核心功能与工作流程
India Location Normalizer 是一款专为印度房地产市场设计的地理位置标准化技能，专注于将 Mumbai 和 Pune 地区的非规范位置别名转换为标准的城市-区域-微观市场三级结构。
典型输入处理场景
- Mumbai 区域缩写：
Scruz→ Santacruz，Khar→ Khar West/East，Andheri W→ Andheri West，Turner Road/Carter Road→ Bandra West - Pune 区域变体：
PCMC（Pimpri-Chinchwad Municipal Corporation），Hinjewadi Phase 1/2/3，Baner、Wakad等 IT 走廊区域
技术实现路径
1. 输入验证：通过 JSON Schema 校验 lead-location payload
2. 三级匹配策略：
3. 输出结构化：city + locality_canonical + micro_market + confidence + unresolved_flag
- 精确匹配（大小写不敏感）
- Token 标准化匹配（去除标点、压缩空格）
- 保守模糊匹配：仅在歧义极低时触发
显著优势
| 维度 | 说明 |
|:---|:---|
| 领域专精 | 预置 Mumbai/Pune v1 权威别名映射表，覆盖印度房产高频交易区域 |
| 安全优先设计 | 纯只读转换，禁止写入数据库、发送消息、触发外部通道 |
| 歧义防控 | 强制 `unresolved_flag` 机制，宁可漏配（false-negative）也不误配（false-positive） |
| 链式集成 | 明确推荐在 `lead-extractor` 后、`sentiment-priority-scorer` 前执行，形成数据质量中间层 |
局限性与风险
- 地理覆盖受限：当前仅支持 Mumbai 和 Pune v1，对 Delhi NCR、Bangalore、Hyderabad 等区域无内置支持
- 维护依赖：别名映射表
india-location-aliases-v1.json需人工持续更新，新开发区（如 Pune Metro 扩展带）可能出现滞后 - 模糊匹配保守：三级匹配策略中的模糊层触发条件严格，部分合理变体可能被标记为 unresolved
- 输入质量敏感：上游
lead-extractor若输出严重损坏的位置字符串（如 OCR 错误），下游标准化效果受限
适合人群
- 印度房产科技（PropTech）平台的数据工程团队
- CRM/线索管理系统需批量清洗地理位置字段的运维人员
- 需要为机器学习模型提供标准化位置特征的数据科学家
常规风险提示
- 生产级 KPI：需持续监控「canonical resolution rate vs. extractor-only baseline」以验证 ROI
- 版本锁定：Mumbai/Pune v1 的命名暗示区域扩展版本（v2/v3）可能引入破坏性变更，集成时需 pin 版本
- 隐私边界：虽为只读技能，但输入的 lead-location payload 可能含 PII，需确保传输链路加密