- Demo 简介
AI 智能租房助手是一个基于 AI 大模型驱动的租房决策辅助网站，帮助租客从找房、比价、通勤评估到议价的全流程提供智能化支持。
产品形态：Web 应用（FastAPI 后端 + 纯 HTML/CSS/JS 前端 SPA），浏览器直接访问，无需安装。
核心用户：一线城市/新一线城市租房群体，尤其是第一次租房的应届毕业生、通勤敏感的上班族、预算有限的租房者。
核心功能：
功能 说明
AI 对话收集需求 自然语言多轮对话，自动提取区域/预算/房型等结构化需求
多平台房源爬取 自动爬取安居客、链家、豆瓣租房、自如四大平台
智能推荐匹配 五维评分算法：匹配度+性价比+新鲜度+完整度+通勤
实时通勤计算 基于高德地图 API，支持公交/驾车/骑行三种方式
AI 议价策略 智能评估合理价格，生成目标价和谈判话术
AI 对比分析 对比"说的需求"vs"选的房源"，生成用户侧写和最佳推荐
2. Demo 创作思路
灵感来源：身边很多朋友租房时都踩过坑——预算看花眼、通勤时间不确定、不知道价格是否合理、不敢和房东谈价。市面上的租房平台要么只做信息聚合，要么推荐算法不透明，缺少一个真正站在租客角度的智能化决策工具。
想解决的核心痛点：
找房效率低：多平台来回切换，信息分散重复
需求表达难：用户知道想要什么，但很难在搜索框精确表达
通勤时间黑箱：“距地铁X米"不等于实际通勤时间
价格不透明：不知道市场均价，看不懂促销真假
选择困难症：看了十几套后更纠结，缺对比分析工具
核心理念：不是做"又一个租房搜索平台”，而是做站在租客角度的 AI 租房决策助手。它不仅帮你找房，更帮你理解自己到底想要什么房子。
体验步骤：
打开地址，进入「需求对话」Tab，和 AI 聊天描述租房需求
AI 自动提取需求后，切换到「房源列表」Tab 查看智能推荐
点击房源查看详情（地图定位、价格分析、通勤时间）
收藏几套后，进入「AI 分析自选」Tab 查看分析报告
4. TRAE 实践过程
技术架构
层级 技术
后端框架 FastAPI (Python 异步)
数据库 SQLite + SQLAlchemy 异步 ORM
AI 大模型 DeepSeek API
地图服务 高德地图 REST API + JS SDK
爬虫 httpx + BeautifulSoup
前端 纯 HTML/CSS/JS SPA
AI 集成亮点（4个核心环节）
对话理解：DeepSeek 扮演租房顾问，多轮对话收集需求，输出结构化 JSON
议价策略：基于价格分析，DeepSeek 生成个性化议价目标价和话术
对比分析：对比需求 vs 自选行为，输出用户侧写、最佳推荐、调整建议
爬虫自进化：爬取失败时，DeepSeek 分析 HTML 变化并给出修复策略
开发流程与 Session ID
整个项目通过 TRAE 对话式开发完成，以下是关键阶段的 Session ID：
阶段一：项目搭建与爬虫开发（6月19日）
确定爬虫和数据源：2763496339541100:dfc087f633f884fe5ee2814b608cae52_6a35040031f2a517ce0e1f5e.6a35055131f2a517ce0e1fce.6a35055131f2a517ce0e1fcc
阶段二：AI 对话与需求提取（6月19日）
沟通需求：2763496339541100:86a17a3f91d7f4b4a0f83ced9b45df1b_6a35040031f2a517ce0e1f5e.6a3504aa31f2a517ce0e1fad.6a3504aa31f2a517ce0e1fab
阶段三：智能推荐与通勤计算（7月5日）
2763496339541100:bdd60b45b2e705cfbd4aa538ae41953e_6a35040031f2a517ce0e1f5e.6a4a04038d2f99243ba6db9e.6a4a04038d2f99243ba6db9c
阶段四：价格评估与议价策略（7月5日）
2763496339541100:bdd60b45b2e705cfbd4aa538ae41953e_6a35040031f2a517ce0e1f5e.6a4a04518d2f99243ba6dbc6.6a4a04518d2f99243ba6dbc5
阶段五：AI 对比分析与用户侧写（7月5日）
2763496339541100:53c606e14868ffe0fe4c538f2acbad70_6a35040031f2a517ce0e1f5e.6a4a06468d2f99243ba6dc53.6a4a06468d2f99243ba6dc51
阶段六：前端打磨与交互优化（6月19日）
2763496339541100:c8d951e808563e407f6acc891ac874d6_6a35040031f2a517ce0e1f5e.6a35051531f2a517ce0e1fc3.6a35051531f2a517ce0e1fc1
项目简单截图
1.沟通住房需求（第一波分析需求，后续还要根据自选房源，进行分析，明确用户到底想要什恶魔）
2.爬虫页面
3.通勤地图（不是所有人都对位置敏感的，所以显示住房和公司位置很有必要）
4.ai自选分析(有些人心里想的，和嘴上说的并不完全一样，借助ai明确需求)
开发关键步骤截图
（截图请见附件 ZIP 中的 HTML 文件，内含完整的截图展示）
trae-competition-post.zip (1.5 MB)
[完整项目]因为涉及到我deepseek这种付费调用的，就不单独部署服务了，因为太穷了。
https://gitee.com/tsy9907/ai-looking-for-a-room.git
TRAE 的核心价值
整个项目开发过程中，TRAE 不仅承担了代码生成，更在架构设计决策、AI 集成方案选择、前后端接口联调、Bug 排查修复等环节提供了全流程支持。通过自然语言描述需求，TRAE 自动生成代码并即时预览效果，极大提升了开发效率。
