内容
# 房产中介智能问答系统
一个基于大模型的房产中介智能问答系统，结合贝壳网房源数据和高德地图地理信息，提供自然语言交互式房产咨询服务。
## 系统架构
### 后端组件
- **FastAPI框架**: 提供高性能RESTful API接口
- **MySQL**: 存储房源数据、用户交互记录及系统配置
- **OpenRouter集成**: 通过OpenRouter访问Claude等大型语言模型
- **高德地图集成**: 通过MCP工具访问高德地图API，获取地理信息
### 前端组件
- **Vue.js**: 基于Vue 3的前端框架
- **Element Plus**: UI组件库
- **Vuex**: 状态管理
- **ECharts**: 数据可视化，用于展示房价热力图等
## 主要功能
### 1. 智能问答
- 自然语言交互，解析用户意图
- 房源条件筛选（如预算、户型、地段等）
- 通勤路线规划与分析
- 学区信息咨询
- 房价趋势分析
### 2. 房源浏览与筛选
- 多维度条件筛选（价格、面积、户型、地理位置等）
- 列表/网格视图切换
- 详细房源信息展示
- 相似房源推荐
### 3. 地图分析
- 房价热力图可视化
- 周边配套设施查询（交通、教育、商业、医疗等）
- 区域房价对比
- 自定义区域选择
### 4. 决策报告
- 房源综合分析
- 价格合理性评估
- 周边环境评分
- VR看房链接
## 数据流程
1. 通过八爪鱼爬虫采集贝壳网房源数据
2. 系统处理并存储结构化数据到MySQL数据库
3. 结合高德地图API获取地理信息（交通、学区、商业配套等）
4. 大模型解析用户问题，检索相关信息
5. 生成答案并展示给用户
## 项目结构
```
├── backend/ # 后端代码
│ ├── app/ # 应用主体
│ │ ├── api/ # API定义
│ │ ├── core/ # 核心配置
│ │ ├── db/ # 数据库模型
│ │ └── services/ # 业务逻辑
│ ├── main.py # 入口文件
│ └── requirements.txt # 依赖列表
│
├── frontend/ # 前端代码
│ ├── public/ # 静态资源
│ └── src/ # 源代码
│ ├── assets/ # 资源文件
│ ├── components/ # 组件
│ ├── router/ # 路由配置
│ ├── store/ # Vuex状态管理
│ └── views/ # 页面视图
│
├── crawler/ # 爬虫代码
│ ├── processors/ # 数据处理器
│ └── scrapers/ # 爬虫脚本
│
├── data/ # 数据文件
│
├── setup.py # 自动化设置脚本
├── setup_mysql_db.py # MySQL数据库设置脚本
├── import_csv_to_mysql.py # CSV数据导入MySQL脚本
└── .env # 环境变量配置文件
```
## 安装与配置
### 自动化设置（推荐）
使用自动化设置脚本可以一键完成所有配置：
```bash
python setup.py
```
此脚本将自动执行以下操作：
- 创建并配置Python虚拟环境
- 安装所有必要依赖
- 设置MySQL数据库和表结构
- 导入CSV数据（如果存在）
### 手动设置
如果您想手动设置项目，请按照以下步骤操作：
#### 1. 创建虚拟环境
创建并激活Python虚拟环境：
```bash
python -m venv venv
source venv/bin/activate # Linux/Mac
# 或者
venv\Scripts\activate # Windows
```
#### 2. 安装依赖
安装所需Python包：
```bash
pip install fastapi uvicorn pymysql sqlalchemy python-dotenv pandas httpx aiohttp matplotlib plotly
```
#### 3. 配置环境变量
创建或编辑`.env`文件，配置以下环境变量：
```
# MySQL数据库设置
MYSQL_HOST=localhost
MYSQL_PORT=3306
MYSQL_USER=root
MYSQL_PASSWORD=
MYSQL_DATABASE=realestate_qa
# OpenRouter API设置
OPENROUTER_API_KEY=your_openrouter_key
OPENROUTER_URL=https://openrouter.ai/api/v1/chat/completions
# 高德地图API设置
AMAP_KEY=your_amap_key
```
#### 4. 设置MySQL数据库
运行MySQL数据库设置脚本：
```bash
python setup_mysql_db.py
```
#### 5. 导入CSV数据
导入贝壳网房源数据到MySQL：
```bash
python import_csv_to_mysql.py data/shanghai_beike_rentals.csv
```
### 启动系统
#### 后端服务
启动后端API服务：
```bash
cd backend
python main.py
```
服务将在 http://localhost:8000 上运行。
#### 前端服务
使用Python内置HTTP服务器启动前端：
```bash
cd frontend
python serve.py
```
或者，如果您想使用npm：
```bash
cd frontend
npm install
npm run serve
```
前端将在 http://localhost:8080 上运行。
## 使用示例
### 自然语言查询示例
用户可以提问如：
- "海淀区300-500万预算的两居室有哪些？"
- "从望京到国贸上班，有什么合适的居住区域推荐？"
- "朝阳区有哪些优质学区房？"
- "北京西站附近生活便利度如何？"
- "最近一年海淀区的房价走势如何？"
### 接口调用示例
```python
import requests
# 发送问答请求
response = requests.post(
"http://localhost:8000/api/qa/ask",
json={"question": "海淀区的两居室大概什么价位？"}
)
print(response.json())
# 获取房源列表
response = requests.get(
"http://localhost:8000/api/property/list",
params={"district": "海淀区", "min_price": 3000000, "max_price": 5000000}
)
print(response.json())
```
## 技术亮点
1. **MySQL数据存储**: 使用MySQL关系型数据库存储房源数据，提供高效查询和数据完整性
2. **自然语言理解**: 使用OpenRouter API集成大型语言模型，实现高质量自然语言交互
3. **地理信息集成**: 通过高德地图API获取详细的地理信息，为房产评估提供关键参考
4. **响应式设计**: 前端适配不同设备尺寸，提供一致的用户体验
5. **数据可视化**: 使用ECharts实现房价热力图等直观的数据展示
6. **模块化架构**: 系统设计模块化，便于维护和扩展
7. **自动化设置**: 一键完成环境配置、数据库设置和数据导入
## 未来扩展
- **推荐系统**: 基于用户行为和偏好的个性化房源推荐
- **价格预测**: 使用机器学习模型预测未来房价趋势
- **更多数据源**: 整合更多房产数据源，提供更全面的信息
- **移动应用**: 开发配套的移动应用，提供随时随地的服务
## 贡献者
- 开发团队
## 许可证
[MIT](LICENSE)
MCP 市场