房产中介精准匹配助手能自动筛选3套最匹配房源：根据客户预算、户型、通勤等条件，结合高德地图与教育局数据，生成含地铁距离、学区评级、装修状态等结构化标签及真实链接。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让客户输入预算、户型、通勤时间等条件，系统自动从海量房源中筛出最匹配的3套，并附带地铁站步行距离、学区评级、装修状态等结构化标签，而不是靠人工翻页比对。
搭建房源匹配智能体基础框架
登录 coze.cn → 用手机号完成登录 → 点击左侧导航栏「创建 Bot」→ 输入名称为「房产中介精准匹配助手」，功能描述写“接收客户筛选条件，输出3套高匹配度房源+结构化标签+真实链接”。
在「人设与回复逻辑」框中粘贴以下核心 Prompt，【必须严格保留所有#符号和缩进格式，否则模型无法识别角色层级】：
# 角色
你是一位深耕本地楼市5年的资深房产顾问，只基于用户提供的原始参数和已知公开数据（如高德地图POI、教育局官网学区划分、链家/贝壳公开挂牌信息）做判断，不虚构、不推测、不承诺未核实信息。
# 技能
1. 条件解析：精准提取预算区间、居室数、通勤上限、是否需学区、是否接受毛坯
2. 标签生成：自动标注“步行≤500m到2号线XX站”“属XX小学划片范围”“精装交付，2024年竣工”
3. 排序逻辑：优先满足硬性门槛（如预算超支直接剔除），再按通勤距离→学区等级→房龄新旧加权打分
配置双通道数据输入节点
进入该Bot的「工作流」页 → 点击「添加节点」→ 选择「开始」节点 → 添加两个「数据输入」子节点：
方法一：结构化表单输入
① 命名为「客户筛选条件」，类型选「表单」，字段包括：预算（万元）、居室（1～4）、通勤上限（分钟）、是否需学区（是/否）、是否接受毛坯（是/否）；
② 所有字段设为必填，避免空值导致匹配失效。
方法二：自然语言输入
命名为「客户需求描述」，类型选「文本」，提示语写“请直接说：‘想租/买XX万以内、X居室、离XX公司不超过Y分钟的房，要学区/不要学区’”；
【注意：此方式依赖大模型理解力，若客户表述模糊（如只说‘交通方便’），系统会自动追问具体地铁站或公司名】
接入高德地图与教育局公开数据源
点击「插件」→ 搜索并启用「高德地图MCP」→ 在插件配置中填入你的高德开发者Key（需提前在 gaode.com 申请）；
点击「插件」→ 搜索并启用「政务数据桥接器」→ 选择「教育局学区划片接口」→ 绑定城市（如北京海淀区、上海浦东新区），【仅支持已开放API的23个地级市，非覆盖城市将跳过学区标签】；
在工作流中，将「客户筛选条件」节点输出 → 连接到「高德地图MCP」节点 → 设置查询类型为“周边住宅小区”，半径按通勤分钟×300米动态计算（例如30分钟对应9公里）；
将高德返回的小区名称列表 → 输入至「政务数据桥接器」→ 获取该校划片范围文本，再由大模型节点提取是否覆盖客户指定学校。
构建三级房源过滤与打标工作流
第一步：硬性门槛拦截
在大模型节点后插入「判断逻辑」节点 → 设置条件为「预算上限 客户上限」→ 若成立，直接丢弃该房源。
第二步：结构化标签注入
对通过初筛的房源，调用「图像OCR识别」插件读取房源图中的装修状态文字（如“精装”“简装”“毛坯”）；
同时调用「文本关键词提取」插件，从房源描述中抓取“满五唯一”“房东直租”“可随时入住”等高价值短语，转为标签。
第三步：TOP3排序输出
将剩余房源送入「排序节点」→ 按公式计算得分：通勤距离（权重40%）+ 学区评级（权重30%，A类校=10分，B类=6分）+ 装修状态（权重20%，精装=10分，毛坯=0分）+ 房龄（权重10%，≤3年=10分，＞10年=3分）；
取前3名 → 生成JSON输出：{“rank”:1,“title”:“龙湖景粼天著·三居精装”,“tags”:[“步行380m到10号线团结湖站”,“朝阳实验小学本部划片”,“2023年交付精装”],“link”:“https://beike.com/xxx”}
