需在Dify中构建双Agent智能体系统：房源筛选Agent召回排序，话术生成Agent结合客户标签输出定制话术；结构化数据须含唯一房源ID，字段名禁用空格与中文标点；话术模板通过变量占位符与文本替换实现动态注入。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
为房地产中介快速生成匹配客户偏好的房源推荐和对应销售话术，需在Dify中构建一个能理解客户画像、解析楼盘特征、动态组合推荐逻辑与话术模板的智能体系统。
准备结构化房源数据与客户标签体系
导入真实楼盘数据表（含小区名、单价、楼层、朝向、装修、学区、地铁距离等字段），每条记录必须包含【唯一房源ID】，否则后续话术绑定将失效。
新建客户标签分类：基础属性（预算区间、购房目的、家庭结构）、行为偏好（关注学区/通勤/户型/物业）、排斥项（拒租老破小、不接受商住、忌讳顶底楼）。
用CSV上传至Dify「知识库」→选择「结构化数据」类型→勾选「启用向量化搜索」→等待索引完成。注意：字段名不能含空格或中文标点，否则查询会返回空结果。
搭建双路径推理工作流
创建两个独立Agent：「房源筛选Agent」负责从知识库中召回并排序房源；「话术生成Agent」接收筛选结果与客户标签，输出带情感温度的话术。
方法一：使用Dify「Workflow」编排
第一步：添加「知识库检索」节点 → 设置检索字段为「单价」「地铁距离」「学区等级」→ 权重分别设为30%、25%、20% → 勾选「返回原始数据字段」
第二步：接「代码解释器」节点 → 输入Python脚本过滤掉客户明确排斥的房源（如客户标签含“拒租老破小”，则剔除房龄＞15年的记录）
第三步：接「LLM节点」→ 提示词开头强制写：“你是一名资深房产顾问，仅基于以下已筛选出的3套房源信息作答，不虚构、不补充、不比较未列出房源。”
方法二：纯LLM链式调用（适合轻量场景）
直接在单个Agent中写提示词：先让模型解析客户标签，再命令其“从知识库中检索3套最匹配房源”，最后要求“为每套房源生成一段60字以内、带1个具体优势点+1个生活化场景的话术”。此方式无需配置节点，但对知识库召回精度依赖更高。
设计可插拔的话术模板引擎
在「Prompt」编辑区插入变量占位符：{{house_name}}、{{price_per_m2}}、{{subway_walk_min}}、{{school_rank}}。
预置三类话术骨架：
刚需首购型：“{{house_name}}单价{{price_per_m2}}元起，步行{{subway_walk_min}}分钟到2号线XX站——早高峰省下28分钟，够送孩子到{{school_rank}}重点小学。”
改善置换型：“全明三居+南向主卧，{{house_name}}二期交付即入住，物业费5.8元/㎡，比周边新盘低1.2元——这笔钱三年能省出一台特斯拉Model Y。”
投资出租型：“精装交付+品牌家电，{{house_name}}月租回报率3.7%，高于板块均值0.9%，租客画像锁定年轻白领，空置期平均＜7天。”
关键动作：在LLM节点输出后，添加「文本替换」节点，将变量自动注入话术模板。若发现{{subway_walk_min}}被替换成“未知”，说明知识库该字段为空，需回溯补录。
对接中介微信工作台
在Dify「API发布」页开启「Webhook」模式 → 复制Endpoint URL → 粘贴至企业微信「自建应用」的「接收消息」配置栏。
设置触发规则：当客户聊天中出现“预算300万”“有娃上小学”“地铁口”等任意两个关键词时，自动调用该Agent。
测试时用企业微信发送：“王女士，32岁，预算450万，孩子明年上一年级，希望离地铁不超过500米”，系统应在12秒内返回3套房源+对应话术卡片。若超时，检查知识库检索节点是否启用了「异步执行」——此选项会导致延迟升高，必须关闭。
