房产信息查询

SKILL.md

---
name: house-market-query
description: "房产信息查询全维度助手。当用户需要找房源（二手房/租房/新房/买房/找房）、选笋盘、比价格、查成交、看小区、查学区、查学校时使用。基于贝壳找房/链家/安居客/房天下等主流房产平台实时数据，覆盖8大查询场景，生成交互式HTML可视化报告。触发词：找房, 买房, 二手房, 租房, 新房, 笋盘, 比价, 成交记录, 小区信息, 学区房, 学校划片, 房产查询, 房价查询, 楼盘查询, 看房, 查房源, 房产对比, 房源推荐, 地段分析。"
agent_created: true
location: C:\Users\PC\.workbuddy\skills\house-market-query
---

# 房产信息查询技能

一站式房产信息查询助手，覆盖二手房/租房/新房/笋盘/成交/小区/学区/学校 8 大查询场景，
基于贝壳找房、链家、安居客、房天下等主流平台实时数据，输出交互式 HTML 可视化报告。

## 触发条件

当用户在自然语言中提到：
- **房源搜索**: 找房、买房、二手房、租房、新房、楼盘、看房
- **笋盘筛选**: 笋盘、捡漏、急售、降价房、低于市场价
- **价格对比**: 比价、对比、哪个划算、性价比
- **成交记录**: 成交价、成交记录、历史成交、最近卖了
- **小区信息**: 小区、社区、楼盘信息、物业、绿化、停车
- **学区查询**: 学区、学区房、划片、对口学校、学校排名、查学校

## 核心工作流

### 阶段 0: 意图识别与参数收集

从用户输入中提取以下关键参数:

| 参数 | 说明 |
|------|------|
| `query_type` | 搜索类型: `second_hand` / `rental` / `new_house` / `bargain` / `transaction` / `community` / `school_district` / `comparison` |
| `city` | 目标城市 (必填) |
| `district` | 目标区域/板块 (可选) |
| `budget_min` / `budget_max` | 预算范围 (万元) |
| `room_count` | 户型 (如 "3室2厅") |
| `area_min` / `area_max` | 面积范围 (平米) |
| `keywords` | 其他关键词 (地铁/学区/花园/电梯等) |

如果缺少必要参数 (至少需要 `city`)，主动询问用户补充。不要在参数缺失时继续。

### 阶段 1: 联网数据采集

根据 `query_type` 选择目标平台和搜索策略。

#### 1.1 数据源优先级

| 平台 | 优势 | 适合场景 |
|------|------|----------|
| 贝壳找房 (ke.com) | 房源最全，数据真实度高 | 二手房/新房/成交 |
| 链家 (lianjia.com) | 二手房专业，VR看房 | 二手房/租房/成交 |
| 安居客 (anjuke.com) | 新房覆盖广 | 新房/租房 |
| 房天下 (fang.com) | 楼盘信息全面 | 小区/新房 |
| 百度搜索 | 补充学区/学校信息 | 学区/学校 |

#### 1.2 搜索策略

对每个目标平台，使用 WebSearch 组合搜索，同时用 `query_keyword_groups` 覆盖多个角度:

**二手房搜索示例:**
- `贝壳找房 {city} {district} 二手房 {room_count} {budget}`
- `链家 {city} {district} 二手房 均价`
- `{city} {district} 二手房 最新房源 2026`

**学区搜索示例:**
- `{city} {school} 学区划片 对口小区 2026`
- `{city} {district} 学区房 学校排名`
- `{city} 小学划片 中学学区 政策 2026`

对搜索结果中的关键详情页，使用 WebFetch 提取结构化数据 (价格/面积/户型/朝向/楼层/建成年代等)。

#### 1.3 数据提取与整理

从搜索结果和详情页中提取以下字段:

| 字段 | 说明 |
|------|------|
| `title` | 房源标题 |
| `price_total` | 总价 (万元) |
| `price_unit` | 单价 (元/平米) |
| `area` | 面积 (平米) |
| `layout` | 户型 (如 3室2厅) |
| `floor` | 楼层信息 |
| `orientation` | 朝向 |
| `build_year` | 建成年代 |
| `decoration` | 装修情况 |
| `community` | 小区名称 |
| `district` | 所在区域 |
| `tags` | 标签 (地铁/学区/满五唯一等) |
| `source` | 来源平台 |
| `source_url` | 来源链接 |

### 阶段 2: 数据分析与评分

#### 2.1 笋盘评分模型 (bargain 场景)

对每个房源计算笋盘指数 (0-100):

| 维度 | 权重 | 计算方式 |
|------|------|----------|
| 价格偏离度 | 35% | (区域均价 - 房源单价) / 区域均价 × 100 |
| 房东急售信号 | 20% | 标题含"急售/降价/诚心" +5分/个 |
| 挂牌时长 | 15% | <7天=100分, <30天=70分, <90天=40分, ≥90天=10分 |
| 楼层优势 | 10% | 中间楼层/高楼层非顶楼 +10分 |
| 装修溢价 | 10% | 精装+10, 简装+5, 毛坯+0 |
| 税费优势 | 10% | 满五唯一+10, 满二+5 |

笋盘等级:
- **S级 (≥80分)**: 超级笋盘，强烈建议实地看房
- **A级 (65-79分)**: 优质笋盘，性价比高
- **B级 (50-64分)**: 一般笋盘，可关注
- **C级 (<50分)**: 非笋盘

#### 2.2 价格对比分析 (comparison 场景)

- 计算每个房源的单位面积价格
- 与同区域均价对比，计算偏离百分比
- 按单价/总价/面积多维度排序
- 标注最高性价比房源

#### 2.3 成交分析 (transaction 场景)

- 统计近期平均成交价、成交周期
- 成交价 vs 挂牌价 的平均差价率
- 价格趋势分析 (环比/同比)
- 成交面积分布

#### 2.4 学区分析 (school_district 场景)

- 目标学校对口小区列表
- 学区范围地图说明
- 学区政策 (多校划片/单校划片/摇号)
- 学区房价格区间
- 学校排名/评级信息

### 阶段 3: 生成交互式 HTML 报告

使用 `assets/report_template.html` 作为基础模板，根据查询类型定制内容。

报告必须包含:
1. **页头**: 查询条件摘要 + 生成时间
2. **概览卡片**: 关键数据指标 (总房源数/均价/价格区间等)
3. **数据表格**: 房源列表，支持排序和筛选
4. **图表区域** (使用 Chart.js CDN):
   - 二手房/新房/租房: 价格分布柱状图 + 面积vs价格散点图
   - 笋盘: 笋盘指数横向柱状图 (TOP 10) + 评分雷达图
   - 成交: 成交价趋势折线图 + 成交周期分布
   - 学区: 学区房价热力图 + 学校-小区关系图
5. **详细分析**: 笋盘评分 / 价格对比 / 成交分析 / 学区分析
6. **操作建议**: 基于数据分析的行动建议
7. **免责声明**: 数据仅供参考，实际以现场为准

报告风格:
- 现代化卡片式布局，响应式设计
- 色系: 主色调 #1a73e8 (蓝色), 笋盘用 #e87400 (橙色) 强调
- 中国股市风格: 价格涨用红色, 价格跌用绿色

报告保存路径: `{当前工作目录}/outputs/house_market_report_{city}_{timestamp}.html`

### 阶段 4: 结果呈现与后续交互

- 将生成的 HTML 文件路径展示给用户
- 简要总结关键发现 (3-5条核心洞察)
- 询问用户是否需要进一步操作 (如"是否需要缩小区域进一步筛选?")

## 各场景详细说明

### 场景 A: 二手房查询

用户输入示例: "上海浦东 600万 三室"
工作流执行:
1. 提取参数: city=上海, district=浦东, budget=600万, room_count=3室
2. 搜索贝壳/链家二手房
3. 搜索区域均价作为基准
4. 计算每套房源的性价比
5. 生成房源列表 + 价格分析 + 区域均价对比

### 场景 B: 租房查询

用户输入示例: "北京朝阳区租房 一居室 5000以内"
工作流执行:
1. 提取参数: city=北京, district=朝阳区, query_type=rental, budget_max=5000, room_count=1室
2. 搜索贝壳/安居客租房
3. 对比同区域租金水平
4. 标注地铁房/精装修等亮点

### 场景 C: 新房查询

用户输入示例: "深圳南山 新房 三房"
工作流执行:
1. 提取参数: city=深圳, district=南山, query_type=new_house
2. 搜索贝壳新房/房天下
3. 收集楼盘详情: 开发商/物业/交房时间/容积率/绿化率
4. 对比周边二手房价格

### 场景 D: 笋盘筛选

用户输入示例: "上海找笋盘 总价500万以内"
工作流执行:
1. 搜索降价房源、急售房源
2. 获取区域均价作为基准
3. 套用笋盘评分模型打分
4. 按评分排序，突出 S 级和 A 级笋盘
5. 对 S 级笋盘给出详细分析和行动建议

### 场景 E: 成交记录查询

用户输入示例: "查一下杭州滨江区XX小区最近成交价"
工作流执行:
1. 搜索该小区近期成交记录
2. 提取成交日期/价格/面积/周期
3. 计算成交均价和趋势
4. 对比挂牌价与成交价的差价率

### 场景 F: 小区信息查询

用户输入示例: "帮我看看北京望京XX小区的信息"
工作流执行:
1. 搜索小区基本信息: 建成年代/开发商/物业/绿化率/容积率/车位比
2. 搜索周边配套: 地铁/学校/医院/商场
3. 搜索小区在售/在租房源
4. 收集业主评价/口碑

### 场景 G: 学区查询

用户输入示例: "上海徐汇区学区房 对口XX小学"
工作流执行:
1. 搜索目标学校学区划分信息
2. 列出对口小区列表
3. 查询各小区房源和均价
4. 搜索学校排名/评价
5. 生成学区-小区-房价关联分析

### 场景 H: 多房源对比

用户输入示例: "帮我对比一下这三个楼盘"
工作流执行:
1. 分别查询每个房源/楼盘的详细信息
2. 建立对比矩阵: 价格/面积/户型/位置/配套/学区
3. 计算性价比评分
4. 给出推荐排序

## 数据质量与注意事项

1. **数据时效性**: 标注数据来源和抓取时间，提醒用户房源信息可能已变化
2. **价格真实性**: 区分"挂牌价"和"成交价"，搜索到的多为挂牌价
3. **区域均价**: 使用多个来源交叉验证区域均价
4. **学区政策**: 学区划分每年可能调整，以教育局官网为准
5. **联网失败降级**: 如果某个平台无法访问，自动切换到备用平台
6. **免责声明**: 所有报告末尾必须附免责声明，强调数据仅供参考

## 报告模板使用

加载 `assets/report_template.html`，根据查询类型替换以下占位符:
- `{{TITLE}}` → 报告标题
- `{{SUMMARY_CARDS}}` → 概览卡片 HTML
- `{{DATA_TABLE}}` → 数据表格 HTML
- `{{CHARTS_JS}}` → Chart.js 图表 JavaScript
- `{{ANALYSIS_SECTION}}` → 分析内容 HTML
- `{{SUGGESTIONS}}` → 行动建议 HTML
- `{{DISCLAIMER}}` → 免责声明
- `{{THEME_COLOR}}` → 主题色

## 最佳实践

1. **最少5条房源**: 每次查询至少返回5条有效房源数据，不足时扩大搜索范围或切换平台
2. **去重**: 跨平台搜索时标注同一房源的不同来源，以最新/最完整数据为准
3. **图片展示**: 如果搜索结果包含房源图片URL，在报告中展示
4. **链接可点击**: 所有房源来源链接在报告中可点击跳转
5. **移动端适配**: 报告支持手机端查看
6. **城市名标准化**: 自动识别城市简称 (如"帝都"→北京,"魔都"→上海,"鹏城"→深圳)