USER STORY 01
我想看看珠江新城的房子，哪个比较有性价比
系统不会直接拿小区均价从低到高排序，而是先把“便宜”和“值得买”区分开。
板块选房预算匹配真实成交
板块小区48
近年有成交31
预算可覆盖16
样本较可靠8
先看两个用户故事
每个故事都从一句自然语言问题开始，经过真实数据筛选，最后形成可执行的看房或谈价动作。
USER STORY 02
我这个板块，不同楼龄的谈价差异多少比较合理
先剔除面积、户型、楼层和成交月份影响，再看楼龄折价与实际议价空间是否一致。
楼龄曲线同质比较谈价锚点
5年内10年20年30年以上
一个问题怎样变成一份判断
以下以“珠江新城找性价比小区”为例。每一步都保留数据口径，避免 AI 脱离真实成交自由发挥。
01
先限定研究范围
确认城市、行政区、板块、预算、户型和持有目的。范围不清，任何排名都没有意义。
广州→天河→珠江新城→小区
02
读取价格、供需与议价信号
成交价看真实方向，挂牌价看卖方预期，成交量和挂牌量判断去化，议价空间判断谈判环境。
成交动能近3月+1.8%
量能4周/26周+12%
议价空间近期中位6.4%
挂牌供给近3月偏高
03
只比较真正同类的房子
相同总价可能对应不同面积和楼龄。系统用房龄、楼层、户型、面积和月份拆解结构差异。
04
生成看房与谈价清单
结论不是“买哪套”，而是告诉你先看谁、为什么、合理价格锚点在哪里，以及现场必须核验什么。
预算内候选小区近期成交对照建议谈价区间线下核验问题
页面里的主要结论，分别怎样生成
不同问题调用不同模块，不会用一个总分替代所有判断。
板块走势与预测
成交动能、量能、供给、价差和同区相对位置进入滚动时间验证模型，用于比较未来 26 周相对表现。
适合：候选板块排序。限制：不是精确涨幅承诺。
小区性价比筛选
聚合近 12 个月真实成交，计算预算覆盖、中位总价、近期动量、议价空间和样本可靠度。
适合：建立看房清单。限制：不能识别具体楼栋、朝向与装修。
楼龄与价格拆解
用 Hedonic OLS 拆分楼龄、楼层、户型、面积、月份和区位影响，得到同质条件下的折价或溢价。
适合：解释价格差。限制：残差也包含学位、物业等未观测因素。
议价空间
由挂牌总价与成交总价计算，并按板块、小区、楼龄和近期时间窗口汇总，避免拿单套极端案例当行情。
适合：形成谈判锚点。限制：急售和房屋瑕疵会造成异常折价。
历史相似阶段
用价格动能、加速度、成交量、供给和价差寻找历史近邻，展示当时之后的真实路径与分歧。
适合：理解可能路径。限制：政策和信贷环境不会完全重复。
AI 购房参谋
AI 先调用当前城市、板块、小区与成交工具，再根据预算和偏好解释结果，追问共享同一研究范围。
适合：多条件比较和白话解释。限制：仍需现场与产权核验。
透明，比“神准”更重要
我们更愿意明确告诉你哪些结论可靠、哪些只能作为方向参考，而不是用一个精确数字制造确定感。
成交少的板块会降低置信度近期成交稀疏或价格跳动过大时，只给方向和样本提示，不给虚假的精确排名。
模型优先用于相对比较未来 26 周预测主要比较同一城市内板块强弱，不是绝对房价承诺。
线上数据无法替代现场学位占用、楼栋、朝向、噪音、装修、产权与业主急售程度必须线下核验。
每个结论都能回到原始口径页面保留样本数、时间范围、数据日期与生成方法，方便用户复查。