quyết định lựa chọn nhà ở
Không còn cảnh tìm nhà vô định nữa! Báo cáo quyết định mua nhà này tích hợp sâu sắc thông tin về các bất động sản được rao bán cùng với môi trường xung quanh và kế hoạch phát triển, giúp bạn đưa ra quyết định đầu tư sáng suốt nhất.
Tác giả
Lynne Lau
Công cụ
Write
Hướng dẫn
#### mô tả
Mua nhà không chỉ đơn thuần là xem xét sơ đồ mặt bằng; mà còn phụ thuộc vào vị trí và tiềm năng phát triển trong tương lai. Vượt ra khỏi sự hạn chế của các ứng dụng bất động sản đơn lẻ, báo cáo này đối chiếu dữ liệu nhà ở với các dữ liệu bên ngoài như quy hoạch đô thị, chính sách của các khu vực trường học và bản đồ an ninh để tạo ra một báo cáo hỗ trợ quyết định toàn diện và chuyên sâu.
#### Nhiệm vụ cốt lõi
Dựa trên thông tin đầu vào của người dùng về **$material "Ngân sách và vị trí mua nhà"**, mục tiêu là thu thập **các bất động sản tiềm năng** đáp ứng các tiêu chí, đối chiếu chúng với dữ liệu về **các khu vực trường học/an ninh/quy hoạch xung quanh**, tạo ra **ma trận so sánh ưu điểm và nhược điểm của bất động sản**, và đưa ra **gợi ý hỗ trợ quyết định xem nhà**.
Trước khi bắt đầu, hãy yêu cầu người dùng nhập ngân sách mua nhà và khu vực họ muốn sinh sống.
#### Các bước thực thi
**Bước 1: Tổng hợp danh sách**
- **Mục tiêu:** Khắc phục những hạn chế của một nền tảng duy nhất và thiết lập một nhóm ứng viên tiềm năng.
- **Hoạt động**:
- **Tìm kiếm đa nền tảng**: Tìm kiếm danh sách bất động sản trong khu vực mục tiêu, ghi lại giá cả, diện tích và sơ đồ mặt bằng.
- **Nhận diện hình ảnh**: Trích xuất sơ đồ mặt bằng của bất động sản và đưa ra đánh giá sơ bộ về chất lượng bố cục (ví dụ: liệu có thông gió tốt từ bắc xuống nam hay không, liệu có phòng tắm không có cửa sổ hay không).
**Bước 2: Kiểm tra ngữ cảnh**
- **Mục tiêu:** Nhằm vạch trần những "sai sót tiềm ẩn" mà các môi giới bất động sản không muốn tiết lộ cho bạn.
- **Hoạt động**:
- **Lớp phủ dữ liệu**: Tìm kiếm "bản đồ tỷ lệ tội phạm", "chính sách phân vùng khu vực trường học" và "quy hoạch tàu điện ngầm/thương mại trong 5 năm tới" xung quanh khu vực lân cận.
- **Loại trừ tiêu cực**: Tìm kiếm cụ thể tên khu dân cư kèm theo các từ khóa như "bảo vệ quyền lợi", "tiếng ồn" và "dự án chưa hoàn thành" để loại trừ các mục tiêu có khuyết điểm nghiêm trọng.
**Bước 3: Xuất ma trận quyết định**
- **Mục tiêu:** Hỗ trợ người dùng đưa ra lựa chọn cuối cùng giữa hai hoặc ba phương án.
- **Kết quả đầu ra**:
- **Bảng so sánh**: Bảng so sánh theo chiều ngang về "giá mỗi đơn vị", "tỷ lệ diện tích sàn sử dụng được", "phí khu vực trường học" và "điểm thanh khoản" của 3 bất động sản hàng đầu.
- **Khuyến nghị cuối cùng**: Viết "Lý do khuyến nghị" và "Lý do không khuyến nghị" cho mỗi bất động sản, đảm bảo tính khách quan và trung lập.
quyết định lựa chọn nhà ở
Không còn cảnh tìm nhà vô định nữa! Báo cáo quyết định mua nhà này tích hợp sâu sắc thông tin về các bất động sản được rao bán cùng với môi trường xung quanh và kế hoạch phát triển, giúp bạn đưa ra quyết định đầu tư sáng suốt nhất.
Tác giả
Lynne Lau
Công cụ
Hướng dẫn
#### mô tả
Mua nhà không chỉ đơn thuần là xem xét sơ đồ mặt bằng; mà còn phụ thuộc vào vị trí và tiềm năng phát triển trong tương lai. Vượt ra khỏi sự hạn chế của các ứng dụng bất động sản đơn lẻ, báo cáo này đối chiếu dữ liệu nhà ở với các dữ liệu bên ngoài như quy hoạch đô thị, chính sách của các khu vực trường học và bản đồ an ninh để tạo ra một báo cáo hỗ trợ quyết định toàn diện và chuyên sâu.
#### Nhiệm vụ cốt lõi
Dựa trên thông tin đầu vào của người dùng về **$material "Ngân sách và vị trí mua nhà"**, mục tiêu là thu thập **các bất động sản tiềm năng** đáp ứng các tiêu chí, đối chiếu chúng với dữ liệu về **các khu vực trường học/an ninh/quy hoạch xung quanh**, tạo ra **ma trận so sánh ưu điểm và nhược điểm của bất động sản**, và đưa ra **gợi ý hỗ trợ quyết định xem nhà**.
Trước khi bắt đầu, hãy yêu cầu người dùng nhập ngân sách mua nhà và khu vực họ muốn sinh sống.
#### Các bước thực thi
**Bước 1: Tổng hợp danh sách**
- **Mục tiêu:** Khắc phục những hạn chế của một nền tảng duy nhất và thiết lập một nhóm ứng viên tiềm năng.
- **Hoạt động**:
- **Tìm kiếm đa nền tảng**: Tìm kiếm danh sách bất động sản trong khu vực mục tiêu, ghi lại giá cả, diện tích và sơ đồ mặt bằng.
- **Nhận diện hình ảnh**: Trích xuất sơ đồ mặt bằng của bất động sản và đưa ra đánh giá sơ bộ về chất lượng bố cục (ví dụ: liệu có thông gió tốt từ bắc xuống nam hay không, liệu có phòng tắm không có cửa sổ hay không).
**Bước 2: Kiểm tra ngữ cảnh**
- **Mục tiêu:** Nhằm vạch trần những "sai sót tiềm ẩn" mà các môi giới bất động sản không muốn tiết lộ cho bạn.
- **Hoạt động**:
- **Lớp phủ dữ liệu**: Tìm kiếm "bản đồ tỷ lệ tội phạm", "chính sách phân vùng khu vực trường học" và "quy hoạch tàu điện ngầm/thương mại trong 5 năm tới" xung quanh khu vực lân cận.
- **Loại trừ tiêu cực**: Tìm kiếm cụ thể tên khu dân cư kèm theo các từ khóa như "bảo vệ quyền lợi", "tiếng ồn" và "dự án chưa hoàn thành" để loại trừ các mục tiêu có khuyết điểm nghiêm trọng.
**Bước 3: Xuất ma trận quyết định**
- **Mục tiêu:** Hỗ trợ người dùng đưa ra lựa chọn cuối cùng giữa hai hoặc ba phương án.
- **Kết quả đầu ra**:
- **Bảng so sánh**: Bảng so sánh theo chiều ngang về "giá mỗi đơn vị", "tỷ lệ diện tích sàn sử dụng được", "phí khu vực trường học" và "điểm thanh khoản" của 3 bất động sản hàng đầu.
- **Khuyến nghị cuối cùng**: Viết "Lý do khuyến nghị" và "Lý do không khuyến nghị" cho mỗi bất động sản, đảm bảo tính khách quan và trung lập.
Find your next favorite skill
Explore more curated AI skills for research, creation, and everyday work.
