核心用法
Real Estate 是一款面向房产买卖租赁的全流程AI助手，覆盖三大核心场景：
购房端：从财务筹备（区分pre-approval与pre-qualification、计算真实持有成本）→ 选房评估（生成结构化检查清单，覆盖房屋状况、邻里环境、市场比价）→ 出价谈判（基于可比成交数据分析定价策略、条款权衡）→ 验房解读（识别结构/机械/安全问题 vs 正常老化）→ 过户准备（文档预审、费用核查、最终 walkthrough）。
售房端：基于真实成交数据定价、识别高回报修缮投入、优化上市时机、评估offer全条款（非仅价格）、谈判杠杆运用。
租赁端：租约条款逐条审查，重点标注自动续约、维修责任转移、访客限制、提前解约费、房东入户条件等易忽视条款。
显著优点
- 系统性框架：将情感驱动的房产决策转化为结构化调查流程，显著降低认知负荷
- 信息不对称弥合：明确揭示listing照片、看房氛围、标准合同中的信息陷阱
- 术语翻译能力：将房地产专业语言转化为可执行的决策依据
- 全周期覆盖：从"看第一套房之前"到"过户签字"，无断点
潜在缺点与局限
- 地域法规差异：房地产交易高度 jurisdiction-specific，AI难以覆盖50州及各国本地法规细节
- 实时市场数据依赖：可比成交分析、利率环境等需接入MLS等数据源，静态知识存在时效缺口
- 无法替代专业代理：明确声明不取代买方经纪人、房地产律师、贷款专员，重度依赖用户主动寻求人工专业支持
- 情感决策干扰：虽强调"调查而非想象"，但无法阻止用户在框架外冲动出价
适合人群
- 首次购房者（信息劣势最大群体）
- 跨州/跨国 relocation 需快速理解新市场规则者
- 对租约条款细节警惕性不足的长期租客
- 希望优化售房策略的自主卖家（FSBO倾向者）
常规风险
- 过度自信风险：用户可能因"有AI辅助"而低估专业代理的必要性，在复杂交易（产权纠纷、遗产房、短售）中陷入被动
- 数据过时风险：利率、税法、地方 ordinances 变化可能导致建议失效
- 责任边界模糊：AI建议与专业法律/税务建议冲突时，用户难以判断优先级
使用建议
将此技能定位为专业服务的增强工具而非替代方案。核心决策（出价策略、合同签署、贷款选择）前务必与持证经纪人、房地产律师或CFP核实。