⁣
📰 地产“新工作范式”，被一个叫CoWork的AI平台颠覆了

5月的上海，一家头部房企的投拓总监张远，正同时与市场数据、财务模型、可研报告、汇报PPT以及历史项目的产品定位等五个对话框互动，甚至分不清哪一个是真人，哪一个是AI。这是深度智联在AI不动产生态大会上推出的CoWork内测场景。过去两年，房地产行业对AI的认知经历了从“写文案的玩具”到“降本增效的利器”的跃迁，但一线从业者普遍发现，市面上大多工具仍停留在“回答问题”的层面，无法将AI真正变成懂地产、能交付的工作伙伴。CoWork以DeepLinkRE-LLM为底座，结合高质量数据、可信知识库、专家技能与Agent工程力，推动数据、知识、专家、工程四者的协同进化，实现深垂直、可落地的企业级AI工作平台。它通过自动拆解目标、调用工具、生成强排图与测算模型，将AI从被动问答提升为主动执行的工作伙伴，能够在短时间内完成从数据读取到竞品分析、区域价值研判、产品定位、财务测算直至完整可研报告PPT的全流程产出，大幅缩短从数周到数小时的周期。CoWork还提供多模态生成能力，直接输出专业报告、图表、PPT、数据看板、平面规划图、户型示意、效果图、短视频等多种成果形式，避免了后续重复拷贝与转换。核心在于Skill机制：将行业分析方法、拿地经验等沉淀为可调用的智能单元，企业可自建Skill与知识库，形成可传承、可进化的数字资产，打破部门间壁垒，提升组织智能化水平。最终，CoWork将人和AI的协同提升到“任务驱动协同”的新工作范式，让AI成为员工的强力伙伴，帮助企业实现从人驱动流程到任务驱动协同的跃迁。未来，地产行业的AI应用将不再只是辅助工具，而是提升决策力和创造力的企业级智能资产。

🏷️ #AI地产 #企业级协同 #多模态 #技能生态 #知识库

🔗 原文链接

⁣
📰 南宁房企的AI突围战：GEO优化如何成为营销新出路？

在南宁，购房者倾向先请AI判断青秀区的值得购买的楼盘，这迫使房企的营销逻辑从传统的SEO转向GEO（生成引擎优化）。GEO关注的是AI答案的质量，而非网页排名，因此项目要想被AI“看见”并被推荐，关键在于建立高质量的楼盘知识图谱与可信的数据源。极客问道作为国内专注泛地产的GEO平台，强调正向优化，即通过162个精细字段构建的知识图谱提升AI对项目的真实价值认知，成功案例显示曝光度显著上升，并多次被优先位推荐。另一方面，极客问道与克而瑞好房点评网深度联动，依托克而瑞20年的数据积累与权威测评体系，给出可溯源的信源底座，确保AI在回答如“五象新区性价比最高”时引用权威数据，增强信任度，帮助南宁盘建立专业形象。对房企而言，GEO并非短期流量游戏，而是构建品牌认知护城河的长期战略。谁能让自家项目成为AI对话中的“标准答案”，谁就能抢占新流量入口、提升营销ROI。南宁房企应主动拥抱GEO，与极客问道和克而瑞好房点评网的数据为项目在AI世界中“发声”提供支撑。本文数据来自克而瑞好房点评网的权威数据库与行业研判，信息仅供参考，请以官方发布为准。

🏷️ #地产数据 # GEO优化 #AI信任 #知识图谱 #品牌认知

🔗 原文链接

⁣
📰 一种新的 LLM Wiki 方法论：让 AI 帮你建一个能活下去的知识库

本文介绍了将 RAG（检索增强生成）模式升级为持续性的个人知识库（LLM Wiki）的思路与实现路径。作者指出，RAG 的本质是一次性回答，知识难以积累，跨文档问题易丢失细节。解决之道是提前把知识整理成互相关联的 Markdown 页面，持续维护和更新，知识沉淀在文件中，而非对话中。实现工具链包括：Obsidian Web Clipper 用于素材采集，将网页保存为 Markdown；统一附件存储路径与本地图片本地化，确保图片可被 AI 访问；Graph View（图谱视图）帮助发现孤岛与空白页，Dataview 用于在页面中渲染结构化信息；Marp 将 Wiki 内容转为可用幻灯片；Git 作为版本控制，确保变更可回溯并提供历史记录；qmd 提供本地全文检索以提升大库的检索速度。通过这些环节，知识库可持续扩展，维护成本从随规模增长的线性提升，转为相对固定成本；核心在于明确要读什么、问什么、记录哪些内容，由 AI 负责整理、归档、串联，最终实现一个可用、可成长、可长期运行的个人知识库系统。需要的四件套是 Obsidian Web Clipper、图片本地化、Git、以及 Claude。


🏷️ #知识库 #LLMWiki #Obsidian #Git #数据管理

🔗 原文链接

⁣
📰 地产营销的“黄金法则”过时了？GEO时代，近百家房企在上海找到了新答案

本次「地产AI营销高级研修班」在上海易居中国总部举办，聚集近百家房企核心管理者，围绕生成式引擎优化（GEO）在地产营销领域的应用进行深入探讨。活动强调AI时代营销从“被看到”走向“被信赖”的品牌建设，专家指出未来营销将以AI生成的唯一答案来提升可信度，GEO需以精准数据库、完整知识图谱、专业测评和权威信源为核心价值，帮助优质项目在AI问答中脱颖而出。现场通过实战工坊让参会者亲手体验AI数字员工在案场运营、投研决策和内容传播等场景的增效，证实3分钟即可生成适配多平台的差异化推广文案，提升工作效率。随后发布的GEO行业规范倡议书，强调合规、正向、共建自律，推动AI信息生态的清朗与高质量发展。未来将持续赋能地产AI营销，倡导以可信数据驱动营销创新，推动行业转型实现精准获客与降本增效。

🏷️ #地产 #AI营销 #GEO #合规 #知识图谱

🔗 原文链接

⁣
📰 四大核心库！探索深度智联的“地产AI专属空间”

深度智联经过一年打磨，将于12月12日发布“地产AI-READY”，标志着不动产与人工智能的深度结合。其核心在于对行业的深刻理解及数据资产的系统化整合，结合易居和克而瑞的核心优势，构建“AI专属空间”。这一空间有四大核心库支撑：独有数据库、专业知识库、海量专家库及硬核工程库，相互作用保障AI能力的落地与应用。

“AI-Ready”意味着在数据、知识、技术、业务与组织等方面的全面准备，使得AI能够融入不动产的全生链路场景，成为真正的“数字员工”。此外，深度智联希望通过此次发布，搭建一个开放的智能地基与数字生态，促进整个行业的智能化转型。12月12日的发布会将展示人机协同与AI就绪下的无限可能，邀请各方参与，共同探索不动产的新智能范式。

🏷️ #地产 #AI #智能化 #数据 #知识

🔗 原文链接

⁣
📰 小米商品助手、汽车问答垂直领域问答 Agent 建设

本文主要探讨了小米商品助手和汽车问答助手的建设过程，重点分析了技术方案及落地过程中面临的挑战。小米的语音交互系统通过小爱助手满足用户的多样化需求，涵盖了通用问答和垂直领域问答。针对商品助手和汽车问答助手的不同场景，团队采用了基于RAG和大模型的统一架构，以提升语义理解和响应效率。

在技术方案方面，整体架构分为四大核心模块，包括AgentParser、AgentSkill、大模型生成及后处理模块和知识库模块。通过优化意图识别和动态信号处理，团队有效提升了用户查询的准确性和响应速度。同时，知识库的构建和向量化处理是实现高效检索的关键，确保了实时性和准确性。

落地过程中，团队面临知识库向量化、数据更新及动态信号处理等挑战。通过构建别名自动化模块和定制化切片策略，团队不断优化检索效果。此外，回复对齐和品牌舆情管理也是重要环节，确保信息的准确性和客观性。整体来看，小米在垂直领域问答助手的建设中，结合了多种技术手段，推动了业务的落地与发展。

🏷️ #小米 #商品助手 #汽车问答 #技术方案 #知识库

🔗 原文链接