先找更像你的城市结构
A/B 选择会形成一组偏好向量，例如活动密度、自然可达性、气候体感、 通勤方式、职业选择、住房空间、医疗后手和人际边界。它们描述的是取舍， 不是给性格贴标签。
我们如何从生活取舍，走到城市建议
这不是“全国宜居城市排行榜”。同一座城市对不同的人会是完全不同的答案，所以我们先还原你真正想过的日子，再把结果和现实条件分层核对。
01
两层模型，不把向往和可行性混在一起
理想生活回答“喜欢哪里”，现实校准回答“现在能不能去”。
再看时间、预算和家庭约束
旅居会关注月份、时长、同行人和工作安排；长期生活会关注收入来源、 行业、家庭成员以及租房或买房计划。当前 Beta 会据此调整题目， 但不会把尚未完成的数据包装成精确的可负担结论。
02
当前推荐是固定算法，不调用大模型决定城市
同一组答案会得到同一组结果，排序过程可以复算，也可以逐项解释。
答案形成的偏好×城市相对特征×出行月份的季节权重=城市原始得分
每个 A/B 选项会对若干维度增加或减少固定权重，例如自然可达性 +3、 活动密度 -1。所有答案相加，形成你的偏好向量。
每座候选城市在相同维度上有 1–5 的研究版评分。算法以 2.5 为中点， 将你的偏好与城市高低方向相乘；未覆盖维度按中性处理。
夏季会提高炎热、凉爽与湿度题的影响；冬季会提高温暖、日照与湿度题的影响。 月份不会擅自替你决定喜欢冷还是喜欢热。
主推荐取原始得分最高；第一个备选优先来自不同地区； 第二个备选优先采用不同城市类型，避免返回三个几乎一样的答案。
为什么不是让大模型直接从全国城市里挑？
大模型擅长整理资料、发现需要核实的矛盾和把结果解释成人话， 但它不适合凭记忆生成不可复核的全国城市排名。当前算法只能从已建立画像的18 个候选城市中推荐；扩展到更多中国城市， 需要先增加有年份、来源和统一口径的城市数据，而不是只换一个更大的模型。
03
为什么是具体的 A/B，而不是“你喜欢大城市吗”
抽象态度很容易全都想要，生活细节才会逼出真实优先级。
题目来自对城市生活讨论的主题归纳：通勤、天气、租住、买房、 工作机会、夜间安全、看病、带娃和离家距离等。
两个选项都要有吸引力，也都要付出代价。比如“市中心小一点” 对“远一点但有完整的家”，而不是明显正确与错误。
短期模式 9 道核心题，长期模式 12 道核心题；只有孩子、父母、 独自出行、远程工作和住房计划会触发额外问题。
04
社区内容用来发现问题，不用来冒充统计事实
小红书等生活分享适合告诉我们“该问什么”，不适合直接给城市打分。
先排除明显营销
识别楼盘、中介、文旅和商业软广；不把单一爆款、搬运合集或没有生活细节的内容当作证据。
寻找交叉印证
同一主题需要在不同时间、不同身份和不同立场的内容里重复出现， 同时保留相反体验，不把吐槽等同于城市真相。
再回到官方口径
气候、交通、医疗、住房和就业等可量化信息，应回到官方公开资料， 并保留年份、空间口径和更新时间。
05
当前覆盖范围
Beta 先用 18 个差异足够明显的城市验证问题与推荐逻辑， 不假装已经覆盖所有中国城市。
北京上海深圳广州杭州苏州南京成都重庆武汉长沙青岛大连昆明厦门西安贵阳宁波
为什么不急着塞进 60 个城市？
城市越多，错误的精确感越危险。下一阶段会优先补齐区域代表性和官方数据， 再扩展到更多省会、强二线、沿海节点和适合旅居的中小城市。每个新增城市都要能解释： 数据来自哪里、哪一年、适用于哪种生活场景。
06
正式数据的来源优先级
全国统一口径优先；城市年鉴和主管部门补充；商业榜单只作线索。
官方公开平台 ↗
国家统计局
人口、就业、收入、消费与城市统计年鉴
官方公开平台 ↗中国气象数据网
温度、湿度、日照、降水与极端天气
官方公开平台 ↗住房和城乡建设部
住房、城市建设与公共设施口径
官方公开平台 ↗交通运输部
城市交通、公共交通与综合运输资料
官方公开平台 ↗国家卫生健康委员会
医疗机构、床位与卫生资源口径
官方公开平台 ↗中国民用航空局
机场与航空通达性资料
还会使用各城市统计公报、统计年鉴、住建局、交通局、卫健委和轨道交通运营方公开资料。 不同口径不能直接横比时，会明确标注或不进入模型。
07
你应该知道的限制
推荐适合开启调查，不适合替你做不可逆决定。
- 城市内部差异可能大于城市之间的差异，区县和通勤圈会改变体验。
- 房租、房价、岗位和交通会快速变化，必须结合你准备行动时的最新信息。
- 少量 A/B 题不能覆盖伴侣意见、户籍、学区、具体疾病等个人条件。
- 结果不会提供虚假的“92% 匹配”；我们更重视理由、代价和数据置信度。
准备好了？
开始选择 →