Публикация была переведена автоматически. Исходный язык: Русский
Рынок аренды и продажи недвижимости в мессенджерах - это хаос. Тысячи сообщений, спам, неполные данные и постоянный скроллинг ленты. В первой версии своего MVP я научился собирать эти данные. Но собирать - не значит использовать.
Сегодня я хочу поделиться итогами второго этапа разработки моей AI-платформы (CRM для риелторов), где мы перешли от сырого парсинга к умному матчингу и аналитике.
Система работает полностью автономно, превращая неструктурированный поток сообщений в строгую базу данных:
- Сбор данных: Фоновые парсеры (Telegram в реальном времени и Facebook по расписанию).
- AI-Фильтрация (LLM): Нейросеть выступает в роли строгой "таможни" - отсекает спам, извлекает цены, планировки (например, популярные 1+1), сроки аренды и вытягивает контакты (номера и @username).
- Бэкенд (Go): Быстрое и надежное сердце системы, отвечающее за хранение и сложную логику.
- Интерфейс (Streamlit): Панель управления риелтора.
1. Интеллектуальный Авто-Матчинг Мы научили алгоритм разделять "Спрос" и "Предложение". Теперь бэкенд автоматически находит идеальные пары. Если клиент ищет квартиру до 700$, система сама подберет варианты, учитывая математический люфт (+15% к бюджету), и отсечет посуточный "мусор".
2. Настоящая CRM вместо "простыни" данных Выводить списком 1000 объявлений - значит убить удобство. Я внедрил логику умных фильтров:
- Сортировка по типу сделки (аренда/продажа), типу объекта и формату (Студия, 1+1, 2+1).
- Система "Анти-Хаос": риелтор выбирает конкретного клиента и видит только Топ-5 самых релевантных объектов для него.
3. Умный AI-Чат (RAG система) Это моя главная гордость в этом релизе. В платформу встроен агент, понимающий естественный язык. Пишешь: "Найди квартиру в Кобулети до 700$". Система не просто делает поиск по базе. Она выдает аналитическую сводку (мин, макс и средняя цена на рынке прямо сейчас) и генерирует красивую подборку подходящих объектов с прямыми ссылками на авторов.
- Реальные данные полны боли: Люди забывают писать цены, пишут форматы в странном виде или вообще публикуют спам. Тюнинг промптов для ИИ-экстрактора стал ключевым фактором успеха.
- UX важнее количества фич: Изначальный вывод всех совпадений сразу ломал логику работы. Внедрение выпадающих списков и ленивой загрузки (гармошки для лишних вариантов) превратило программистскую табличку в удобный бизнес-инструмент.
- Борьба с антифрод-системами: Настройка парсера Facebook потребовала понимания работы Login Walls и аккуратной фоновой работы, чтобы не попасть под бан.
Каркас готов и работает как швейцарские часы. В планах - перенос системы на выделенный сервер (VPS) и внедрение личного Telegram-бота для риелтора, который будет присылать push-уведомления о новых горячих совпадениях в ту же секунду, как они появятся в сети.
Рынок аренды и продажи недвижимости в мессенджерах - это хаос. Тысячи сообщений, спам, неполные данные и постоянный скроллинг ленты. В первой версии своего MVP я научился собирать эти данные. Но собирать - не значит использовать.
Сегодня я хочу поделиться итогами второго этапа разработки моей AI-платформы (CRM для риелторов), где мы перешли от сырого парсинга к умному матчингу и аналитике.
Система работает полностью автономно, превращая неструктурированный поток сообщений в строгую базу данных:
- Сбор данных: Фоновые парсеры (Telegram в реальном времени и Facebook по расписанию).
- AI-Фильтрация (LLM): Нейросеть выступает в роли строгой "таможни" - отсекает спам, извлекает цены, планировки (например, популярные 1+1), сроки аренды и вытягивает контакты (номера и @username).
- Бэкенд (Go): Быстрое и надежное сердце системы, отвечающее за хранение и сложную логику.
- Интерфейс (Streamlit): Панель управления риелтора.
1. Интеллектуальный Авто-Матчинг Мы научили алгоритм разделять "Спрос" и "Предложение". Теперь бэкенд автоматически находит идеальные пары. Если клиент ищет квартиру до 700$, система сама подберет варианты, учитывая математический люфт (+15% к бюджету), и отсечет посуточный "мусор".
2. Настоящая CRM вместо "простыни" данных Выводить списком 1000 объявлений - значит убить удобство. Я внедрил логику умных фильтров:
- Сортировка по типу сделки (аренда/продажа), типу объекта и формату (Студия, 1+1, 2+1).
- Система "Анти-Хаос": риелтор выбирает конкретного клиента и видит только Топ-5 самых релевантных объектов для него.
3. Умный AI-Чат (RAG система) Это моя главная гордость в этом релизе. В платформу встроен агент, понимающий естественный язык. Пишешь: "Найди квартиру в Кобулети до 700$". Система не просто делает поиск по базе. Она выдает аналитическую сводку (мин, макс и средняя цена на рынке прямо сейчас) и генерирует красивую подборку подходящих объектов с прямыми ссылками на авторов.
- Реальные данные полны боли: Люди забывают писать цены, пишут форматы в странном виде или вообще публикуют спам. Тюнинг промптов для ИИ-экстрактора стал ключевым фактором успеха.
- UX важнее количества фич: Изначальный вывод всех совпадений сразу ломал логику работы. Внедрение выпадающих списков и ленивой загрузки (гармошки для лишних вариантов) превратило программистскую табличку в удобный бизнес-инструмент.
- Борьба с антифрод-системами: Настройка парсера Facebook потребовала понимания работы Login Walls и аккуратной фоновой работы, чтобы не попасть под бан.
Каркас готов и работает как швейцарские часы. В планах - перенос системы на выделенный сервер (VPS) и внедрение личного Telegram-бота для риелтора, который будет присылать push-уведомления о новых горячих совпадениях в ту же секунду, как они появятся в сети.
Поделиться
