从房地产行业大模型，用三个关键词，拆解深度智联 CoWork AI 工作平台的内功

很多人第一次接触 AI，都有一个直觉：只要接入一个足够强的大模型，写好提示词，AI 生产力就到手了。但真正把模型放进一家房企的日常工作——要它读懂行业数据、按公司口径和经验来出报告、直接操作你电脑里的文件——你会发现：模型是最底下那一台发动机。决定这台车好不好开的，还需要发动机之外那一整套东西。

这几年，真正让 AI 从「会聊天」走到「能干活」的进展，除了需要模型本身能力，更需要在模型外面的那层工程。业界现在给它起了几个名字：上下文工程（Context Engineering）、驾驭工程（Harness Engineering）、任务循环（Agent Loop）。层层拆开深度智联 CoWork：看一个行业大模型，是怎么被装成一个地产人真正用得上的「AI 同事」— 而且，这台「发动机」本身，也是深度智联自己造的。

01

先看清「模型」这台发动机：

专为地产调校的那一台

要理解为什么需要一整套工程，先得诚实地看清模型本身能做什么、不能做什么。

抛开 Transformer 原理，从产品视角，可以把一次通用模型调用看成一个函数：给它一段输入（角色设定 + 可用工具 + 历史对话 + 相关资料 + 你的问题），它吐出一段合理的后续文字。它很强，但它有三个「天生的短板」：

• 它没有记忆。 模型本身不保存上一次聊了什么。会话、进度、你上传的文件，都得由产品在外面存好，下一次再喂回去。

• 它的知识会过期。 训练之后发生的事，它默认不知道。今天的成交、上周的新政，它答不上来，必须先查、再喂给它。

• 它不会自己动手。 联网搜索、读一份 PDF、查一张数据表、生成一份 PPT——这些「动作」，模型本身都做不了。

换句话说，通用模型提供的是「理解和生成」的推理内核。让 AI 真正「能用」，有两条路得一起走：一是补齐它外面缺的那套工程（数据、工具、记忆、安全边界），二是把发动机本身也调得更懂行。

深度智联在行业模型这一层就自己下了功夫，自研了面向地产行业的大模型 深度智联 DeepLink RE-LLM。打个比方：别人用的是通用发动机，我们把发动机也换成了专为地产调校的那一台。

一个行业专属模型的价值，不在参数堆得多大，而在它「更懂行」：更熟悉地产的术语和研判逻辑（容积率、去化、货值、勾地、REITs……），更贴合 CRIC 数据口径，在专业问题上更少「一本正经地胡说」。它和后面要讲的那座数据金矿咬合在一起，才配得上一句「有数据，更有一颗懂数据的脑子」。

真正的差异化，一半在这台自研的地产发动机，一半在运行时之上那一层：数据、专业能力、工作方法和安全边界。

接下来的每一层，都是在给这台发动机配齐一辆真正能上路的车。

02

深度智联 CoWork 是什么：从「你问一句、它答一句」到「你派个地产活、它自己干完」

先把最基础的问题讲清楚：深度智联 CoWork 到底是什么？

一句话——它是一个能直接在你电脑上干活的「不动产AI 同事」。Co（共同）+ Work（工作），就是「和你一起做事」。

它和大家熟悉的通用 AI 助手，差别不在「聊得好不好」，而在做事的方式：

传统 AI：你问它答，它给你一段建议或答案，你还得自己复制出来、再去干活。

CoWork：你给它派一个「活」，它自己思考步骤、调用工具、操作你指定的电脑文件，最后把成品放回你的文件夹。

举个真实的例子。你对它说一句「生成上海2026年房地产市场半年报」，它不会等你一步步引导，而是自己把任务拆开：调数据 → 匹配模板 → 分析结论 → 排版导出，一路走到底。这背后是一个「判断 → 行动 → 观察」的循环——模型根据当前情况决定下一步，平台执行并把结果返回，模型再据此往下走。这正是当下 Agent 的核心运转方式，后面讲 Loop 时我们还会回到它。

所以 CoWork 的定位不是「一个更聪明的问答框」，而是「一个能把 80% 高频地产工作真正做完的执行者」。战略、工程、投资、招商、营销、设计、销售、物业、后台各个岗位，从土地研判、项目定位、竞品监测，到营销物料、政策梳理、报告撰写，都可以直接派给它。

03

能力层：

给它一座数据金矿，和一百个地产专家的脑子

有了行业模型，还缺「动手能力」，这一层就是来补的。

第一件事，是给它接上手—工具调用（Function Call）。 产品把「能做什么」（搜索、读文件、查数据、生成图表）以结构化的方式告诉模型，模型决定这一步该调哪个工具、传什么参数，平台负责真正去执行，再把结果喂回去。CoWork 的多模态能力引擎，就承接了全网搜索、文件 / 音频 / 视频解析，以及图片、报告、PPT、HTML、视频、播客等多种成果物的生成。

第二件事，是给它一座别人没有的数据金矿。 这是深度智联 CoWork 作为「不动产行业 AI」最硬的一道壁垒：它直连沉淀了二十余年的克而瑞专业数据库和知识库，覆盖新房、二手房、土地、房企、商办、长租公寓、产业园区、康养、宏观榜单、车位、法拍房等十余个核心数据领域。用户用一句自然语言提问，问数能力就把它翻译成对这些数据的查询、指标解释和趋势分析，而且结果可溯源——不是模型凭空编，而是有据可查。通用 AI 靠公开互联网信息作答，在这一点上没有可比性。

第三件事，是把「专业判断」也变成可调用的能力—这就是 Skill（技能）。 同一个模型，既能写诗也能改代码，但放进房企场景，它需要知道：一份城市进入研究该怎么做、拿地投资研判要看哪些维度、项目定位按什么口径。Skill 把这些「一类相对稳定、可复用的专业任务」，连同任务说明、适用场景、推荐提示词、模型建议和范例，一起封装成「可被调用的专家工作方法」。

深度智联 CoWork 已经内置了 160+ 个地产专家 Skills。它们大致分两类：一类是系统技能，是平台级的通用手艺—问数、资料解析、行业写作、图表与信息图生成、可视化 PPT、思维导图、文档导出等，解决「怎么把成果做出来」；另一类是专家技能，更贴近业务本身，比如「70 城房价指数分析」把统计数据变成可视化判断，「房企拿地投资分析」把拿地行为、城市布局和风险识别变成研究报告。两者组合，才能把「专业判断 + 数据处理 + 成果生成」串成一条完整的工作流。

一个小细节能帮你理解这层分工：深度智联 CoWork 的模型分「标准 / 高级 / MAX」三档，可以粗略理解成经理级、总监级、专家级——简单的活用标准档更快更省，硬骨头交给 MAX。按任务难度和成本，把活派给最合适的那颗脑子。

记住一句话：工具负责「一个动作」，Skill 负责「一类活儿该怎么干」。

04

上下文工程与记忆：

让它这一刻看对，还越用越懂你

有了能力，下一个问题是：模型这一刻，到底该「看到」什么？

这就是上下文工程要解决的事，一句话概括就是，在模型每次决策前，设计好让它看到哪些信息、以什么形式、放在什么位置。 模型的上下文窗口是有限的，把所有资料一股脑塞进去，既贵又会干扰判断。真正的功夫在于「只放这一步需要的」：当前任务、相关规则、要用到的那几个 Skills 和那几张数据表，而不是全部。所以深度智联 CoWork 的能力是按需加载而不是全量铺开——你用 @ 点到某个专家技能、或进入某类任务，才展开对应的能力和资料。

比「这一次看什么」更进一步的，是「越用越懂你」。模型没有长期记忆，但平台可以有，而这正是 CoWork 容易被低估的价值：

• 长期记忆。 你只要说一句「请记住：xxx」，它就会把你的偏好记下来，在同一个账号里跨会话生效，下次新建工作，它自动遵循，不用你反复交代。

• 知识库。 企业自己的制度文件、研究报告、历史项目、行业资料，上传后经过本地解析、切分、索引，提问时能拿到带来源、可引用的回答。这是「组织级」的记忆。

• Skills 沉淀。 你把一次跑通的高频工作、或一份外部专业报告，提炼成个人 Skill；成熟后再上升为企业标准 Skill，统一的模板、口径、评审规则和品牌规范，就此变成整个团队反复调用的资产。经验不再随人走。

这里有个容易被忽略、也最见功力的分寸：记忆不是存得越多越好。 什么信息够格影响未来的任务，需要一次「准入判断」。稳定的事实、企业的规范可以长期生效；而一次偶发的临时要求，不该被当成永久习惯。深度智联 CoWork 的取舍是——把可信的事实和方法沉淀成知识库与 Skills（可管理、可审核、可更新），而不是让 AI 把每一句对话都悄悄记成规矩。

05

驾驭工程：让它动得稳，还兜得住

能力和上下文，决定的是 AI「知不知道、会不会」；但当它真的开始动手——改文件、调数据、对外生成内容——就冒出另一组问题：方向对不对？哪些操作不能让它自己做主？出了错谁来拦？

业界现在把解决这组问题的那层工程，叫 驾驭工程。这个词原指套在马身上的那套挽具—它不让马跑得更快，而是决定马往哪跑、能跑多远、什么时候停。放到 AI 里，Harness（驾驭）就是模型之外那套「引导 + 约束 + 整合」的控制系统。CoWork 在这一层的投入，恰恰是它敢进企业内网的底气。

引导：让它一开始就往对的方向走。 规则文件、Skill、提示词，把「这类活该怎么干、按什么标准」提前讲清楚，减少一开始就跑偏。CoWork 里那句「提示词公式 = 做什么 + 细节要求 + 给示例 + 结果样式 + 存档要求」，本质就是在做引导。

约束：防止它越过安全范围。 这是 CoWork 最重的一块。它有一个很聪明的设计—信任模式 vs 默认模式：不放心的复杂事项用「默认模式」，AI 每做一步都停下来让你确认；已经说清楚、信得过的活用「信任模式」，直接出结果。这等于在 AI 手上装了一道人工闸，高风险动作必须过人这一关；还可以按组织 / 部门 / 角色做细粒度权限；操作留有审计日志。对央国企来说，这些不是「加分项」，而是「能不能用」的前提。而如果连模型都要一起关进机房，深度智联还有一张更硬的牌——这就是下一节要讲的「地产模数通」。

整合：把各项能力配齐、协同。 数据、工具、多个 Skills、多模态生成、多任务并行……谁先调谁、谁的结果回传给谁，需要有人编排。CoWork 把这些整合进一个对话框，再配一个企业管理后台，让管理者能看到组织级的使用情况、权限和效能——这是把「一个人用得爽」变成「一个组织跑得稳」的关键一层。

三者缺一不可：只引导不约束，AI 可能闯祸；只约束不引导，它一步都不敢迈；能力再多但没整合，复杂任务就串不起来。

06

任务循环：让工作能跨时间地继续

前面几层解决的是「一次任务怎么做好」。但真实工作往往不是一锤子买卖，而是反复发生、需要持续推进的。工程的对象，于是从「单条提示词」扩展到「能长期稳定运行的任务循环」——这就是 任务循环（Loop）。

一个完整的 Loop，至少要能：被触发、连续执行、验证结果、记录进度、必要时再跑一次。CoWork 在这条线上的体现，是支持多个任务同时并行推进（工作不用排队、效率翻倍），是把每个工作的思考过程和成果沉淀下来、方便归档和复看，也是让一件跨越多轮甚至多天的活，能接着上次的进度继续，而不是每次从头交代。

但 Loop 也有它清醒的边界：它不会自动产生「正确的目标」，也不会自动替你承担责任。目标由谁定、结果谁验收、发布谁拍板——这些始终得是人。 这也正是 CoWork 反复强调的那条原则：80% 的重复工作交给 AI，20% 由人来兜底。 循环可以一直转，但方向盘和刹车，握在人手里。

07

把整台车开进你的机房——

企业专属大模型一体机「地产模数通」

前面讲的自研房地产模型 DeepLink RE-LLM，回答的是「模型够不够懂地产」；而对很多央国企来说，还压着一个更硬的问题：连模型带CoWork，能不能整个都关进我自己的机房，一点都不出门？

深度智联更进了一步，做了一件目前行业里还没有的事—推出专为头部房企打造的企业专属大模型一体机「地产模数通」：把自研的地产行业模型、整套 CoWork 能力一起打包进可以直接推进客户机房的一体机，已经能做到业务数据留在客户环境，行业模型和 CRIC 数据通过受控链路访问。

这意味着，面对数据敏感度最高、信创要求最严的客户，深度智联能提供一条「受控链路+私有一体机」完整梯度，你按自己的安全等级挑档位，而不是只能被动接受唯一一种形态。

这也正是「行业模型 + 一体机」两张牌叠在一起的分量：当别人还是在通用大模型上套个类 Buddy 产品；深度智联则是把一台懂地产的专属模型、和一套能落地的平台，一起交到你手里，甚至连同一体机机器一起。 这不是同一个层级的竞争。

08

落地的最后一公里：FDE 架构师团队陪跑

到这里，发动机（自研地产模型）、整车（CoWork 平台），连同能把整台车一起开进机房的「地产模数通」，都已经齐了。但真要在一家房企落地，还剩最后、也最容易被低估的一公里：一套开箱即用的 AI，懂的是「地产这个行业」，却还不懂「你这一家公司」— 不知道你的数据口径，不清楚你的历史项目，不熟悉你内部的投研逻辑和汇报模板。把这一公里走完，光靠产品本身不够，得有一群既懂地产业务、又懂 AI 的人，坐到你身边陪着一起跑。这，就是深度智联的 FDE 团队。

FDE，全称 Forward Deployed Engineer（前端部署工程师），是这几年前沿 AI 公司交付复杂系统时摸索出来的一种角色——不是把产品丢给客户就走，而是把工程师「前置」到客户现场，陪着把 AI 真正用起来。深度智联把这套打法搬进了地产：组建了行业首支专属 AI 业务架构师团队，让「懂技术」和「懂地产」在同一个人身上合体。他们要做的，是帮企业筑起四道别人搬不走的 AI 壁垒。

具体落到四类专属工程师身上：

• 前端部署数据工程师，打地基。 把散落在各系统、各年份里的历史经营数据梳理、清洗、结构化入库，打造企业专属数据库，让数据真正融到一处—这就是前面讲的那座「数据金矿」，在你自己企业内网里的版本。

• 前端部署知识工程师，建大脑。 把制度文件、研究报告、历史项目资料系统化入库，构建企业专属、可检索、可溯源的知识库，让大模型不再只是个通用助手，而是最懂你这一行、也最懂你这一家公司的「老员工」。

• 前端部署技能工程师，传手艺。 和企业里的业务专家一起，把投研逻辑、竞品分析、财务测算这些看家本领共创成行业专属 Skills，沉淀为 AI 可以自动执行的标准化技能—经验从此不再只装在几个资深人的脑子里。

• 前端部署系统工程师，通血脉。 负责一体机安装， CoWork 的本地化部署，打通它与 ERP / OA 等既有系统，并培训企业自己的技术团队，推动 AI 一步步融进日常，同时守住 Agent 的安全、合规与可追踪。

这四类工程师筑起的，正是数据库、知识库、技能库这「三库」。而三库最迷人的地方，在于它会自己滚起来：库越积越厚，AI 就越懂这家企业；越懂，就有越多岗位愿意用、也敢放手用；用得越深越广，又会有新的数据、新的知识、新的技能反过来喂回三库。三库越积越厚，布道越深越广，AI 越用越强。

说到底，产品能做到的是「部署完成」，而 FDE 团队要交付的是「真正用起来」—这两件事之间的距离，恰恰是很多企业 AI 项目最后卡住的地方。深度智联愿意用一支懂业务、肯陪跑的团队，把这最后一公里，替客户走完。

结语

模型定上限，工程与沉淀定落地

把这六层连起来看，会得到一个朴素的结论：

模型决定了能力的天花板—而深度智联做的，是既把发动机换成自研的地产行业大模型（DeepLink RE-LLM），又配齐了模型之外那一整套工程：数据底座、能力封装、上下文工程、记忆沉淀、守在最外面的驾驭系统、让它跨时间运转的任务循环，乃至把整台车私有化进机房的「地产模数通」一体机。从发动机到整车，都握在自己手里—这才是短期难以被复制的护城河。

而这套工程也不是一次配好就完事的。深度智联 CoWork 更像一个持续建设的平台：客户在真实业务里不断提出新问题、试探新场景，把高频任务一点点变成企业自己的 Skills、知识库和工作流。今天展示出来的 160+ 个 Skill 和场景只是起点，真正的边界，会在持续使用中被一次次打开。

说到底：人负责选择方向、定义标准、承担责任；AI 负责执行、生成和加速。而数据和决策权，始终留在企业自己手里。

这，才是「地产人能用的 AI」，和「一个更聪明的聊天框」之间，真正的距离。

end

想了解深度智联 CoWork 、极客问道（GEO）完整产品能力？后台留言留下「单位 + 姓名 + 手机号」，我们将安排专属业务同事第一时间与您对接沟通。