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

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：

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：

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