rental-helper

# 租房助手 帮助用户高效管理租房全流程，从房源发现、记录、对比到最终决策。 ## 功能模块 ### 1. 房源记录与筛选 **记录新房源：** ``` 用户说："记录一个新房源" 需要收集的信息： - 房源地址/小区名称 - 租金（月租） - 押金方式（押一付一/押一付三等） - 户型（单间/整租/几室几厅） - 面积 - 楼层/电梯 - 朝向 - 装修情况/卫生环境 - 交通情况（距离地铁站/公交站） - 周边配套 - 距离公司/目标地点的通勤时间 - 看房时间/联系方式 - 优缺点备注 - 房源来源（贝壳/链家/豆瓣/闲鱼等） - 房源链接/图片（查看房间环境） ``` **查看房源列表：** - 列出所有记录的房源 - 支持按租金、面积、位置、户型、装修等筛选 **查看单个房源详情：** - 显示该房源的所有信息 **更新房源状态：** - 标记为"待考虑"/"已看房"/"有意向"/"已放弃"/"已签约" ### 2. 智能推荐房源 **基于位置推荐：** ``` 用户说： - "给我推荐几套房源" - "我公司在xxx，给我推荐走路10分钟能到的房源，价格在xx以内" - "我要租房，位置在xx，给我推荐附近3KM，离地铁或公交车站比较近的房源" - "我要租房，房型单间或者整租，卫生环境要求干净" 处理流程： 1. 询问用户的租房需求（如果未提供） - 目标位置（公司/学校/商圈） - 预算范围 - 通勤方式（步行/地铁/公交） - 通勤时间限制 - 房型要求（单间/整租/合租） - 其他要求（装修、楼层、朝向等） 2. 从已记录的房源中筛选匹配项 3. 按匹配度排序推荐 - 通勤便利性 - 价格合理性 - 综合评分 ``` **推荐算法：** - 距离计算：根据交通方式和时间筛选 - 价格匹配：在预算范围内 - 房型匹配：符合用户要求 - 综合评分：结合装修、配套等因素 ### 3. 看房记录与评分 **看房时记录：** ``` 用户说："我在看房，想记录每个房子的优缺点" 记录内容： - 房源ID - 看房时间 - 实际与描述是否一致 - 采光情况（1-5分） - 噪音情况（1-5分） - 卫生状况（1-5分） - 交通便利性（1-5分） - 周边配套（1-5分） - 房东/中介态度 - 优缺点详细记录 - 整体评分（1-10分） - 是否考虑签约 ``` ### 4. 租房预算计算 **计算总成本：** ``` 输入：租金、押金方式、中介费、其他费用（物业费、网费等） 输出： - 首月支出（押金+首月租金+中介费+其他） - 月均成本（租金+物业费+网费+水电煤预估） - 年总成本 ``` **预算建议：** - 根据月收入给出租金占比建议（通常不超过30%） ### 5. 房源对比表格 **生成对比表：** - 选择2-5个房源进行对比 - 对比维度：租金、面积、单价、交通、配套、优缺点、看房评分等 - 输出格式：Markdown 表格或飞书表格 ### 6. 租房避坑指南 **查看指南：** - 租房前注意事项 - 看房检查清单 - 合同签订要点 - 常见陷阱识别 详见 [references/pitfall-guide.md](references/pitfall-guide.md) ### 7. 批量导入房源 **从CSV/Excel导入：** ``` 用户说："批量导入房源" 支持格式： - CSV文件（逗号分隔） - Excel文件（.xlsx/.xls） 必需字段：name（小区名称）、rent（租金） 可选字段：deposit、room_type、area、floor、orientation、decoration、transport、facilities、contact、pros、cons、source、url ``` ### 8. 网页链接解析 **粘贴链接自动解析：** ``` 用户说："帮我解析这个链接" + 粘贴URL 支持平台： - 贝壳找房 (ke.com) - 链家 (lianjia.com) - 豆瓣租房小组 (douban.com) - 58同城 (58.com) - 安居客 (anjuke.com) - 其他通用网页 自动提取：小区名称、租金、户型、面积、描述等 ``` ### 9. 图片识别（OCR） **上传房源截图：** ``` 用户说："从这张图片提取房源信息" + 上传截图 自动识别： - 小区名称 - 租金 - 户型 - 面积 - 联系方式 - 交通信息 - 房源描述 需要安装OCR工具： - 方案1: pip install pytesseract pillow + brew install tesseract tesseract-lang - 方案2: pip install easyocr ``` ### 10. 网站抓取房源 **自动抓取租房网站：** ``` 用户说："从贝壳抓取北京朝阳区5000元以内的房源" 支持平台： - 贝壳找房 (ke.com) - 链家 (lianjia.com) - 58同城 (58.com) - 安居客 (anjuke.com) 抓取参数： - 城市（北京、上海、广州、深圳等） - 区域/商圈 - 预算上限 - 抓取数量 ``` **交互式抓取（推荐）：** 当网站需要登录时，自动打开浏览器并提示用户扫码/验证码登录： ```bash python scripts/crawl_interactive.py --platform 58 --city 成都 --area 春熙路 ``` **流程：** 1. 自动打开浏览器访问网站 2. 检测是否需要登录 3. 提示用户扫码或输入验证码 4. 用户登录完成后按回车继续 5. 自动抓取房源数据 **安装依赖：** ```bash pip3 install selenium webdriver-manager ``` 房源数据默认存储在 `~/.openclaw/workspace/rental-data/listings.json` 看房记录存储在 `~/.openclaw/workspace/rental-data/viewings.json` ## 使用脚本 - `scripts/add_listing.py` - 添加新房源 - `scripts/list_listings.py` - 列出租源（支持筛选） - `scripts/recommend_listings.py` - 智能推荐房源 - `scripts/add_viewing.py` - 记录看房信息 - `scripts/calculate_budget.py` - 计算预算 - `scripts/compare_listings.py` - 生成对比表 - `scripts/import_listings.py` - 批量导入房源（CSV/Excel） - `scripts/parse_url.py` - 从网页链接解析房源 - `scripts/parse_image.py` - 从图片识别房源信息（OCR） - `scripts/crawl_listings.py` - 从租房网站抓取房源 - `scripts/crawl_interactive.py` - 交互式网页抓取（需要登录时提示用户） ## 工作流 ### 记录新房源 1. 询问用户房源基本信息 2. 调用 `scripts/add_listing.py` 保存数据 3. 确认记录成功 ### 智能推荐房源 1. 询问用户的租房需求（位置、预算、通勤等） 2. 调用 `scripts/recommend_listings.py` 进行匹配 3. 展示推荐结果，说明推荐理由 ### 看房记录 1. 询问用户看房的是哪个房源 2. 引导用户逐项评分和记录 3. 调用 `scripts/add_viewing.py` 保存记录 4. 生成看房总结 ### 计算租房预算 1. 询问租金、押金方式等信息 2. 调用 `scripts/calculate_budget.py` 3. 展示预算分析结果 ### 生成对比表格 1. 询问要对比的房源ID或名称 2. 调用 `scripts/compare_listings.py` 3. 输出对比表格 ### 查看避坑指南 1. 读取 `references/pitfall-guide.md` 2. 根据用户需求展示相关内容 ### 批量导入房源 1. 询问用户文件路径 2. 调用 `scripts/import_listings.py` 导入数据 3. 显示导入结果 ### 网页链接解析 1. 获取用户提供的链接 2. 调用 `scripts/parse_url.py` 解析页面 3. 显示提取的信息并确认保存 ### 图片识别 1. 获取用户上传的图片路径 2. 调用 `scripts/parse_image.py` 进行OCR识别 3. 显示提取的信息并确认保存 ### 网站抓取 1. 询问目标平台、城市、区域、预算 2. 调用 `scripts/crawl_listings.py` 或 `scripts/crawl_selenium.py` 3. 显示抓取结果并确认保存