拒绝信息偏见与中介高溢价。三位虚拟专家 + TOPSIS 多准则算法，在一次对话内算清教育、房产、通勤、风险的综合最优解。
信息碎片化、政策不透明、决策无依据——花了几百万，可能还踩了坑。
教育局网站、家长帮、朋友圈、小红书……没有一个地方能一站式获取完整的学校质量、对口初中、家长评价信息。家长要花几周时间到处搜集。
中介说"这个小区对口 XX 学校"，但政策可能去年就调整了。官方边界数据难以查证，多校划片、政策变动让家长无所适从。
人户一致、落户年限、学位占用、积分入学、五年一户……每个城市政策不同，家长自己根本算不清，买了房才发现上不了学。
没有客观评估工具，家长只能凭感觉或中介推荐做决定。学校、价格、通勤、风险——每个维度都需要专业判断，一旦选错代价巨大。
基于 PPAF 认知框架（感知 → 规划 → 决策 → 反馈），每个阶段有明确输入输出与降级策略。
城市·年龄·预算
通勤·教育偏好
对口初中·学区映射
教育路径规划
小区均价·通勤计算
投资 ROI
落户年限·学位占用
人户一致·积分
政策风险·学位竞争
财务韧性分析
三专家评分
TOPSIS 排序·PK
拒绝单一视角。模拟教育、房产、家庭规划三大领域专家独立评分，杜绝通用大模型打分自相关偏差。
不仅算最优选，同时算最差起点。通过欧氏几何距离，得出极具客观性的相对贴近度（C 值）。
ρ > 0.9 自动降级，防止 LLM 模拟专家时的自相关偏差
置信度 < 0.65 时触发独立质疑者攻击推荐方案
6 因子：数据质量 + 专家一致性 + 区分度 + 覆盖率 + 方案数 + 稳定性
因地制宜，适配各城市特殊入学政策机制。数据覆盖度因城市而异。
输入你的家庭画像，体验 XueJu 6-Phase 决策流程，获得一份模拟的学区房推荐报告。