户型图自动解读上线后，中介门店的文案岗少招了两个人
一、业务痛点：一张户型图，十分钟的人工解读
我一个朋友做房产SaaS小程序，服务的是中小型中介门店。门店经纪人的日常工作流是：拿到房东发来的户型图照片 → 肉眼看图 → 手动录入“三室两厅、南北通透、客厅朝南带阳台、主卧约15㎡”这类结构化信息 → 再写一段卖点文案挂到小程序房源详情页。
这套流程的痛点非常具体：
- 慢：一套房源的户型解读加文案撰写，熟练操作也要8~12分钟，新手经常超过20分钟。一个门店一天上新30套房源，光这一项就吃掉半天人力。
- 错：经纪人手动录入经常出错——把西向写成南向、把两厅写成一厅。户型信息错了，带看现场就是客诉。
- 贵：旺季房源量大，门店要么加人，要么让房源上架滞后。我朋友的客户里，有门店专门安排一个“文案岗”，月薪六千起步，只干这件事。
技术上，这不是简单OCR能解决的。户型图上除了文字标注，还有大量空间关系：哪个房间朝南、动线是否动静分区、飘窗和阳台的区别、承重墙位置。这需要多模态大模型来看图推理，而不是识别文字。
二、架构设计：三层结构，小团队两人月即可落地
┌─────────────────────────────────────────┐
│ 小程序端（房源发布页） │
│ 拍照/上传户型图 → 展示AI解读结果 → 人工确认│
└──────────────────┬──────────────────────┘
│
┌──────────────────▼──────────────────────┐
│ 业务后端（Node.js / FastAPI） │
│ · 图片预处理（压缩、方向校正、去水印增强） │
│ · 结构化输出校验（JSON Schema强约束） │
│ · 结果缓存（同图hash命中直接返回） │
│ · 低置信度字段标记，推给人工复核队列 │
└──────────────────┬──────────────────────┘
│
┌──────────────────▼──────────────────────┐
│ 统一AI API网关 │
│ · 多模态模型路由（按图片质量自动选型） │
│ · 供应商故障自动切换 + 重试 │
│ · 统一计费、日志、限流 │
└─────────────────────────────────────────┘核心决策有两个：
第一，不让小程序直连模型。 所有请求走业务后端，这样可以做缓存、校验和人工复核兜底。同一张户型图被重新上传的概率不低（经纪人修改房源时），缓存命中直接把成本打下来。
第二，通过统一AI API网关接入模型，而非直连各家SDK。 这一点下面单独展开。
三、关键实现步骤
第1步：定义结构化输出Schema（半天）
{
"layout": {"bedrooms": 3, "living_rooms": 1, "bathrooms": 2},
"orientation": {"living_room": "south", "master_bedroom": "south"},
"estimated_areas": [
{"room": "主卧", "area_sqm": 14.5, "confidence": 0.82}
],
"highlights": ["南北通透", "客厅带阳台", "动静分区"],
"marketing_copy": "约80字卖点文案",
"uncertain_fields": ["estimated_areas[0]"]
}关键设计：每个字段带置信度，低于阈值（我们定为0.75）的字段进uncertain_fields，前端标黄提示经纪人核对。AI不替代人做最终确认，只把人的工作从“从零填写”变成“校对修改”。
第2步：图片预处理流水线（1~2天）
房东发来的图什么质量都有：歪的、暗的、带中介水印的、截图带黑边的。先用传统图像处理（方向校正、对比度增强、裁剪）把图“洗干净”，再喂给模型。这一步做好了，解读准确率能明显提升，比换更强的模型管用。
第3步：提示词与few-shot调优（2~3天）
提示词要点：明确“仅根据图中可见信息回答，不可见的字段输出null而非猜测”；给3~5个高质量示例覆盖典型户型（一居室、三居室、复式、LOFT）；要求区分阳台/飘窗、明厨明卫等易混概念。
第4步：接入统一网关 + 联调（1天）
通过网关配置多模态模型路由：清晰大图走推理强的模型，压缩图/截图走性价比模型。
第5步：灰度上线（1周）
选3家门店先跑，人工复核率从最初的40%逐步压到12%以下再全量。
四、为什么要用统一AI API网关
这个小团队最初直连某家模型API，三个月内踩了两次坑：一次是供应商限流导致门店上传户型图后长时间转圈，客诉直接打到朋友公司；另一次是模型版本升级，返回格式微调，后端解析崩了一晚上。
换成统一AI API网关后，维护成本的变化是实打实的：
- 一套接入代码，多家模型可切换。 换模型只改网关配置，不用改业务代码、不用重新过一遍各家SDK的鉴权和参数差异。估计省下的适配工作量，每次切换从2~3天压到半小时。
- 故障自动切换。 单家供应商抖动时网关自动路由到备用模型，门店侧无感知。对房产这种有明确高峰时段（晚上集中发布房源）的业务，这点保住了口碑。
- 统一计费与监控。 多门店分账、单房源成本核算、异常调用告警，都在一个后台看，不用自己写统计逻辑。
对一个两三人的小团队，这些本来都要自己造轮子，网关等于把这部分基础设施外包了出去。
五、效率账：前后对比
- 单套房源户型解读+文案：人工约10分钟 → AI辅助约1.5分钟（主要是人工确认环节）
- 门店月均上新600套：节省约85小时/月，相当于半个多人力的工作量
- 信息错误率：人工录入的朝向、户型错误时有发生，AI+复核模式下错漏字段在前端就被标黄拦下
- 户型解读的API成本：分摊到单套房源，只有几毛钱，远低于人工分钟成本
---
如果你也在做类似的AI落地项目，需要接入多家模型又不想被单一供应商绑死，可以试试统一AI API网关：https://api.thistoken.ai/register
---
想直接跑通示例？访问 https://api.thistoken.ai/register 注册 ThisToken.AI，获取 API Key 后即可开始。