为什么买房看房时，那些关键的信息在 Zillow 上根本搜不到？

我今年带老婆看了 22 套房子，还是没定下来。原因挺让人抓狂：所有的房产 App 只能让你按卧室数量、卫浴间、价格去筛选，但它们没法让你筛选“大门朝向是不是符合风水”、“楼下是否有带完整卫浴的卧室”、“后院够不够平整能让小孩跑”或者“房子后面是不是紧挨着四车道公路”。

这些信息根本不在数据库的字段里，它们全藏在户型图和卫星地图里。这就是我最近折腾的一个小项目：解决“看房”而不是“搜房”的问题。

别指望一个 Prompt 能搞定所有逻辑

刚开始我觉得这很简单，写个复杂的提示词，把户型图丢给大模型，让它直接给我打分、写分析报告。结果折腾了一个周末发现，这路子完全走不通。

首先是极其不稳定，模型经常在没看图的情况下，仅凭地址就开始瞎编（Hallucination），甚至有的请求直接报 503 错误。最关键的是，如果你把“判断标准”和“视觉识别”混在一起，你会发现这个工作流根本没法维护。比如风水要求南向大门，但另一套逻辑可能觉得北向更好，你总不能为了改个偏好就去重写一堆 Prompt 吧？

后来我悟出一个道理：Gemini 负责感知（Perception），代码负责决策（Judgment）。

我把整个工作流拆成了两部分，这种“感知-逻辑分离”的架构才真正跑通了：

• 第一步（感知层）： 把户型图和卫星图丢给 gemini-1.5-flash-lite。我不问它“这房子好不好”，我只问它物理事实：“大门在哪个方位？”“厨房在哪个象限？”“楼下卫生间里是有浴缸还是只有马桶？”
• 第二步（决策层）： 用 TypeScript 写一个简单的评分引擎。模型输出的物理事实会被存入缓存，然后根据我的个人偏好（比如 Vastu 规则）进行计算。

这样做的实操好处非常明显：

• 速度极快： 只要物理事实识别完了，改一次偏好只需要 23 毫秒，完全不需要重新调用大模型。
• 结果可重复： 同样的房子，识别出的物理特征是恒定的，不会因为你换了个问法就打出不同的分。
• 准确率可量化： 我用 Gemini 按照文字描述生成了一批“标准答案”户型图，用来测试识别精度。实测识别准确率能达到 93% 以上，误差基本都在方位偏差上。

避坑指南：模型选型与错误处理

在实操过程中，有两个坑一定要提醒大家：

1. 别迷信大模型，Lite 版可能更香： 我测试发现 gemini-1.5-flash 在处理两张图的请求时，偶尔会卡 59 秒然后直接报 503 错误。而 gemini-1.5-flash-lite 的响应时间只要 1.5 秒，准确度几乎没差。在做这种高频、单一任务的 Agent 时，轻量化模型性价比极高。
2. 分清报错类型： 遇到 503 UNAVAILABLE 不要以为是触发了频率限制（429），这通常是后端服务的问题，需要做 Fallback 降级处理。

这是我目前整理的用于“物理事实提取”的提示词模板，大家可以直接拿去测试户型图识别：

# Role
You are a highly precise architectural visual analyst. Your task is to extract physical facts from the provided floor plan and satellite imagery.

# Task
Analyze the provided images and answer the following questions with absolute objectivity. Do not provide opinions, scores, or subjective evaluations.

# Questions to Answer
1. Entrance Orientation: Which compass direction does the main entrance face?
2. Kitchen Location: In which quadrant of the house is the kitchen located?
3. Downstairs Bathroom Details: Does the downstairs bathroom contain a bathtub, or only a toilet and a sink?
4. Backyard Topography: Based on the satellite image, is the backyard terrain relatively flat or sloped?
5. Road Proximity: Is there a major multi-lane road directly adjacent to the property boundary?

# Output Format
Return the results in a clean JSON format:
{
  "entrance_orientation": "string",
  "kitchen_quadrant": "string",
  "downstairs_bathroom": "bathtub/sink_only",
  "backyard_terrain": "flat/sloped",
  "road_proximity": "boolean"
}