Hint CTO：玛莎·斯图尔特非挂名联合创始人，每周两次亲自纠正AI错误

你家冰箱多久没有清理过底部的散热线圈？大多数人只记得换滤芯，却不知道积满灰尘的线圈在夏季高负载运转时，可能成为家庭火灾的潜在导火索。更不用说热水器什么时候该彻底冲洗、空气净化器的滤网更换周期混乱、草坪排水不畅会悄悄侵蚀地基——这些隐藏在日常居住背后的维护盲区，通常要等到故障爆发才被想起。一款今天正式上线的家用AI助手决定把这一切装进手机，它的联合创始名单里出现了一个意料之外的名字：玛莎·斯图尔特。

应用名叫 Hint，按照其联合创始人兼首席技术官凯尔·拉什（Kyle Rush）的说法，这位家居帝国掌门人不是挂名充门面。她在公司拥有真正意义的股权，一周会两次坐下来检查应用表现——从土壤数据到底层设计语言，哪儿不对劲都会直接指出来。“她不是那种只签个约、露个脸就走的角色。我每周过去两次，我们一起看应用给出的各个判断，当它对土壤状况说不明白的时候，她会当场纠正；如果家里某些方面的建议不准确，她都会提出来。她也会对我的设计、品牌和文案提出意见。”拉什这样描述玛莎目前在公司内部的参与程度，“可以说，她事无巨细地卷在里边儿。”

Hint 的故事其实最早始于 2024 年的一项脱碳激励工具。当时团队瞄准的是帮普通家庭梳理各类清洁能源补贴，让用户更轻松地使用减碳装修优惠。但很快他们就发现，如果把视野放宽，大多数人手机上根本找不到一个能把房屋维护、文件存档、设备管理和环境资讯打通的应用。团队干脆整了个急转弯，拉什说：“我们快速意识到，为什么不直接做家里的AI管家呢？其实好多人现在就没有专门管房子的App……所以我们直接转型了。”于是，这家公司从一个减碳导航助手，变成了一个围绕房子运转的智能中枢。

用户上手 Hint 的第一步极其现实：输一个家庭住址。应用会基于公开资料自动搭建房屋档案，调取的信息包括房产登记数据、当地天气记录、土壤类型、公用事业接入情况等等。接着，用户可以继续上传各类电子文档，比如房屋检查报告、装修保修条款、抵押贷款文件、各类合同、保险单、维修发票。这样一层一层堆起来之后，系统内部就有了一个结构化的家庭信息库，它的内置AI助手可以回应特定问题，也能主动提醒时间节点。

把底层基础数据和家庭行政文件收拢到一起后，这座虚拟档案就开始吐出一些普通人很少主动查询但很关键的洞察。例如，房屋地基下方的土壤性质会如何影响草坪排水，或者增加地基轻微位移的风险；围绕住所区域的空气质量指标是否波动，以及这种波动对家庭成员尤其是呼吸道敏感者意味着什么；还有气候干旱预测信息与洪水风险之间的关联，最终是否会导致下一年的房屋保险费用变化。能量管理方面，应用也能根据公用事业数据和气候特征，给出针对性的用电或节能参考。这些信息不再是散落在各个网站的手册，而是被梳理成家庭专属的建议流。

接下来的步骤更加贴近物理空间——用户需要拍摄主要家电设备的照片上传到应用。这样做的好处在于，系统可以精确识别设备型号和当前状态，针对“怎么用”“怎么修”“怎么保养”这类维护问题提供引导。很多日常检查任务的疏漏程度其实远超一般人想象。比如绝大多数人知道冰箱的净水滤芯需要定期更换，但并不清楚部分型号的冰箱背面或底部的冷凝器线圈每隔几个月需要用吸尘器清理积尘，否则会显著提升散热效率下降、耗电量增加甚至异常升温的风险。热水器也有类似被忽略的维护周期：除了常规使用外，何时需要排污冲洗内胆以延长设备寿命？烘干机的通风管道多久必须彻底疏通？这类小任务，常常是等到设备报警甚至损坏才会被注意，而 Hint 试图把这件事重新纳入家庭管理的常规节奏。

玛莎·斯图尔特之所以与团队深度绑定，很大程度上源于她自身数十年在家居内容与产品领域累积的经验。她所搭建的家居和酒店品牌帝国让她的判断自带严苛标准。当AI在学习土壤、建筑结构、家电运行参数时，玛莎就充当了那个把关活人。她会在测试中质疑应用对草坪养护建议的时间窗口，会指出某条应对湿度问题的提示不够本地化，甚至对菜单按钮的文案措辞都有具体要求。而对Hint团队来说，这种来自非技术背景却极度懂“家”的校正，恰好是通用大模型所缺乏的具身常识。这也让产品在专业建议的细腻度和可信度上，多了一层实实在在的考验。

从产业视角来看，Hint 的路径并非个例，而是当前AI应用层一次明确的扩展：不再只停留在对话界面上，而是嵌入具体场景，处理真实世界中堆积如山的文件、周期、环境和设备交互。家庭空间有着天然的高信息碎片化特性，房屋本身的结构数据、法律文件、保险条款、各个设备的说明书和维修记录，长期散落在邮箱、抽屉和各类服务商的归档里。用一个垂直助手把这些信息链接起来，让用户能用自然语言直接问“去年保险理赔对应的发票在哪里”“我这台洗碗机该做哪些季度维护”，这既是信息检索，也是一种轻量级的家庭数字孪生。

用户越是往应用里倒入数据，系统给出的关联就越多元。比如通过比对房产记录中的建造年份和本地气候历史，Hint 可以提示特定时间段建造的房屋是否有管线老化的统计风险；当用户上传中央空调系统的厂牌型号后，应用可以结合运行年限和当地花粉季节数据给出滤网更换建议；一份几年前的老旧房屋检查报告中提到屋顶检验状况良好，但随着时间推移和极端天气记录，系统可能提醒重检。这些功能并不追求一次性给出所有答案，而是以时间轴和事件触发的方式，把维护管理折叠进日常提醒。

Hint 的中枢同样被设计成家庭文档的集中仓库，各类合同、发票、保险单可以随时通过内置AI助理查询。这意味着面对突如其来的水管爆裂，用户不需要在慌乱中翻找纸质档案，而是直接询问应用“水管工上次维修的保修期还有效吗”，系统在扫描过的发票和保修条款里锁定答案。而针对房屋买卖、租赁或者保险理赔的场景，也可以迅速整合相关文件打包发送，省去人工整理的繁琐流程。正是这种对具体家务流程的介入，让 Hint 更容易被视为一个日常工具，而不是技术尝鲜者的新奇玩意。

回顾 Hint 一年多的转向，从脱碳激励工具到全屋AI，底层规律在于团队意识到家居护理中存在巨大的决策真空。过往的智能家居更侧重设备联动和远程控制，而房屋的长期养护、风险预判、成本控制依然靠业主的个体经验。将该领域转换成能被AI解析的“可查询状态”，需要把房屋信息、地理环境、设备档案和不断更新的公共数据综合在一起，这也解释了为何