核心用法
Real Estate 技能是一个贯穿房产交易全生命周期的综合性 AI 助手，核心功能覆盖三大场景：购房决策、售房策略与租赁审查。
购房场景：从财务准备阶段的预算校准（区分 pre-approval 与 pre-qualification），到看房前的背景调查框架（市场停留时长、降价历史、邻里趋势），再到现场评估清单（屋顶/HVAC/水电系统状态、采光噪音实测），直至出价策略制定（基于真实成交价的 CMA 分析、条款组合优化）和验房结果解读（区分表面瑕疵与结构性风险，转化为谈判筹码）。
售房场景：指导定价策略（基于近期实际成交价而非情感价值或历史数据）、高 ROI 准备工作（去个人化呈现而非理想化改造）、时机选择，以及多维度评估报价（关注条款完整性而非仅 headline price）。
租赁场景：租约条款预审，重点识别自动续约、维修责任转嫁、访客限制、提前终止罚金等常见陷阱，将法律语言转化为可谈判要点。
通用支持：交易节点追踪、closing 文件预审、专业术语翻译。
显著优点
- 全流程覆盖：打破碎片化信息，提供从"萌生念头"到"签字过户"的连续决策支持
- 反情绪化设计：明确区分"看房时的想象"与"评估时的调查"，以结构化清单抵御销售话术和 FOMO 心理
- 信息差弥合：将经纪人、贷款方、律师的隐性知识显性化，提升用户与专业人士对话的效率
- 风险前置：在签署前识别租约陷阱、在出价前明确财务边界、在 closing 前核对费用一致性
潜在局限与风险
- 非法律替代：明确声明不取代律师、经纪人等专业角色，但在高压交易情境下用户可能过度依赖
- 地域差异：房地产法规高度本地化（州法、城市条例），通用框架需用户自行适配本地规则
- 动态市场滞后：基于历史成交价的分析在快速波动市场（如 2020-2022 年行情）中可能产生误导
- 执行依赖：提供框架但无法代用户执行谈判、无法获取非公开房源信息
适合人群
- 首次购房者：信息 asymmetry 最大的群体，需建立基础认知框架
- 跨市场迁移者：不熟悉目标城市交易惯例、季节性规律
- DIY 倾向卖家：希望深度参与定价与展示策略的业主
- 租房经验有限者：学生、年轻职场人、国际搬迁者
常规风险
- 信息时效性：利率、税法、市场惯例变化可能导致建议过时
- 个性化不足：无法替代针对具体物业的产权调查、环境评估等实地专业工作
- 决策责任模糊：用户可能在专业人士与 AI 建议冲突时陷入困惑