关于首个房地产AI Agent，周忻还有三个问题没有回答

确实更快、更开放了

“走出老的框框，放下过去、放下身段，向前看。”

3月19日，易居（中国）控股有限公司董事局主席周忻刚刚在自己公司主办的大会上发表了一篇主题为《放下、学习、向前看，中国房地产大有可为》的演讲，两周之后，就赶在清明节前发布了“中国房地产首个AI Agent（智能体）” 克而瑞AI。

周忻说，“我有过打算叫它‘AI克而瑞’，觉得我们要颠覆自己，用AI把克而瑞（易居集团旗下的研究院）的东西做一遍。”

这款智能体目前只有网页版，并且只在小范围内进行内测。它的主要功能模块包括：搜索、文章、报告、知识库四部分，并且只聚焦于房地产垂直领域。

克而瑞AI Agent内测页面

第一次通过线上直播发布这款产品之后，4月8日，周忻又从上海飞到北京，专门在线下面向媒体去演示这款智能体。

在搜索模块，用户提问之后，克而瑞AI Agent结合外部网络公开信息和易居内部数据库，将搜索到的资料进行阅读分析，进行结果的总结提炼，并以分别归纳要点、列示图表的形式呈现。

在分析回答部分的前面，会展示搜索的信息来源。

克而瑞AI Agent内测页面

在回答结果的后面，还有相关的追问问题。这一点和豆包等AI产品的设计比较相像。

克而瑞AI Agent内测页面

在“文章”模块，克而瑞AI Agent的写作流程为：分析写作思路（类似DS的展示过程）、采集写作素材、整理素材分析、搭建素材脑图、生成文章初稿、校对、完成文章写作7个步骤。

在“素材脑图”部分，可以在思维导图中对结构和素材进行替换、调改写作思路，终版文章也可以直接在线上界面进行修改，体验类似于线上文档。

文章创作完成后，会发手机短信提醒，文稿可以直接导出。

生成文章的过程

据介绍，克而瑞AI Agent按照创新设计的不动产行业写作工作流（Workflow）自主执行，并会自主判断调用克而瑞数据库及RAG知识库，以确保文章专业度及准确度。文章创作类型包含了楼市测评、地块解读、政策分析等，覆盖住宅、购物中心、二手房、家居建材等多个细分领域。

不过，36氪作者在测试中看到：图片素材部分抓取的并非最新素材，而是混合了2017年、2020年等历史素材。

生成文章

对此，周忻回应称：AI Agent更重要的角色定位，应该是一个工具，在使用写作文章功能完成任务之后，需要使用者去做一些主动性的修改、确认工作。

“报告”模块，是克而瑞AI Agent的最核心部分，它的数据来源主要来自克而瑞研究院的内部数据库，包含了住宅、土地、办公、商业、租赁、康养、产城、文旅、企业、宏观政策等各个细分领域。

周忻透露，为了适应AI的调用逻辑，克而瑞把往年的数据、报告全部梳理、重构，这一部分工作耗费的精力和成本比较高。

根据介绍，克而瑞AI Agent可根据报告类型生成撰写大纲及逐页分析内容，并可自动在克而瑞数据库中调用所需数据，无论是区域市场月报、全国年度报告还是做项目研判、土地投资测算都能智能高效完成。

按传统人工写作方式，一份行业专业报告一般需要7-14天时间，而克而瑞AI Agent 生成一份报告的时间通常在20分钟以内。

克而瑞AI Agent内测页面

36氪在测试中看到，对于市场月报、城市月报等克而瑞积累了庞大数据库，并实时更新的细分领域，克而瑞AI 的测试表现更优秀，且包含大量的图表、数据处理，结构也十分清晰。

但在“法拍房评估报告”等比较冷门的细分领域，还是出现了使用数据的滞后性问题。

克而瑞AI Agent内测页面

“知识库”模块分为两个主要功能，一是对克而瑞过去20多年沉淀的数据库中各类文献、稿件、报告的调用；另一个功能是用户创建自己的知识库。

克而瑞AI Agent内测页面

“我们不会做其他领域的东西，我们的项目负责人一再跟我说要‘聚焦、聚焦’”，周忻说，克而瑞 AI的目标用户是房地产行业的从业人员，例如营销人员、研究员、规划设计、投拓等岗位员工，它不同于Manus等通用型AI智能体，“原来谁在用克而瑞的东西，现在我们希望降低他们的工作时间、成本，提高效率，在房地产这个领域做到更准确。”

周忻把克而瑞AI Agent能起到的理想作用总结为三个能力：整合工程创新力、行业认知力、数据沉淀力。

• 工程力：克而瑞AI Agent在不动产领域all-in-one Agent以及提供行业特定场景任务完成两个方面，做了诸多创新。如基于底层大模型进行适用房地产行业的微调，生成结果过程中接受用户进行反馈及指令等。
• 行业力：克而瑞AI Agent与房地产行业深度绑定，通过近30年经验沉淀的“房地产思维框架”，结合克而瑞20年积累的数据库和知识库，采用行业RAG LLM模式有效提升调用信息的准确性，同时，通过RAG对信息来源的执行与验证，对于模型所输出的结果极大降低了产生AI幻觉的可能性。
• 数据力：克而瑞覆盖全国400个城市、10余细分领域的实时数据（土地成交、项目去化、政策解读等）赋予克而瑞AI Agent强大的数据力。大数据在AI赋能下，用严谨的地产思维，以几何倍速的算力被挖掘、被激活，被合理的引用到各类工作成果中。

克而瑞AI Agent内测页面

“我们一直在强调要‘精做’”，周忻说，克而瑞AI Agent的计划在5月份正式上线，并推出APP版本。

但还有一个现实的问题周忻没有明确的回答和计划，即：正式发布之后的算力支持，以及收费模式和成本上升问题。

值得注意的是，目前克而瑞AI Agent并不支持大规模的同时使用，一旦出现并发问题，解决成本会快速上升。而对于多数AI公司，目前仍是一个烧钱的生意。

另外，克而瑞AI Agent的广义目标用户规模约为数百万，其中作为个体的人付费意愿并不强，而公司行为的采买则需要衡量使用AI带来的收益，或者用AI替代员工成本的方式来衡量是否值得。

还有一个问题周忻也没有回答，就是：如何解决后续的数据污染问题，并不是聚焦垂直领域就能避免数据、文本的污染，尤其是在房地产领域的项目层面，现实中存在这大量公开的商务型内容，对这些内容的抓取和使用将会影响到AI分析结果的专业性。

目前克而瑞AI Agent的团队人数不到20人，主要由行业分析师和技术人员组成，相当于一个初创公司的规模，如果用户数量增长，团队可能需要更多的人和更多的专业岗位。

还有一个房地产行业的现实问题：经过4年下行期之后，没有任何一家公司还愿意再烧钱做事，目前行业内的AI应用主要偏向于实用领域，如：设计、安防、商户管理等，克瑞瑞AI在市场数据中淘金，而房地产市场自身则越来越以央国企为主流，市场开放性下降，走向金融和资源主导，这意味着市场研究本身的价值会随之下降，这个领域还是否能通过AI做出更高性价比？

“2020年到2030年是中国房地产行业一个折叠的时代，从大开发到大资管的折叠阶段，我们正处于这样一个阶段当中，感觉会有点冷、有点痛。”周忻在近期的演讲中说。

最终，只有市场能给出结果。

文章来自于“小屋见大屋”，作者“小屋见大屋”。