用一句話，找到真正適合你的車
先由 SQL 硬過濾排掉超預算與不符車色的車，再用向量語意在合格候選池內計算 AI 推薦度
⚠️ 偵測到複雜語意，已啟動規則式後備解析進行精準匹配
AI 拆解條件
AI 智慧找車
SQL Hard Filter × Vector Soft Score
先由 SQL 硬過濾排掉超預算與不符車色的車，再用向量語意在合格候選池內計算 AI 推薦度
⚠️ 偵測到複雜語意，已啟動規則式後備解析進行精準匹配
這個平台把「預算、車色、車體、用途」講成一句話就行，例如 預算100萬內白色休旅車，空間大想去露營。 系統先由本地 AI 解析成結構化條件（廠牌／車型／預算／車體／車色／配備關鍵字）， 再做三段式比對：SQL 硬過濾（預算、車色、車體、可售狀態）→ 向量語意軟得分（你的描述與車輛亮點、備註的語意距離）→ 距離換算成 0~100 的 AI 推薦度。 推薦度代表「匹配程度」，不是成交機率，也不是廣告出價排名。
lock_audit 軌跡，電話一律遮罩。交叉三類資料：平台歷史成交、當前掛牌、以及向量庫的同級亮點稀缺度。統計上先用 IQR（盒鬚圖）剔除釣魚低價與天價，再取加權分位數；樣本不足時改用跨品牌同級車權重替代並標示 medium_fallback，最後與折舊底線做安全帶夾回，避免離譜估價。
三個口徑：建議零售價（面向消費者）、大盤盤車價（車商間批轉）、極速出清價（追求去化速度），另附黃金上架天數，用來判斷現在該降價還是該補標籤。
可以。平台走 OpenAI 相容介面，也可以完全關閉 AI（AI_ENABLED=0）改用規則式解析，搜尋與庫存保留都不受影響；之後接上自己的推論機器，只需改 AI_BASE_URL 與 AI_MODEL。
更多：全部庫存 · 關於與庫存統計 · 常見問題 · sitemap.xml · llms.txt