六维功能性评分体系

R — 方法与来源 (Reading)

• 来源：《上海买房攻略·高阶篇》· 上海房外房咨询 · 自住篇（二）搞清楚这六点，一定能选到满意的房子
• 原书主张（转述，非原文）：
  作者的自住购房决策体系把三样东西结合起来：预算约束、房产功能性、以及个性化需求。其中功能性被拆成六大维度（交通、配套、教育、居住体验、增值保值、价值认同）。每个板块都可以按这六维对号入座、得出一个可比的评分，从而让不同板块之间的优劣比较变得直观。
• 本版说明：本发布版不复述原书文字，仅保留对方法要点的转述、出处标注与再组织。
  方法论骨架、评分表、判据清单与执行步骤均由本项目独立整理与重写。

I — 方法论骨架 (Interpretation)

把"这个板块好不好住"从一句感觉，变成一张可以横向相加的表。

六个维度，每维 0–5 分：

三个关键设计意图，决定了它不是普通打分表：

1. 能级加权而非数量计数。一条强能级地铁（贯穿多个商务区与枢纽，如 2 号线）的作用，远非几条弱线可比——两者根本不在一个量级。评价连接性资源时按质量分级，不是简单数数量。
2. 反向推理定标准。像"宜居"这种主观概念，不正面定义，而是先锁定公认的宜居标杆样本（古北、碧云），再倒推它们的共有可量化特征，作为打分指标。
3. 权重来自可验证的经验，且各维不等权。例如商业给 4 分、医疗只给 1 分——医疗的使用频次远低于商业，且看病未必需要在家门口。

最终目的是暴露短板，而不是求一个总分：大宁能拿 19 分，但价值认同只有 1 分——这恰恰是它"适合中产、但吸引不了富豪"的原因。

A1 — 书中的应用 (Past Application)

案例 1: 大宁（六维完整打分）

• 问题: 要给一个被作者长期推荐的板块做一个可复核的定位。
• 方法论的使用: 逐维打分——交通 5（1 号线 + 南北高架 + 内环 + 中环）、配套 4（久光/大宁国际 + 第十人民医院，但商圈不到世界级）、学区 5（闸北实验小学、大宁国际学校等对口，初中为风华初级中学）、增值保值 4（均价约 10 万、房源抢手、市北高新规划）、居住体验 4（2000 年后商品房占比高、中位价近 1000 万）、价值认同 1（既非上只角也非新贵热捧，仅内中环区位加成）。
• 结论: 各项资源都属优良，是适合中产置业的社区，但在"档次感"上仍有欠缺，还不足以吸引顶级富豪。
• 结果: 成为全书打分示范的基准案例。

案例 2: 大宁 vs 碧云 vs 新江湾城（横向比较）

• 问题: 该案例的主人公在三个"双一梯队学区"板块之间做选择，总预算落在 1100–1200 万。
• 方法论的使用: 只比较该总价段有区分度的维度并加权求总分。
• 结论: 大宁 18 分 > 碧云 17.5 分 > 新江湾城 16 分；大宁因配套与交通占优胜出。
• 结果: 结合"夫妻都在浦西上班"锁定大宁，2020–2022 涨幅不错。

案例 3: 古北（交通 5 分）与杨浦中原（交通 2 分）

• 问题: 校准交通维度的两端。
• 方法论的使用: 古北——几乎各小区都能就近上延安路高架，且 10 号线、15 号线贯穿 → 地铁 3 + 驾车 2 = 5 分满分；中原——3 公里内无高架匝道，仅有 8 号线一条地铁 → 2 分。
• 结论: 交通维度的满分与低分样板确立。
• 结果: 后续所有交通评分以此对照。

A2 — 触发场景 (Future Trigger) ★

用户会在什么情境下需要这个 skill?

1. 手上有 2–5 个候选板块，要一个可解释的排序。
2. 看中一个板块，想知道它的短板在哪、为什么便宜/贵。
3. 预算确定后，要筛出"这个预算能碰到的最优板块"。
4. 想校验中介/自媒体的说法（"XX 是价值洼地"）是否站得住。
5. 内容创作场景：板块测评、板块横评、盘点某区值得买的板块。

语言信号 (用户的话里出现这些就应激活)

• "XX 板块和 YY 板块哪个好"
• "XX 板块值得买吗 / 有什么硬伤"
• "帮我给这几个板块排个序"
• "怎么判断一个板块自住好不好"
• "这个板块为什么比旁边便宜"

与相邻 skill 的区分

• 与 board-rapid-diagnosis 的区别: 本 skill 是量化比较（要分数与排序）；诊断 skill 是快速定性（这个板块属于哪类方案、适合谁）。
• 与 supply-demand-judgment 的区别: 本 skill 的"增值保值"维度只用简化的三档规则；要深入推演未来供需，走 supply-demand-judgment。
• 与 micro-product-force-checklist 的区别: 本 skill 评板块，后者评小区与房子（同一板块内选哪栋）。

E — 可执行步骤 (Execution)

1. 确认评分对象与用途
   - 明确是"选板块"还是"给某板块定性"；确认是否要输出总分排序
   - 完成标准: 目标板块清单确定（建议 2–6 个，超过 6 个先让用户筛选）

2. 逐维打分，先难后易
   - 建议顺序：交通 → 配套 → 教育 → 增值保值 → 居住体验 → 价值认同
   - 每维必须落到表里的具体档位，并附一句证据（哪条地铁/哪个商圈/哪所学校/哪项规划）
   - 完成标准: 六维 × N 板块全部有档位 + 证据；不允许出现"感觉不错"这类无档位判断
   - 判停条件: 若某维数据缺失（如学区梯队不确定），标注"待核"，不要用平均值填坑

3. 汇总并识别关键短板
   - 算出总分，但输出重点放在最低的 1–2 维
   - 完成标准: 每个板块用一句话说清"它的定位是什么、谁不该买它"

4. 做敏感性检查
   - 把用户最看重的那个维度权重放大一倍，重算排序，看结论是否翻转
   - 完成标准: 明确告知用户"这个排序对哪一维最敏感"，避免机械化采信总分

B — 边界 (Boundary) ★

不要在以下情况使用此 skill

• 用户只问一套具体的房子（户型、车位、外立面）→ 属 micro-product-force-checklist，板块分再高也救不了差户型。
• 用户问"现在是不是买点" → 周期问题，本表不含时间维度。
• 用户预算远超 3000 万 → 六维中的教育/配套权重会失真（豪宅段应转向价值认同 + 产品力，见 luxury-two-value-systems）。

作者在书中警告的失败模式

• 不裁剪维度会让分数钝化。作者明确指出：给豪宅板块加交通分反而会让总分趋同，各板块之间失去区分度。本表必须配合 budget-tier-mapping 使用。
• 分数相近不等于等价。大宁 18 分 vs 碧云 17.5 分，差异其实是"配套/交通"换"稀缺确定性"——总分掩盖了结构差异，须回看单维。
• 高分板块也可能已被透支。作者警告前滩的预期早已计入价格。本表评的是"功能性"，不评"价格是否已包含功能性"。

作者的盲点 / 时代局限

• 权重是主观赋值。商业 4 分、医疗 1 分，单价阈值 8 万/10 万，都来自作者经验，书中未给出实证校准或回测。使用时须把它们当作可讨论的默认值，而非客观常数。
• 数据时效极强：学区梯队、限购与信贷政策、规划进度、单价档位都会在 1–2 年内变化，历史案例（大宁 2020 年价格、大虹桥规划）须重新核对。
• 地域限定：整套档位是为上海设计的（强能级地铁清单、"上只角"坐标）。换城市须整套重标定。

容易混淆的邻近方法论

• 通用"多准则决策打分"：那类做法常给权重做数学归一；本书的特点是档位离散、权重整数、强调裁剪维度，更接近"检查表"而非"算法"。
• "性价比排序"：本表不含价格维度（价格体现在"增值保值"里的单价档，而非分子分母比）。

相关 skills

• depends-on: shanghai-locational-cognition（先有坐标，打分才有意义）
• contrasts-with: board-rapid-diagnosis（量化比较 vs 定性分流）
• composes-with: budget-tier-mapping（裁剪维度）、micro-product-force-checklist（板块→小区的下一层）、scenario-simulation（作为推演的核心引擎）

审计信息

• 验证通过: V1 ✓ / V2 ✓ / V3 ✓
• 来源候选: f01, f04, f07, f08, p06–p15, c02–c07, c10, c34, g01, g03, g04
• 测试用例: 本 skill 共 7 例（含诱饵）；全量 106 例路由盲测 106/106 通过
• 蒸馏时间: 2026-10-10（发布版 2026-10-11，已剥离原文引用）