AI 不计算公寓价格，但这仍不代表估值正确

告诉语言模型“给公寓估价”，很快就能得到一个彬彬有礼的数字。它可能带着自信解释、一列因素，却几乎没有可验证依据。

我在 LiveDXB Analytics 中采用独立计算引擎：从数据库提取交易，选择可比项，计算每平方英尺价格分布，再与要价比较。AI 评论位于计算之后，数值结果由 TypeScript 代码生成。

但安心可能来得太早。程序完全可以准确算出一组不合适公寓的中位数。

计算如何运作

界面使用 React，API 是 Cloudflare Worker 中的 Hono。D1 保存标准化数据及检查结果，R2 存放原始上传。结果附带输入参数、时间与方法版本。

引擎求出中位数和四分位数，用四分位距过滤离群值，再将物业价格与区间比较。如果初始可比交易少于三条，返回 INSUFFICIENT DATA，表示数据不足。

存档估值表单已选择虚构物业，可查看输入及通向结果的可用流程。这是独立演示，不是对当前市场的查询。

估值输入数据

归档界面 · 演示数据

这是有用的拒绝方式。界面继续工作，但不会假装每次点击都必须给出价格。

此处是准备好的演示结果。它帮助查看计算呈现方式，但数字不证明真实公寓的市场价格。

估值结果

归档界面 · 演示数据

哪些成交被纳入比较

当前筛选使用 18% 和 30% 面积容差，交易按日期排序，但查询没有明确时间限制。此前方法设想 180/365 天窗口和 15/25% 容差；代码尚未与之统一。

扩大筛选还会放宽匹配条件。这可能找到数据，却改变结果含义。旧的、不够相似的交易，并不会因为数量足够计算就成为准确可比项。

所以我不称它为保证准确的估值，也不重复早期“零幻觉”的承诺。独立算法使算术可复现；样本质量、数据新鲜度和结论适用性仍须各自验证。

我想把它做成什么产品

一个能说明为何选这些交易、放宽哪些条件、信心止于何处的工具。后续应先统一代码和方法，检查新鲜度与可比交易质量。模型再写一段漂亮文字，可以等一等。

它不应与经纪人 CRM 中暂停的 Comps Engine 混淆。它有自己的实现；存在代码和过去的部署，并不证明当前市场数据库完整。

LiveDXB Analytics 有独立计算引擎，是 Comps Engine 之后的另一实现，有自己的数据和方法限制。可复现计算便于检查算术，却无法替代样本完整性与时效检查。

相关故事：Comps Engine 探索 · 房贷计算器。