2年前小的寫過一篇《用需求分析的思路進(jìn)行購房選擇》，在得到一些大佬的認(rèn)可與轉(zhuǎn)載的同時(shí)，還輔助自己欠上了幾百萬的貸款。雖然說自己買在了高位，還房貸1年后房價(jià)還開始往下掉，但當(dāng)時(shí)“這個(gè)選擇”也確實(shí)是除了“晚點(diǎn)買”之外的“較佳”選擇。相對(duì)起其他盤，也相對(duì)抗跌。

恰巧，最近有一位網(wǎng)友問我要當(dāng)時(shí)的“購房決策”文檔，加上最近Deepseek爆火、飛書多維表格引入Deepseek。于是我想到，“為何不能利用AI強(qiáng)化一下我的文檔，形成一套自動(dòng)化的、智能化的AI購房小助手文檔呢？”

好像還蠻有搞頭，說干就干……

于是便整出了這么一個(gè)在線文檔。

以下是成品展示~

整體上分為4頁，分別是“明確預(yù)算”、“需求拆解”、“市場調(diào)研”、“總結(jié)輸出”。用戶可分別在“明確預(yù)算”、“需求拆解”頁輸入自己的情況和需求權(quán)重，然后在“市場調(diào)研”環(huán)節(jié)錄入自己的研究結(jié)果。最終在“總結(jié)輸出”環(huán)節(jié)，系統(tǒng)會(huì)自動(dòng)計(jì)算出高分的的房源，并展示出來。

在“明確預(yù)算”頁，我們輸入表格中所需的信息，多維表格會(huì)利用Deepseek按我們輸入的信息查詢“最新（？）”的房貸政策，最終算出“房貸利率”、“預(yù)算上限”的參考。

這里實(shí)際算到的結(jié)果是有點(diǎn)延后的，所以這里僅能給到大概的參考，讓人知道“我的預(yù)算應(yīng)該在什么范圍”，但是最終的值還是要我們自己去查最新的資料算一遍。

在“需求拆解”頁，這里小的結(jié)合以往的經(jīng)驗(yàn)和AI建議，列出了常見的十幾個(gè)需求維度，我們可結(jié)合自身的需要程度，填入“分值說明”、“權(quán)重”，用于給到自動(dòng)計(jì)算的依據(jù)。

在“市場調(diào)研”頁，這里就需要我們?nèi)ヒ粋€(gè)個(gè)房源進(jìn)行考察和記錄，并填入表中。AI會(huì)結(jié)合我們填入的“分值說明”、“權(quán)重”對(duì)這些房源進(jìn)行“各維度打分”和“總分計(jì)算”。

在“總結(jié)輸出”頁，系統(tǒng)會(huì)按分值排序，呈現(xiàn)最高分值的房源選項(xiàng)，輔助我們進(jìn)行決策。

一、用途說明

那這個(gè)AI購房小助手有什么用呢？

對(duì)我們這些小白來說，買房會(huì)存在以下痛點(diǎn)：

1.房子評(píng)價(jià)維度多，對(duì)比困難。

評(píng)價(jià)一套房子的維度有很多，價(jià)格、地段、交通方便度、容積率、樓間距、朝向、配套、戶型、使用率等等。第一次接觸這些內(nèi)容與概念，會(huì)很容易一下子被繞暈，這套房可能教育資源配套更好，這套房可能通勤更方便，這套房又可能住起來舒服……其中真需求和偽需求混雜，導(dǎo)致房子與房子之間難對(duì)比。

2.對(duì)市場缺乏認(rèn)知，影響決策。

中介和房地產(chǎn)銷售是利用信息差賺錢的行業(yè)，對(duì)于我們這些缺乏信息獲取渠道的小白來說，極容易由于信息差被中介和房地產(chǎn)銷售套路，從而影響我們的決策?？赡茕N售的幾個(gè)套路，就會(huì)誤導(dǎo)我們認(rèn)為這個(gè)房子是較好的選擇，從而做了一個(gè)影響一生的錯(cuò)誤決策。

這套AI購房小助手能做到：

1.輔助我們梳理購房預(yù)算、購房需求，幫助我們了解“我們想要怎么樣的房子”。在一開始就明確這兩項(xiàng)內(nèi)容，可以使得我們在面對(duì)繁雜的信息時(shí)候，避免被“偽需求”干擾，從而做出錯(cuò)誤選擇。

2.通過梳理一套“標(biāo)準(zhǔn)化”的量化規(guī)則，輔助我們把市場上的選項(xiàng)都放在同一標(biāo)準(zhǔn)上進(jìn)行對(duì)比評(píng)分，從而避免各種中介、銷售用他們的話術(shù)混淆我們的判斷。

值得注意的是，AI購房小助手僅能做到利用已有信息進(jìn)行輔助決策，并不能預(yù)測未來的房價(jià)走勢，所以并不構(gòu)成投資建議，僅供買房小白參考，富哥、大佬請忽視。

二、建設(shè)思路

下面就分享下，我在弄這個(gè)表格時(shí)候的思路。

核心流程梳理

首先是梳理核心的業(yè)務(wù)流程，這里要梳理的是“購房的決策流程”。結(jié)合之前文章中的梳理和最新的經(jīng)驗(yàn)，這里的流程主要可分為：

1.明確預(yù)算；

2.需求拆解；

3.市場調(diào)研；

4.總結(jié)輸出；

這里先分開講講。

明確預(yù)算

在這個(gè)環(huán)節(jié)，我們需要主要先捋清楚“購房預(yù)算上限”。

“購房預(yù)算上限”主要用來衡量我們當(dāng)前最高能買多貴的房子。這里需要通過“可用于首付的金額”、“家庭每月可用于還款金額”、“購房類型”、“最高還款年限”、“所處城市”來計(jì)算，集中需要“所處城市”來查詢當(dāng)前城市的最新房貸政策。

需求拆解

“購房目的”主要是梳理出我們對(duì)房子的需求內(nèi)容有什么維度，從而為后面的量化評(píng)分做準(zhǔn)備。因?yàn)楹饬恳粋€(gè)房子價(jià)值的維度有很多，比如投資、教育、居住等方面，但是對(duì)于我們來說并不是所有的需求都是必須的，其中包含真需求和偽需求。這里可大致分為“房款壓力”、“通勤效率”、“生活配套”、“居住體驗(yàn)”、“增值潛力”、“主觀評(píng)價(jià)”6個(gè)維度去拆分。按照我先前的經(jīng)驗(yàn)和AI的建議，又可分為13個(gè)子類。

我們需要對(duì)這這些子指標(biāo)進(jìn)行分值定義，并分析這個(gè)指標(biāo)對(duì)我們的重要程度，從而制定一套權(quán)重。

比如當(dāng)時(shí)我對(duì)“通勤效率”的分值定義如下，使用其中的量化指標(biāo)對(duì)其進(jìn)行分值劃分。

并且當(dāng)時(shí)對(duì)“通勤效率”要求較高，所以給到了權(quán)重“8”，僅次于“房款壓力”的權(quán)重“10”。

市場調(diào)研

當(dāng)確定了預(yù)算和評(píng)判維度之后，就需進(jìn)行行大規(guī)模的市場調(diào)研，然后使用已有的維度標(biāo)準(zhǔn)進(jìn)行打分。

這個(gè)過程中我們會(huì)隨著對(duì)“房子”的認(rèn)知的加深，不斷優(yōu)化我們的初版標(biāo)準(zhǔn)與權(quán)重，使得我們最終的評(píng)分更符合我們的目的的。

總結(jié)輸出

最后就是通過我們的“權(quán)重”和“各個(gè)維度的分值”計(jì)算總分，從而排出“在當(dāng)前標(biāo)準(zhǔn)下”，最適合我們的房子是哪幾套。

這個(gè)公式如下：

當(dāng)然這個(gè)分值一開始并不一定是正確的，因?yàn)槲覀兊摹霸u(píng)分標(biāo)準(zhǔn)”、“權(quán)重”的設(shè)置會(huì)受限于我們的認(rèn)知。所以我們要多和其他更權(quán)威的人員溝通。我們可以先列出幾個(gè)評(píng)分較高的選項(xiàng)，組織一輪評(píng)審會(huì)，向家屬（股東）、有經(jīng)驗(yàn)的熟人（“權(quán)威”）統(tǒng)一介紹方案。這一步便是借用他人的經(jīng)驗(yàn)和智慧填平信息差，本質(zhì)上和做需求時(shí)需要和業(yè)務(wù)、技術(shù)多方對(duì)齊，避免自身的信息繭房影響了決策的效果。

最終第三方的意見，并再次優(yōu)化“評(píng)分標(biāo)準(zhǔn)”、“權(quán)重”，最終鎖定幾個(gè)個(gè)選項(xiàng)。最后再就這兩個(gè)選項(xiàng)進(jìn)行二次打分，最終可得到目標(biāo)的房子。

至此，小的關(guān)于購房決策的核心流程就梳理完了。

可行性研究

接著是可行性的研究。我要研究“增加了Deepseek的飛書多維表格”是否真的能滿足這個(gè)業(yè)務(wù)的需求。這里核心要考察的能力是——是否能基于錄入的信息查詢，并總結(jié)成目標(biāo)結(jié)果。

比如在“明確預(yù)算”環(huán)節(jié)查詢房貸政策，計(jì)算“貸款利率”。比如在“市場調(diào)研”環(huán)節(jié)查詢通勤時(shí)間，給到“通勤效率”相關(guān)的評(píng)分。

因?yàn)锳I購房小助手本質(zhì)上就是通過引導(dǎo)用戶輸入信息，然后AI小助手按標(biāo)準(zhǔn)化規(guī)范 思考判斷后輸出結(jié)果，并可視化呈現(xiàn)。

我這里就是通過“房貸利率”的計(jì)算進(jìn)行了可行性研究。

為了查到這個(gè)信息，我首先要查到城市的“房貸利率政策”。這里通過輸入了“所處城市”，讓DeepSeek去查詢該城市的政策。

查詢完后，DeepSeek的輸出結(jié)果是一大段房貸政策。而我的最終目的是算出“我當(dāng)前條件對(duì)應(yīng)的房貸利率”，所以還要做多一步提煉處理。

這里是先加多了一列“信息整合”列，把用于提取“房貸利率”的信息都匯總在一個(gè)格子內(nèi)，然后使用“信息提取”AI從中提煉“房貸利率”。

為什么要設(shè)置“信息整合”列？因?yàn)镈eepseek、AI信息提取功能無法對(duì)多格內(nèi)容進(jìn)行匯總并提煉，所以要多加一步的處理。

最終是驗(yàn)證到能夠查詢到對(duì)應(yīng)“房貸利率”。

三、落地建設(shè)

當(dāng)核心邏輯的可行性被驗(yàn)證后，那就是進(jìn)行項(xiàng)目落地了。我的思路是：

1. 按環(huán)節(jié)拆分輸入輸出

先按核心流程“明確預(yù)算”、“需求拆解”、“市場調(diào)研”、“總結(jié)輸出”梳理其中輸入輸出項(xiàng)目。

比如“市場調(diào)研”環(huán)節(jié)是要輸入各種房源的信息，然后通過AI處理，輸出分值信息。下圖為目前的字段示例。

2. 設(shè)計(jì)AI字段

當(dāng)明確輸入輸出內(nèi)容后，我們要梳理中間過程的AI字段，也就是“AI怎么把我們的輸入字段，變成輸出字段”。這里其實(shí)就是一個(gè)“提示詞工程”的過程。

我們要逐個(gè)逐個(gè)去調(diào)試提示詞的準(zhǔn)確度，判斷是否符合業(yè)務(wù)需求。部分輸出字段可能依賴多個(gè)信息，這種情況就要設(shè)計(jì)一套相對(duì)復(fù)雜點(diǎn)的處理邏輯。

比如“公交通勤評(píng)分”這個(gè)字段。

要算這個(gè)字段，首先我們要知道“上班地址”和“小區(qū)地址”，這里可以在Step1和Step3分別加入輸入項(xiàng)。

然后，我們使用DeepSeek查詢這兩個(gè)地址的早高峰通勤時(shí)間。由于DeepSeek輸出的是一大段文字，我們要從中提煉“時(shí)間”信息。因此這里要使用“信息提取”字段提煉時(shí)間信息。

最后，我們需要使用這個(gè)時(shí)間對(duì)比我們的“評(píng)分標(biāo)準(zhǔn)”得出最終的“公交通勤評(píng)分”。

大致流程圖如下：

3.設(shè)計(jì)結(jié)果輸出樣式

最后，就是設(shè)計(jì)“呈現(xiàn)這些輸出結(jié)果”的樣式了。這里直接使用了飛書多維表格的“儀表盤”進(jìn)行操作，關(guān)于此就不贅述了。

四、難點(diǎn)問題

整體下來還是有不少難點(diǎn)的，這也和DeepSeek與飛書的結(jié)合還是處于“中間”階段有關(guān)系。小的覺得存在的問題主要有：

1.AI響應(yīng)速度慢：由于AI對(duì)一個(gè)輸入內(nèi)容的響應(yīng)非常慢，所以導(dǎo)致本表格中較長“輸入-輸出”過程會(huì)出現(xiàn)問題，經(jīng)常一行信息更新了，但是最終的結(jié)果要等很久才能出來。使用過程中的體驗(yàn)會(huì)比較差。由于“AI思考需要時(shí)間”是一個(gè)客觀事實(shí)，或許需要補(bǔ)全兩方面的能力：

• 生成任務(wù)管理：需要一個(gè)全局的AI生成管理能力，一方面明確各字段的生成前后關(guān)系，另一方面用于控制整體的更新情況。以用于對(duì)一條鏈路上的所有字段同時(shí)更新，或者在提示詞更新后大批量更新內(nèi)容。
• 進(jìn)度預(yù)期管理：由于生成是需要時(shí)間的，這里需要對(duì)生成中的內(nèi)容進(jìn)行狀態(tài)提醒，并且禁用修改操作。

2.DeepSeek字段無法關(guān)聯(lián)多個(gè)輸入項(xiàng)：在利用DeepSeek能力的時(shí)候，只能選擇一個(gè)字段，無法同時(shí)輸入多個(gè)字段讓AI判斷。因此我這個(gè)表格的實(shí)現(xiàn)采用了很多“彎彎繞繞”的辦法。整體用起來有較高的學(xué)習(xí)和維護(hù)成本。

3.AI幻覺問題：由于AI是存在幻覺的，經(jīng)常會(huì)出現(xiàn)“限制條件”執(zhí)行不到位的情況，導(dǎo)致最終分值無法計(jì)算出來。為了提高準(zhǔn)確率，所以原本一個(gè)提示詞能解決的問題，我得拆成N個(gè)。

當(dāng)然，這些問題一定會(huì)在未來被解決，目前這些問題只是AI落地過程中的陣痛。

五、小結(jié)

以上，便是AI購房小助手這個(gè)項(xiàng)目的分享。我們可以看到引入了DeepSeek之后多維表格的強(qiáng)大之處。連買房決策這么相對(duì)繁瑣的業(yè)務(wù)都能被飛書“低代碼”地實(shí)現(xiàn)，那飛書多維表格的實(shí)力可見不僅如此。結(jié)合上AI coding，或許個(gè)人開發(fā)者的春天已經(jīng)來了！