- name
- rental-helper
- description
- 租房助手 - 帮助用户记录房源信息、计算租房预算、生成对比表格、提供租房避坑指南、智能推荐房源、批量导入、网页解析、图片识别、网站抓取。使用场景：(1) 记录和筛选房源信息 - 说"记录一个新房源"或"查看我的房源列表"；(2) 计算租房预算 - 说"帮我算一下租房预算"或"这个房子每月要花多少钱"；(3) 生成租房对比表格 - 说"对比一下这几个房源"或"生成房源对比表"；(4) 租房避坑指南 - 说"租房要注意什么"或"有什么避坑建议"；(5) 智能推荐房源 - 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"；(6) 看房记录 - 说"我在看房，想记录每个房子的优缺点"；(7) 批量导入 - 说"批量导入房源"；(8) 网页解析 - 说"帮我解析这个链接"；(9) 图片识别 - 说"从这张图片提取房源信息"；(10) 网站抓取 - 说"从贝壳/链家/58同城/安居客抓取房源"。
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、url8. 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 easyocr10. 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：
- 自动打开浏览器访问网站
- 检测是否需要登录
- 提示用户扫码或输入验证码
- 用户登录完成后按回车继续
- 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
- 询问用户房源基本信息
- 调用
scripts/add_listing.py保存数据 - 确认记录成功
智能推荐房源
- 询问用户的租房需求（位置、预算、通勤等）
- 调用
scripts/recommend_listings.py进行匹配 - 展示推荐结果，说明推荐理由
看房记录
- 询问用户看房的是哪个房源
- 引导用户逐项评分和记录
- 调用
scripts/add_viewing.py保存记录 - 生成看房总结
计算租房预算
- 询问租金、押金方式等信息
- 调用
scripts/calculate_budget.py - 展示预算分析结果
生成对比表格
- 询问要对比的房源ID或名称
- 调用
scripts/compare_listings.py - 输出对比表格
查看避坑指南
- 读取
references/pitfall-guide.md - 根据用户需求展示相关内容
批量导入房源
- 询问用户文件路径
- 调用
scripts/import_listings.py导入数据 - 显示导入结果
网页链接解析
- 获取用户提供的链接
- 调用
scripts/parse_url.py解析页面 - 显示提取的信息并确认保存
图片识别
- 获取用户上传的图片路径
- 调用
scripts/parse_image.py进行OCR识别 - 显示提取的信息并确认保存
网站抓取
- 询问目标平台、城市、区域、预算
- 调用
scripts/crawl_listings.py或scripts/crawl_selenium.py - 显示抓取结果并确认保存