Agent 房地产：先把房源事实、材料流转和人工审核串起来，再谈智能成交

一提到房产服务，很多人会马上想到：

• •自动匹配房源
• •自动估价
• •自动谈判
• •自动推动成交

这些想法听起来很顺，但真实房产服务里更难的往往是：

• •房源事实是不是最新的
• •客户资格和预算有没有被真正确认
• •合同、披露文件和贷款材料是不是齐全
• •哪些判断属于经纪人、法务或贷款顾问的责任边界

所以房地产 Agent 更适合先做“咨询、材料和流程协同助手”，而不是直接替代经纪人做成交判断。

如果第一版就想覆盖需求理解、估价、谈判、签约和贷款咨询全部流程，项目很快就会卡在房源真实性、合规和线下协同上。

更现实的切入点通常是：

• •客户需求采集
• •房源初筛与对比
• •带看前准备
• •交易资料清单和节点跟进

以“看房与签约助手”为例，一个可交付的第一版通常已经很有价值：

• •采集客户预算、区域、学区、面积和入住时间等约束
• •汇总房源事实、披露文件和历史沟通记录
• •生成对比摘要、风险提示和缺失材料清单
• •把带看、报价和签约节点同步给经纪人或法务
• •不直接替代经纪人做价格承诺或合同判断

这类链路比“智能房产顾问大脑”更接近真实业务。

1. 客户需求与资格事实层

这一层至少要明确：

• •预算和付款方式
• •区域、户型、面积和入住时间
• •自住还是投资
• •是否已有贷款预批或资格限制

没有这层基础事实，后面的推荐和交易推进都很容易失真。

2. 房源与材料事实层

房产服务不是简单推荐列表，更重要的是事实能不能被核对：

• •房源状态和价格
• •户型、产权和披露信息
• •带看安排和业主/代理反馈
• •合同模板、贷款材料和签约节点

Agent 在这里更适合整合材料，而不是自己充当房源真源。

3. 对比与流程协同层

这一层最适合模型承担：

• •把客户需求整理成结构化 brief
• •生成多个房源的差异说明
• •标记风险点和缺失文件
• •为经纪人、法务和客户生成统一摘要

4. 人工审核与签约层

下面这些动作通常都不适合让 Agent 直接做：

• •给出正式法律或贷款建议
• •代替经纪人做价格承诺
• •确认合同最终版本
• •对外承诺某项披露或交易结果

这些动作需要明确责任归属和人工复核。

在房地产场景里，一个更稳的职责拆分通常是：

更适合模型处理的部分

• •采集客户需求
• •比较房源差异
• •整理带看前问题清单
• •汇总交易资料和未完成事项

更适合系统处理的部分

• •提供最新房源状态和价格
• •维护 CRM、日程和签约节点
• •管理合同模板、审批和文件版本
• •控制正式报价、签约和贷款流程

如果让模型直接跨过这些系统去做“成交建议”和“对外承诺”，风险通常会高于收益。

更稳的方式，是先把当前任务转成结构化计划。

from typing import Literal
from pydantic import BaseModel, Field


class RealEstatePlan(BaseModel):
    lane: Literal["lead_qualification", "listing_review", "showing_coordination", "handoff"]
    listing_ids: list[str] = Field(default_factory=list)
    customer_constraints: list[str] = Field(default_factory=list)
    missing_documents: list[str] = Field(default_factory=list)
    requires_licensed_review: bool = True


def run_real_estate_workflow(plan: RealEstatePlan, tools):
    facts = tools.load_listing_and_customer_facts(plan.listing_ids, plan.customer_constraints)
    draft = tools.generate_listing_summary(plan.lane, facts, plan.missing_documents)
    checks = tools.validate_transaction_guardrails(plan.customer_constraints, facts)

    if plan.requires_licensed_review or checks.has_blockers:
        return tools.route_to_broker(draft=draft, checks=checks)

    return tools.create_low_risk_followup(draft=draft, checks=checks)

这个模式的价值在于：

• •先区分当前是在做线索筛选、房源对比还是带看协同
• •缺失材料和客户约束条件可以显式记录
• •高风险判断默认进入经纪人或法务复核

房源说明、披露文件、贷款材料和签约清单，往往散落在 PDF、表格和 CRM 备注里。文件检索和受限代码工具很适合做：

• •材料摘要
• •多房源对比
• •缺失文件识别
• •节点跟进报表

但这些能力并不等于 Agent 可以直接给出正式法律建议或贷款结论。

房地产 Agent 的评估，更应该围绕这些问题：

• •需求采集是否完整
• •房源摘要是否和真实材料一致
• •带看和签约前返工主要集中在哪些节点
• •人工复核改动最多发生在哪些部分
• •是否出现过错误承诺或过度简化风险

这些指标更能反映系统有没有真的减少交易摩擦。

1. 让模型凭印象描述房源和价格

房源状态和价格变化很快，任何脱离真实系统的“推荐式描述”都可能误导客户。

2. 把贷款、法律和交易建议混成一段自然语言

这些判断背后的责任边界并不相同，不能被一句“AI 建议”模糊掉。

3. 不跟踪材料版本和正式节点

房地产交易里，很多风险都发生在文档版本、披露更新和节点遗漏上。

房地产 Agent 真正可交付的价值，不是做一个“自动成交顾问”，而是把房源、客户、材料和流程节点组织成一条更稳的服务链路：

• •先把需求、资格和房源事实建清楚
• •让模型承担比较、摘要和流程推进
• •把签约、法律和贷款判断留给受限系统与人工复核
• •用返工率和错误承诺率，而不是宣传文案来评估系统

只要把这些边界守住，Agent 就能真正帮助经纪团队和交易团队减轻信息整理负担。

• •OpenAI File Search
• •OpenAI Code Interpreter
• •OpenAI Structured Outputs
• •OpenAI Conversation State
• •OpenAI Working with Evals