各位好久不见。

又有一段时间没有更新了，距离上一次「Besu 的 API 与调试体系」又过了 3 个月了。这期间工作上发生了很多事，导致都没有时间更新了。最近家里人吃饭时聊到“别人的孩子多么优秀”的时候，就跟我提起了买房的事情了。

对，就是那种一走进售楼处就浑身难受的事。

(⊙o⊙)… 你给我一个终端，我能搞定 bug；但让我跟中介砍价？算了吧，我连“这个价格还能谈吗”这句话都问不利索。更别提什么 LPR 利率走势、住建部政策解读、开发商资金链风险…打开网页看了十分钟，每个字都认识，连在一起不知道在说什么。

于是就有了个想法：不如让 AI 帮我吧，做好了也可以帮帮大家嘛。

---

不只是「AI 问答机器人」

你可能觉得：这不就是接个 ChatGPT 问一句「北京 500 万预算买哪里」吗？网上大把这种工具啦。

说实话，一开始我也这么想的，直接问 Qwen、Kimi 不就好了。但问着问着就发现不对劲——让一个模型回答所有维度的问题，跟让一个医生同时看内科、外科、儿科、妇产科一样不靠谱。

市面上绝大多数基于通用模型的「AI 购房助手」长这样：

用户输入 → 单个 LLM 回答 → 输出结果

好一点的会在前面加个搜索，变成：

用户输入 → 联网搜索 → 单个 LLM 回答 → 输出结果

这有个致命问题：再牛的模型也有自己的知识盲区。 Claude 强在逻辑推理但中文政策解读不如 DeepSeek，GPT 算账厉害但不懂中国风水格局，Qwen 懂中文但风险评估容易「过于乐观」。你把这么大的决策压在一个模型上，你能保证它不出问题吗？

所以我做了个不一样的东西：

用户输入
  ↓
画像提取 + 多源情报采集（官方数据 + 政府网站 + 三平台搜索 + 深度研究 Agent）
  ↓
8 位独立 AI 专家并行分析（城市规划师 / 政策研究员 / 金融顾问 / 风险评估师 / 家庭顾问 / 看房专家 / 法务顾问 / 环境顾问）
  ↓
8 位专家交叉辩证（看完彼此的观点，互相挑刺）
  ↓
首席决策官汇总 16 份意见，输出最终购房建议书

这相当于你买房前，同时请了 8 个不同领域的专家关起门来开会，先各自分析，再互相辩论——最后给你一份他们打架打出来的共识结论。

---

8 个专家到底怎么工作的

专家不只是一个 prompt，而是一整套人格

市面上很多「多 Agent」系统其实就是同一套 prompt 换了个角色名。但我这里，每个专家是真正不同的模型：

专家	用的模型	为什么选它
城市规划师	Gemini 3.1 Pro	城市发展分析需要大数据推理
金融顾问	GPT-5.4	房贷计算、税费精算需要强量化能力
风险评估师	Claude Opus 4.7	找茬需要最强的综合逻辑推理
看房专家	Claude Sonnet 4.6	户型分析需要结构化 checklist
政策研究员	DeepSeek V3.2	政策解读需要精确的中文理解
法务顾问	DeepSeek V3.2	法条引用需要严谨性
家庭顾问	Qwen 2.5 72B	生活场景分析有温度接地气
环境顾问	Qwen 2.5 72B	中国传统居住智慧理解更深

通过上图你可以发现，需要强推理能力的走 Poe（Claude/GPT/Gemini），需要中文场景优势的走 SiliconFlow（DeepSeek/Qwen）。 这不是随便分配的——用 Poe 的 Claude Opus 去解读中国房地产政策，不如让 DeepSeek 来；但让 DeepSeek 去做复杂金融模型的风险推演，又不如 GPT-5.4。

不是「调用一下 API」，是一整套容错体系

这里有个真实的工程问题：API 挂了怎么办？Poe 积分耗尽怎么办？硅基流动服务波动怎么办？单个模型抽风返回空怎么办？

为此，我加了三层兜底：

第一层：Poe → SiliconFlow 平台级切换。

每次调用 Poe 前先查余额，低于月预算 10% 就自动切到 SiliconFlow。如果 Poe 返回 402（余额耗尽），直接永久标记为不可用——不再浪费请求去尝试。

第二层：模型级降级链。

每个专家都配了 3-4 个备选模型。主力挂了 → 备选 1 → 备选 2 → 备选 3。

第三层：熔断器。

连续失败 5 次，直接熔断整个平台，等 5 分钟再试探性恢复。防止级联故障打爆下游。

真不是我矫情。你想想，用户提交一次深度分析，背后要走 6 个情报采集阶段 + 16 次专家调用（8 个专家 × 2 轮）+ 1 次首席决策官汇总。只要其中一环挂了没兜底，整条链路就断了。没有这套容错体系，跑三天能成功一次就不错了。

交叉辩证（重点）

8 个专家各自分析完只是第一步。真正有意思的是第二步——把所有人的观点拼在一起，再发给每个人看一遍。

「你看看城市规划师说的，你觉得他推荐的板块靠谱吗？」

「政策研究员说限购有放松趋势，风险评估师你注意到这个风险了吗？」

这不是走形式。真实跑下来，我发现：

• 金融顾问经常被风险评估师打脸。「你说月供占收入 50% 没问题？万一失业呢？」，然后金融顾问回去重新算了一个 40% 的方案。
• 环境顾问会让城市规划师重新考虑。「你说的那个新盘，我在高架旁边…晚上噪音 65 分贝你考虑了吗？」
• 看房专家会 challenge 法务顾问。「你说这个楼盘产权没问题，但我查到开发商在隔壁项目有延期交付的记录，你怎么看？」

两轮下来共 16 份意见打架——最后发给首席决策官的不是 8 段话，是一整场辩论赛的完整纪要。

---

关于情报，我要的是“挖到底”

专家再牛，喂进去的信息质量决定了产出质量。所以我在情报采集上花了很大力气。

不止是搜索

很多「AI + 搜索」就是调一个 Google API 拉几条结果塞进 prompt。我做了 6 个阶段：

1. 官方数据：通过 AKShare 直接从国家统计局拉 LPR 利率、70 城房价指数、全国房地产开发投资数据。这不是搜出来的二手信息，是原始数据。
2. 政府网站定向搜索（频次允许内）：对住建部、自然资源部、央行等 5 个 .gov 域名做 site: 定向搜索政策原文。
3. 三平台轮询搜索：用 Brave、Exa、Tavily 三个搜索引擎轮询执行 10 组查询，单平台连续失败 3 次自动降级到下一个。
4. 深度研究 Agent：这是一个 ReAct 循环，Agent 先把主题拆成 8-15 个子问题，然后一轮一轮地搜→读→分析→追问，最多执行 20 次搜索调用，直到所有子问题都有答案为止。

三平台轮询不是花架子。Brave 擅长广度搜索和 site: 定向，Exa 擅长语义深度搜索，Tavily 自带 AI 摘要——同一组查询在不同引擎上跑出来的结果差异巨大。

输出不能断在半路

深度研究报告动不动万把字，经常超过模型的上下文窗口。输出被截断了怎么办？

为此，我写了个续写机制。检测到输出被截断（finish_reason="length" 或者末尾在句子中间），自动发起续写请求，把前半段当作上文，让模型接着写。最多续写 3 次（应该也足够了）。就这么个简单的逻辑，解决了「报告写了八成就没了」的问题。

---

我不能让它骗我

AI 最大的问题不是笨，是太能编了。你问它一个不存在的数据，它能给你编得像真的一样。

所以我加了几条硬约束，贯穿所有专家和最终报告：

• 每个判断标注确信度：✅ 有数据支撑 / ⚠️ 大概率但缺验证 / ❓ 不确定
• 引用必须带来源：不能张口就说「业内人士认为」，得标清楚信息从哪来的
• 不知道就说不知道：「这个区域的真实成交价我没查到」——比编一个数强一万倍
• 最终报告三大铁律：
  1. 必须融合你提过的所有需求（一条不能漏）
  2. 必须推荐一个情报里真实存在的标的（不能编小区名）
  3. 必须逐项检查 12 个维度（宏观周期、利率、城市基本面、板块、楼盘、户型、物业、产权、金融方案、政策风险、隐性陷阱、流动性）

这不是为了显得「专业」，是我自己真的会用这份报告做决策。我不能让它骗我。

---

跑起来看看

系统用的是 Python 3.10+，依赖就这几个：

pip install -r requirements.txt

在 .env 里填上 API key：

POE_API_KEY=你的key        # 高质量模型（Claude/GPT/Gemini）
SF_API_KEY=你的key         # 中文模型（DeepSeek/Qwen/Kimi）
BRAVE_API_KEY=你的key      # 搜索引擎
EXA_API_KEY=你的key
TAVILY_API_KEY=你的key

启动：

python app.py
# 打开 http://localhost:5001

如果你拿来二次开发，那么可以加一行 DEV_MODE=true 跳过邮箱验证直接进去用。

---

和同类项目比，有什么不一样

说几个我认为真正有差异的点（个人主观认为）：

1. 不是单模型回答，是 8 个不同模型各自分析再互相辩论。 大多数同类工具就是接一个 LLM 然后调一两个搜索 API。这里是 8 个模型并行跑两轮，16 份意见丢给首席决策官汇总。
2. 不是黑盒。 整个分析过程通过 SSE 流式推送到前端——你看到每一步搜了什么、每个专家说了什么、辩论中谁反驳了谁。不做「等 5 分钟弹出一个结果」的黑盒体验。
3. 有「记性」。 你上次聊过的事儿（预算、城市、家庭结构）下次还记着，换设备换浏览器都没事，完整的 RBAC 结构 + 画像都通过 SQLite 保存在服务端。意味着你用得越多它越懂你。
4. 它不是 demo，是能跑的生产级代码。 双平台路由、熔断保护、6 阶段情报管线、自动续写、12 维度自检…因为自己用所以这套架构是认真设计过的，绝对不是「能跑就行」。

---

跟 OpenClaw、Codex 比你有存在的必要吗？

嗯…这个问题问得很好。但拿这个项目跟 OpenClaw 和 Codex 比也太过抬举我了。

它们确实很强

OpenClaw 的架构让我叹服。936K 行 TypeScript，单端口 WebSocket 网关连接 50+ 个消息渠道，13,000+ 个社区技能，设备节点能把手机变成 Agent 外设…这工程能力我这种卡拉米肯定是做不到的。Codex CLI 更不用说，84K Star，macOS 桌面操控、Chrome 扩展、多 Agent 并行…

但这里有一个关键区别，应该很多人没注意到：

它们是「通用 Agent 框架」，我做的是「专用决策管线」。

这是两种完全不同的设计方向来的。

单模型扮演 vs 多模型辩论

OpenClaw 的 Agent 运行时是 pi-agent-core。一个强大的、模型无关的推理引擎。你可以给它挂上技能（SKILL.md），让他「扮演」城市规划师、金融顾问、风险评估师。它甚至可以 spawn 子 Agent 并行工作。

但有个本质问题：无论你 spawn 多少个子 Agent，它们背后跑的都是同一个模型。 你用 Claude Opus 扮演 8 个角色——它还是 Claude Opus。它能模拟辩论，但这是在「自己跟自己下棋」。

这边的的 8 个专家是 8 个真正不同的模型：

• 城市规划师跑的是 Gemini 3.1 Pro——城市发展大数据推理是它的强项
• 金融顾问跑的是 GPT-5.4——量化计算和财务模型没人比它更擅长
• 风险评估师跑的是 Claude Opus 4.7——综合推理找茬，这是 Claude 的看家本领
• 政策研究员跑的是 DeepSeek V3.2——中文政策解读，原生中文模型碾压所有翻译模型
• 家庭顾问跑的是 Qwen 2.5 72B——生活场景分析，有温度接地气

这不是搞花活。你让 DeepSeek 去做 GPT-5.4 擅长的复杂金融推演，或者让 Claude Opus 去解读中国房地产政策…结果一定不如让对的模型做对的事。个人认为：一个全能模型扮演 8 个角色，不如 8 个专长模型各司其职。

OpenClaw 的「技能系统」确实可以让 Agent 表现出不同领域的专业行为。但技能本质上是 prompt injection——它在教模型「怎么说话」，改变不了模型「怎么思考」。你给一个数学不好的人穿上白大褂，他不会变成数学家。

搜索 ≠ 情报采集

Codex CLI 有 browser-use 和 computer-use。能打开浏览器搜东西，这确实厉害。但买房这件事需要的信息，不是「搜一下」能搞定的。具体已经在**“关于情报，我要的是“挖到底”**章节说过了，这里就不重复了。

你当然可以让 Codex 或 OpenClaw 「帮我研究买房」。它能做。

但通用 Agent 能做任何事，每件事都做不到 90 分。专用管线只做一件事，但能做到 95 分。

用那么多模型费用一定也很高吧？

「你又要买 Poe 会员又要买 SiliconFlow 的 API，做一次分析贵到离谱吧？」

这可能是最大的误解。我来算个真实的账。

Codex CLI 或 OpenClaw 跑一次复杂的 Agent 任务要多少 token？学术界有个叫 AgencyBench 的基准测试——专门评估 Agent 处理真实世界长周期任务的能力。他们的数据：

• GPT-5.2 完成一个复杂任务平均消耗 340 万 token，耗时 0.6 小时，89 轮工具调用
• Claude Opus 4.5 消耗 170 万 token，耗时 0.8 小时，36 轮

按 API 价格算：Claude Opus 4.7 的 API 是 5/M 输入、25/M 输出。这一次分析就是 $25-50。GPT-5.2 便宜点，输入1.75/M ，输出 14/M，也要 $5-15 一次。这还是「完成任务」的情况，如果中间出错重试，翻倍很正常。

那么我的方案呢？

• Poe 订阅 $20/月：覆盖了 Claude Opus、GPT-5.4、Gemini 的所有调用。不是按 token 计费，是按积分调用。
• SiliconFlow API：DeepSeek V3.2 的价格是输入 ¥1/M、输出 ¥2/M（约 $ 0.14/ $0.28）。8 个专家中 3 个走 SF，每次调用几千 token，一毛钱都不到。

一次完整的深度分析：5 个专家走 Poe（积分扣除+折扣）、3 个专家走 SF（几分钱）、加上搜索 API 的免费额度。实际增量成本几乎为零。

Poe 的定价模型是订阅制而非 token 制，这才是关键。如果你用 API 按 token 付费跑 Claude Opus 4.7，做 10 次深度分析就要 250-500。但 Poe 不开 Output Effort 为 Max 和 Extra High 的话 20/月也是足够用的。

所以不是「我这个也便宜」，而是「把质量任务走订阅制、把批量任务走廉价 API，比所有调用都走 API 按 token 计费便宜一个数量级」。OpenClaw 自托管也要付 API 费的，你用 Claude Opus API 跑一次复杂 Agent 任务就是几十美元，跑十次就是几百美元。

严谨性不是 prompt 能解决的

OpenClaw 和 Codex 都能被 prompt 要求「严谨」。但「要求严谨」和「系统性地保证严谨」是两回事。

这边的严谨性是架构级的：

• 每个专家被分配了明确的 12 维度覆盖责任。这不是「你看着办」，而是「你负责维度 3、4、8」
• 交叉辩证不是 prompt 技巧，是第二轮真实调用。每个专家拿到其他 7 个人的完整输出后再跑一遍
• 最终报告的三大铁律是硬约束。必须融合所有历史需求、必须推荐真实标的、必须逐项检查 12 维度
• 确信度标注（✅⚠️❓）贯穿全流程。这不是建议，是要求

这些不是靠一段「请严谨分析」的 prompt 能做到的，因为它们是管线设计的一部分。

---

最后

这个项目会不定期更新吧（主要是要看时间，大家不要抱太大期望）。

欢迎到 Gitee 上试用。代码写得不算漂亮，但每一行都是实打实跑过的——从熔断器到续写机制，从三平台搜索到 8 专家辩论，没有一行是 demo 代码。

gitee: https://gitee.com/yzh0623/dream-house.git

如果你也是那种写得了代码但砍不了价的人，应该能理解我在说什么。

（未完待续…）