一手评测首个地产 AI Agent CRIC 深度智联后，我们发现每个垂直行业，都值得被 AI Agent 重定义一次
AI Agent + 专业数据库，强强联合，事半功倍
AI Agent + 专业数据库，强强联合，事半功倍
👦🏻 作者: 镜山
🥷 编辑: Koji
🧑🎨 排版: NCon
「每个垂类领域，都值得被 AI Agent 重新定义一次」
我们最近在 Agent 领域注意到了一个新趋势：
无论是设计、金融、创作，专注垂直场景的 AI Agent，正在全方位地挑战通用大模型。
不久前，「十字路口」团队受邀参加「 CRIC 深度智联」的发布会，这是首个房地产行业的 AI Agent，被称为「地产人的第二大脑」。
地产行业几乎天然有着 AI Agent 可以撬动的「场景裂缝」：明确的使用场景、大量的专业化数据、动态的市场需求。
这些「裂缝」，让地产行业成为检验垂类 AI Agent 「可交付性」的考场。
我们发现了 AI Agent 在地产垂类领域的新可能性 —— 从「简单的 Chatbot 」到「能独立交付大部分报告的 Intern」的演变。
什么是 CRIC 深度智联？
简单来说，CRIC 深度智联是一款聚焦房地产行业这一垂类领域的 AI Agent。它最大的特点在于，其融合了地产领域大量的专业数据库。
CRIC 深度智联的主页面简洁明了，没有过多复杂的功能模块。
目前，它提供了三个核心功能：搜索、文章、报告，外加一个现在通用 AI Agent 都在做的知识库功能。
在这个简洁的界面背后，CRIC 深度智联整合了行业几十年积累的海量数据和专业知识。
它的应用场景很「窄」
CRIC 深度智联所面向的场景「足够的窄」， 因为它只聚焦于房地产行业。
比如，我用「搜索」功能向它问了一个其他行业的问题，它的回答只会是：请你输入房地产相关行业的问题。
如果随意选择一个房地产行业相关问题，它则会开始展现专业能力：
它在垂直领域很「深」
尽管「应用面」很窄，但在这个足够深的垂直领域，它的表现非常的专业。
其**精准且专业的数据库，**是它与通用大模型类产品本质上的差异所在。
CRIC 深度智联选择了不做更「广」，要做更「深」。
比如，它的「文章」和「报告」功能覆盖的主题，我们简单数了下就有近百个：
CRIC 深度智联内嵌的「知识库」功能中，又收集了数量超级多的「行业知识库」。
我做了个 GIF，你可以直观感受下，完全翻不到尽头：
🚥
在房地产行业这样清晰且明确的垂直场景下，我们发现 CRIC 深度智联作为 AI Agent 已然成为地产行业的「第二大脑」，成功扮演了一位具备专业素养的实习生角色。
本期「十字路口」的这篇测评，主要介绍下 CRIC 深度智联到底有多专业、多垂直，验证下发布会上所描述的：
CRIC 深度智联是100米宽，2公里深的垂类产品。
1）基础「搜索」的专业性
CRIC 深度智联的「搜索」功能为用户提供了房地产行业的基础信息搜寻支持。
比如，我简单地给 Agent 输入了一段提示词：
我在北京东三环的老破小房子现在可以卖了么？
AI 会根据用户提示词开始推理，这本质上是现阶段大模型的基础功能。但仔细观察，你会发现， CRIC 深度智联嵌套的 AI 大模型很明显有股子「专业味道」。
它能够综合考虑到多个影响因素，比如东三环老破小房子「背后的价值」：学区改革、限购、基础设施等等。
CRIC 深度智联的搜索功能会涵盖来自新闻网站的专业文章、房价地图、户型图等多种信息来源。
除了网页内容之外，CRIC 深度智联还会将 PDF 文件格式的专业报告也囊括进来。
因为，我甚至在参考信息来源里打开了一份毕马威发布的 67 页《中国经济观察》分析报告：
整理完信息源后，CRIC 深度智联便开始针对用户的提示词给出一份简要分析，内容涵盖了：市场行情、价格趋势、销售时机等等影响因素。
更进一步地，我让它再搜索下「2025年北京土地成交价的区域分布及变化趋势」，你就能看出即便是「搜索」这个最基础的功能，CRIC 深度智联也展现出了非常「专业」的交付能力。
像是专业分析的前半边是一份附带表格的报告内容，每一个结论都会附上参考链接：
后半部分则是涵盖了几十个维度的「北京 2025 年 01 月-2025 年 06 月区域土地数据」，并且这个统计表格是高度可互动的。
在这项基础搜索功能里，我们隐约能瞥见 CRIC 深度智联在房地产垂直领域的专业性，既涵盖了网页内容、PDF报告，又整合了图片信息。
但是，这仅仅是个非常小的开胃菜。
「搜索」功能是这款 Agent 的核心能力—— 撰写「**文章」和「报告」**的基础。
而这两项功能，才是真正体现其「专业交付能力」的主菜。
2）地产人的专业内容「实习生」：
接下来，让我们看看 Agent 是如何为特定群体撰写专业文章的。
「十字路口」在上海漕河泾联合发起了一座「AI Hacker House」，我们曾在这里亲眼见证了许多优秀产品的诞生，也与新一代 AI 创业者「席地而坐」、讨论交流。
为了测试，我们虚构了一个需求：假设「十字路口」团队计划扩增，假设我们要在大厂青年人的理想乌托邦杭州良渚开设新办公室。
希望可以借此考验下 CRIC 深度智联是否能够为我们这类用户量身打造一篇完整度很高、吸引人的内容文章。
我们直接把所有能想到的元素统统加入进了提示词：
我们是AI自媒体，名字叫「十字路口」，我们在上海有一座「AI Hacker House」，在这里我们主要为全世界的新一代 AI 创业者提供一个交流的场所。最近我们团队有所扩增，并在杭州良渚开设新的办公Office，请为我提供一份专业的选购Office攻略。团队人数在20人左右，需要体现我们的前沿性，地理位置舒适并符合「文化创意」的特性。
与其他 Agent 不同，CRIC 深度智联首先自动将我的提示词凝练成一个简洁的主题：
在我选择「开始创作文章」后，CRIC 深度智联就开始为任务规划工作流：
尽管文章主题被压缩为简短的一句话，但这并不意味着提示词中的内容被忽略。
CRIC 深度智联仍然深入分析了每个细节，甚至识别出我们「AI Hacker House」本身的调性是「交流与创新」，并沿着这个思路进行扩展分析。
它不仅考虑到选址的基础因素，还深入挖掘了室内元素：装修风格、办公家具等元素：
当思路推理过程结束后，CRIC 深度智联对素材采集的范围超出了我的预期。
它搜集的 28 篇网络文章中涉及知乎、新闻网站等多平台，还整理出 9 个知识库文档。
而且，当我点击进去这些知识库文档时，我发现**：CRIC 深度智联已经接入微信平台了，里面引用了大量专业地产自媒体的文章。**
搜集完网络素材之后，接下来 Agent 「打开了写作黑盒」，**开始整理自主整理所有素材，**并根据格式分类：文字素材、图片素材、表格素材。
首先是文字素材，CRIC 深度智联根据之前搜集到的各平台信息，结构化地整理了下内容：
其次是图片素材：
最后就是数据量非常大的专业表格数据了，一共有 44 份。
里面涵盖了「杭州余杭区二手房 2025 年 04 月-2025 年 04 月单价段备案成交数据」这样的专业数据库。
我截了两张长图，你可以直观地感受下这个数据库的量到底有多大：
文章素材收集整理的最后一步是一份自主搭建的思维脑图：
这一切都完成后，Agent 才会想起来「该写作了」。这时，它会提醒用户是否开始真正地写作。
它的文章撰写工作流中有三个步骤：初稿撰写、自主校对、完成撰写。
由于先前已经有了非常多的专业素材积累，所以初稿环节中的内容完成度就已经非常高了。
当初稿完成之后，Agent 会根据文章撰写的所有细节，再自主地再校对一遍，非常地严谨！
初稿
校对
最终，在初稿的基础上，经过不断地完善与提升，一篇结构严谨且内容丰富的文章终于完成，并根据需要提供了丰富的图片和表格：
最主要的是，它的交付完成度非常高，完全不需要「无限制地 Roll」（即：不断调整和优化给 AI 的指令）。
不过，现在的这篇「完全版」文章并不算是最终稿。Agent 还嵌入了大量 AI 工具和文字编辑器，让用户可以进一步优化。
比如，文字部分的修改中，除了传统的标题、字体和一些其他传统编辑工具之外，所有选定的文字内容全部可以用 AI 工具再提升写作，这与现在的很多 AI 内容创作平台的思路很相似：
除了文字编辑之外，Agent 还会插入多幅图片以达到良好的呈现效果。
这些图片也全部可以用 AI 进行重绘，或者是利用先前搜集到的大量素材中的图片进行替代。
如果涉及到真实地图的图片，Agent 往往还会再给出一份概念图：
在右下角的 AI 编辑模块里，Agent 还提供了排版、风格、标题等替代选项。
很有趣的是，在 AI Agent 中，知识库往往起到的是检索增强生成的作用，给文章内容再加一层专业性的「护栏」。
但是，CRIC 深度智联又挖掘了一个新场景——提取风格。
例如，用户可以在 Agent 内置的庞大行业知识库中找到一篇风格相近的内容营销文章，将其风格特点提取并保存到个人风格库中，这样 Agent 就能生成符合该风格的文章。
此时，CRIC 深度智联的文章撰写功能已经不仅仅是一个内容生成器，它精准捕捉了「十字路口」和「AI Hacker House」对创新、交流、文化氛围的追求，也知道我们想把这份调性带到杭州。
可以说，它已经具备了信息整合、行业洞察和创作能力，成为了一位专业的内容实习生。
3）行业里的「实习分析师」
如果说「文章」模块是专业的内容创作实习生，那么「报告」模块则更像是一位深入行业的实习分析师。
CRIC 深度智联的报告撰写与先前的文章撰写的工作流展现方式稍有不同：这回 Agent 提供给我们的是更加直观清晰的思维流程。
我们的提示词是：
请生成一份针对杭州市房地产市场的分析报告，重点参考社交媒体的舆情，以及梳理下最近6个月的国家及杭州政策（如限购、房贷、房票）结合舆情和政策，预测未来3-6个月市场走势。
Agent 会首先分析报告需求，并自动梳理出几个细分维度，并提取关键元素和相关概念，整理出一份报告的撰写思路：
紧接着，它开始提取关键词元素，并划分出了10个子元素，像是：杭州市、房地产市场、政策环境等等，这些都是用户需求中的关键点。
在这个过程中，我关注到一个特别让我觉得惊艳的工作方式**：Agent 会自动识别和组合概念相近的元素，形成更为聚焦的子主题。**
比如，「政策环境对杭州市房地产市场的影响」就由 ——「政策环境」、「限购政策」、「房票政策」组成。
这样的匹配方式确实大大提高了信息整理的效率，更像是一位专业从业者思考问题时的脑回路：
当三个子主题「拼装」完成后，Agent 开始系统地根据每个子主题分拣内容素材。
这部分内容素材的构成与文章撰写时的信息源相似，主要也是由网页和微信公众号文章知识库组成：
当所有内容素材整合完毕后，Agent 会重构并进一步精炼报告主题，为整篇报告梳理出三个最主要的模块：
最后，Agent 会基于整理好的内容，一次性生成两种不同形式的报告：
- 一份结构化的专业文字报告；
- 一份直观且可交互的可视化报告。
我录了两个 GIF，你可以直观地看下报告的完成度。
在结构化的文字报告中，Agent 全面涵盖了先前整理好的所有专业内容素材，结构分明。里面的内容几乎分析了 2025 年上半年杭州市房地产市场的所有动态特征：
而在可视化报告中，Agent 大量使用了各种类型的统计学图表（像是柱状图、折线图、饼图等等），以可互动的形式呈现每个数据模块。
这种方式确实很大地提升了了数据的可读性：
「大而全」和「小而深」Agent，哪个才是「终局」？
现在，我们发现像是 CRIC 深度智联这样的「小而深」垂类 Agent 已经逐步展现出成熟的「交付能力」。
从 CRIC 深度智联身上，我们看到了在**「100米宽，2公里深」**的场景中，垂类 AI Agent 可以拥有的独特竞争力。
虽然 CRIC 深度智联专注于地产领域，但它为各行业的垂类 AI Agent 提供了一个优秀范例：结合独家数据库、动态更新的行业知识，以及精心打磨的用户交互体验，从而建立起独特的竞争优势。
通过观察 CRIC 深度智联这样的行业垂直领域 AI Agent，「十字路口」认为：每个垂直领域都拥有被 AI Agent 提升效率的可能性。这不仅仅是简单的技术升级，而是对整个行业认知、工作流程和价值创造方式的全新思考。
当 AI Agent 深度介入某个专业领域，它不再只是一个工具，而是成为了重塑行业知识结构、提升专业人士效能的核心力量。
这让我们对未来充满期待：很快，每个垂直领域就将会迎来属于自己的 AI Agent 革命，让专业服务变得更加智能、高效且普惠。
🚥
2025 年，AI Agent 元年，「十字路口」将持续关注这一领域的产品创新与技术突破。
让我们一起期待更多的惊喜。
