。
显著优点
信息结构化程度高：将分散在房源页、交易顾问口头承诺、合同条款中的关键信息，提炼成可核对的字段清单与流程节点表，降低用户信息遗漏概率。
风险意识渗透充分：多处强调"挂牌价≠成交价""资金监管是底线""要求出示记录"等操作纪律，帮助交易经验不足的用户建立基本的防坑意识。
边界声明清晰：明确不做房价预测、不提供投资建议、不教授避税歪招，内容定位纯粹的教育指南，避免用户产生不当依赖。
零技术攻击面：纯 Markdown 文档构成，无代码执行、无网络请求、无外部依赖，不存在传统软件供应链攻击风险。
潜在缺点与局限性
政策时效性依赖人工维护：房地产税费政策、限购限贷规则调整频繁，若作者未及时更新 Skill，用户可能获得过时信息。当前版本未建立自动更新机制或政策变更预警。
地域覆盖粒度粗：中国各省市、甚至同城不同区的税费细则、资金监管流程存在差异，Skill 以通用框架呈现，未针对具体城市做定制化展开，用户仍需大量本地信息补充。
量化精度有限：税费估算仅提供比例区间（如"约 1%-3%"），无法替代官方试算工具；对挂牌价水分的判断也依赖用户自行查阅成交记录，Agent 无法直接调取实时数据。
来源可信度中等：作者为 GitHub 个人开发者（T3 级别），非链家官方出品，内容准确性虽经合理编排但缺乏机构背书，重大交易决策仍需交叉验证。
适合的目标群体
- 首次置业者：对二手房交易流程、税费构成、资金监管等概念陌生的买房新人，需要系统性的知识框架与防坑清单。
- 跨城租房者：不熟悉目标城市租房市场惯例、中介费谈判空间、合同条款雷点的异地工作者。
- 交易经验复盘者：已完成房产交易但希望复盘流程、识别当时潜在风险的业主，用于知识沉淀。
- 轻度咨询场景：向链家/贝壳经纪人提问前的信息储备，帮助用户提出更有针对性的问题。
使用风险
内容准确性风险：房地产政策具有强时效性与地域性，Skill 内税率、流程描述可能与用户所在城市当前实际不符，直接作为决策依据可能导致税费预算偏差或交易节点误判。
过度简化风险：将复杂交易简化为清单式提示，可能让用户低估个案特殊性（如历史遗留产权问题、业主隐性债务），产生"按清单操作即可高枕无忧"的错觉。
来源可信度风险：T3 级别个人开发者维护，无持续更新承诺与质量保障机制，长期使用需关注作者 GitHub 活跃度及社区反馈。
无实时数据支持：Agent 无法直接访问链家/贝壳房源数据库、不动产登记系统，所有分析依赖用户手动输入的信息完整度，关键数据缺失时建议失效。
非法律专业意见：Skill 明确不提供法律/税务建议，涉及重大财产处置时，用户应寻求持证律师、税务师的专业服务。