AI 分析
痛点：房主在家电或房屋出故障时，既判断不出是该花 12 美元换个零件，还是该请专业师傅，也不知道合理的维修价格，还缺少针对自家房况的系统性维护计划，结果小问题拖成大修，损失可达数万美元。
目标用户：首次购房者、房龄较老的独栋房主、缺乏房屋维护知识的年轻业主（美国市场为主）
证据：standing in my own kitchen at midnight, nine pages deep on Google, trying to figure out if I needed a plumber or a $12 part / the difference comes out to tens of thousands of dollars / Launched last week. A handful of signups so far, one trial.
变现：订阅制（月费/年费，免费版每月限次诊断）；高价增值项：地区化维修价格库、房屋健康报告导出（卖房或保险场景）；与本地持牌服务商、房屋保修和保险公司做线索导流分成。
MVP：两周版：用多模态 API 做拍照故障识别（限定 20-30 个高频问题，如漏水、异味、异响、跳闸），配一张按粗粒度地区划分的维修成本区间表；再做一个极简房屋档案（房龄、家电型号、上次维护时间），用邮件或短信推送维护提醒；免费 3 次诊断、订阅后解锁无限次，先验证有用户愿意付费。
竞品：HomeZada、Centriq、Thumbtack、Angi、ChatGPT / Google Lens 等通用 AI 拍照问答
摘要：六年房产经纪经验的作者零编程背景，花 6 个月做出 Berry：拍照诊断房屋故障、给出合理维修价格区间、判断 DIY 还是找师傅，并按房况生成维护计划和“房屋健康分”，还写了 50 篇含真实价格区间的免费维护指南。上线一周只有少量注册和一个试用，付费意愿完全未验证；但“半夜谷歌九页仍不知道该找水管工还是买个 12 美元零件”这个痛点真实普遍，且单人借助现成多模态 API 可在两周内做出同类 MVP。