面向商办房产经纪行业的对话式AI工作台

1、立项背景和目标
商办房产经纪业务字段复杂（单套房源字段超200个），传统操作依赖人工填表、跨系统查询，效率低且易出错，同时面临严格的合规监管要求。项目目标是打造面向商办经纪人的对话式AI工作台，将“GUI填表+跨系统检索”的繁琐操作转化为自然语言对话交互，降低经纪人操作成本，提升信息处理准确性，满足合规风控要求。
2、软件功能与核心模块
核心覆盖5大业务场景：①起始路由（START）：毫秒级识别用户意图，自动跳转对应场景；②智能找房（SEARCH）：支持自然语言查房，依托Milvus双通道流式实现语义召回，缺失条件时触发HITL结构化表单补全；③线索分析（LEADS）：自动汇总周期内线索，LLM输出重点客户排序、来源分布，通过ID反查规避事实幻觉；④带看规划（TOURS）：拉取双侧窗口带看数据，联动路径规划服务生成最优路线，支持一键加日历；⑤房源创建（LISTING_CREATE）：OCR+LLM抽取房源字段，敏感字段合规拦截价格/抵押类敏感字段，支持联网补全公开信息，三步表单引导合规提交。底层配套LangGraph状态机编排、SSE双通道流式推送、全链路Trace可观测、多层级防幻觉体系等支撑能力。
3、业务流程与功能路径
以典型找房流程为例：用户访问/ai页面→START场景识别为找房需求→LLM抽取城市、业态、面积等核心条件，若缺失交易类型则弹右侧Drawer表单补全→拼接标量过滤条件，定向Milvus对应多业态分区召回60套房源→LLM生成个性化推荐理由→前端实时渲染30张卡片，支持“换一组”“收藏”等操作。若为挂盘流程：用户上传房源材料→OCR提取文本→LLM分段抽取字段并附带原文引用防幻觉→校验必填项，敏感字段合规拦截敏感字段→用户补全剩余字段→提交至上游业务系统，全流程状态可追溯，支持断网续跑、跨设备同步。

1、多场景AI流程编排与实时通信：基于FastAPI + LangGraph把 4 业务场景(找房/线索/带看/挂盘)编排为多状态状态机流水线，按意图动态分发到对应子流程(抽取→召回→重排→护栏)；通过SSE流式响应把LLM推理链与业务卡片实时推送给前端；自研状态驱动的HITL机制替代LangGraph原生interrupt，支持中途切场景/刷新/断网续跑不丢上下文。
2、向量召回与 LLM 抽取防幻觉：基于Milvus构建房源召回引擎，通义embedding把房源描述转高维向量按多业态分区存储,查询时向量相似度+标量精确过滤(城市/价格/面积)混合检索，毫秒级响应；挂盘场景LLM从OCR图片与文字自动抽取海量字段(覆盖多业态模板)，四层防护避免编造，必带原文引用否则过滤、用户编辑字段双层防覆盖、敏感字段合规拦截禁联网、三段并行抽取提速 30-50%；线索/带看用“LLM 只出 ID + 标签、姓名电话由代码反查”模式杜绝事实性幻觉。
3、前端实时UI与工程化保障：用Next.js 14 + Zustand 5把AI工作台嵌入主站，设计8个独立store管理对话流与场景状态，实现60ms流式节流防React卡顿、块级累积渲染、状态驱动的HITL机制、用户手填与AI抽取的并行编辑冲突解决；后端 trace_id贯穿日志/数据库/响应头全链路追踪 + 统一错误码体系，Redis多级缓存策略静默降级保主链路0中断；Docker Compose 一键起服务。