Menu
对话式找房 — 房产中介 skill，面向年轻租客，多源数据融合（地图/小红书/链家/新闻）。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
| name | house-hunter |
| version | 1.0.0 |
| description | 对话式找房 — 房产中介 skill，面向年轻租客，多源数据融合（地图/小红书/链家/新闻）。 |
| argument-hint | house-hunter 坪山区 70平 2房1厅 3km有山姆IMAX 预算4000, house-hunter 南山区适合年轻人租房的小区 |
| allowed-tools | Bash, Read, Write, AskUserQuestion, WebFetch, WebSearch |
| author | kunhai1994 |
| license | MIT |
| user-invocable | true |
| metadata | {"openclaw":{"emoji":"🏠","requires":{"bins":["python3","git"]},"primaryEnv":""},"gemini":{"extension_type":"skill"}} |
面向 年轻租客（25-35 岁）的对话式找房工具。 核心维度：配套（吃喝玩乐购）+ 租金 + 居住口碑 + 安全事件 不关注：房价走势、学区、投资分析（年轻租客不需要） 底层：自建编排引擎 + 百度/高德地图 MCP + 复用 xiaohongshu-skills + 链家/贝壳 WebFetch + WebSearch
这一节优先级高于所有其他设计决策。所有代码改动违反此约束需要在本文件先讨论。
1. ke.com (贝壳) ← 首选，所有 lianjia/ke 双 host 选择必须 ke 第一
2. lianjia.com (链家) ← fallback，同公司同数据但作 ke 失败时的备用入口
3. anjuke.com (安居客) ← 独立数据源，列表区准
4. ziroom.com (自如)
5. 58.com (58同城)
6. fang.com (房天下)
具体落地点（必须遵守）：
rental.community_basic_info：先试 sz.ke.com/xiaoqu/{id}/，失败再试 sz.lianjia.com/...rental.community_rental_summary：先试 sz.ke.com/zufang/c{id}/，失败再试 lianjia_resolve_via_keyword_search：先试 ke 关键词搜，失败再试 lianjia理由：用户决策 — 贝壳是首选品牌，链家是历史遗留入口。即使两者同公司同数据库，呈现给用户和优先抓取顺序必须以贝壳为先。
你（接 /house-hunter 调用的 Opus）是真正的智能层。 Python 引擎只做重型批量任务（候选生成、bridge 抓数据）； 本节是你的方法论 SOP，让你能复现高质量调研。
收到 /house-hunter <input> 后，先识别意图再决定流程：
| 意图 | 触发词 | 处理流程 |
|---|---|---|
| search | "找房"/"附近"/"X 区 Y 平 Z 房"/"预算" | Python 引擎候选生成 + 7 步 enrich + rank 模板 |
| research | "了解"/"调研"/"top N 小区" | 同 search，top_n 加大 |
| compare | "vs"/"对比"/"PK"/"A 和 B 哪个好"（含 2+ 具体小区名） | 跳过候选生成 → 直接对每个名字跑 7 步 chain → compare 模板 |
| deepdive | "为什么"/"深挖"/"X 栋"/"X 期"/"X 怎么样"（单候选） | 单候选 7 步 + 加栋号/楼层/朝向细化 → deepdive 模板 |
| reweight | "如果短租"/"不考虑价格"/"如果开车"（承接上文） | 不重跑数据，按新场景权重重排已有候选 → reweight 模板 |
| add_candidate | "再加 X"/"还有 Y 也对比下"（承接上文 PK） | 增量对新候选跑 7 步，merge 进已有 PK |
| why_question | "为什么 X 噪音"/"X 是什么意思" | 针对具体事实深度 WebSearch + 地图实测 |
关键判断：
不论什么意图，对每个 community 调研时按这 7 步 chain（并行可加速）：
from sources import baidu_map
geo = baidu_map.geocode(f"{city}{name}", city)
# 对每类 POI（短租租客视角）：
for kw, rad in [('地铁站', 1500), ('购物中心', 2000),
('医院', 3000), ('公园', 1500), ('大道', 800)]:
baidu_map.search_nearby(kw, geo.lat, geo.lng, rad, page_size=5)
→ 拿到坐标 + 精确距离 + 周边主干道（噪音源）
{city}.leyoujia.com/xq/detail/{id} (乐有家，字段最全)WebSearch("{小区} 物业 投诉 维权 业主")
WebSearch("{城市} {区} 住建局 物业管理通报")
→ 看黑猫投诉、住建局季度通报、广东省违法违规企业名单 → 官方红旗
WebSearch("{小区} 优缺点 知乎")
WebSearch("{小区} 哪栋好 不建议买")
WebSearch("{小区} 入住 真实 体验 缺点")
→ 深度评测、栋号优劣、朝向噪音
WebSearch("{小区} 二手房 成交价 走势 2025 2026")
WebSearch("{小区} 急售 / 跌价")
→ 价格趋势、业主信心信号、跌幅
from sources import xhs
# 基础
for q in [name, f"{city} {name}", f"{name} 评价"]:
xhs.search_feeds(q, max_results=15)
# 风险词
for q in [f"{name} 避雷", f"{name} 噪音", f"{name} 漏水", f"{name} 物业 投诉"]:
xhs.search_feeds(q, max_results=10)
# 租房视角（短租）
for q in [f"{name} 出租", f"{name} 入住"]:
xhs.search_feeds(q, max_results=10)
严格过滤：笔记标题或正文必须含「城市名」或「区名」才算精确命中（避免同名小区混淆）
WebSearch("{小区} 百度百科")
→ 必查：同名小区（如"南沙金茂湾" vs "灵山岛金茂湾"），不区分会出灾难性错误
出现任一信号时，报告里必须打 🚨 警示标记：
| 红旗 | 触发条件 | 严重度 |
|---|---|---|
| 业主急售信号集中 | xhs "急售/捡漏/X 折出/砸盘" 笔记 ≥ 3 条 | 🟠 中 |
| 二手房跌价 > 30% | 实际成交 vs 开盘 比 < 0.7（or xhs"跌到 X 万"信号） | 🔴 高 |
| 政府住建局通报 | 该小区/该物业在通报名单中 | 🔴 高 |
| 黑猫投诉集中 | 黑猫投诉记录 ≥ 2 条 | 🟠 中 |
| 知乎/xhs 高互动负面 | ❤️ > 50 且明确负面 | 🟠 中 |
| 装修质量集中吐槽 | 多条 "装修差/瑕疵/漏水" 笔记 ❤️ > 20 | 🟠 中 |
| 同物业兄弟盘有通报 | 该物业管的其他盘出现在政府名单 | 🟡 低-中 |
| 产权年限缩水 | 土地出让 vs 交楼 间隔 > 10 年（剩余年限 < 80%） | 🟠 中 |
| 紧邻城中村 | 距离 < 200m（百度地图可查"村""社区"标注） | 🟡 低-中 |
| 紧邻主干道/高架/铁路 | 距离 < 200m | 🟠 中（24/7 噪音） |
| 环境污染信号 | xhs/知乎多次提"臭水""废气""异味" | 🟠 中 |
| 开发商央/国企但兄弟盘维权 | 品牌污染（用户可能联想） | 🟡 低 |
报告规则：
根据用户表述场景，用对应权重重新计算综合分。不是固定 5 项 5 等分。
| 用户场景关键词 | 价格 | 通勤地铁 | 物业 | 配套 | 噪音 | 安全 | 户型 | 学校 |
|---|---|---|---|---|---|---|---|---|
| 默认（长租自住） | 0.15 | 0.15 | 0.15 | 0.15 | 0.10 | 0.10 | 0.10 | 0.10 |
| 短租 1 年 | 0.20 | 0.20 | 0.20 | 0.20 | 0.15 | 0.05 | 0 | 0 |
| 短租 + 开车（无地铁需求） | 0.20 | 0 | 0.25 | 0.20 | 0.20 | 0.10 | 0.05 | 0 |
| 短租 + 不考虑价格 | 0 | 0.15 | 0.25 | 0.25 | 0.20 | 0.10 | 0.05 | 0 |
| 短租 + 不考虑价格 + 开车 | 0 | 0 | 0.30 | 0.25 | 0.25 | 0.15 | 0.05 | 0 |
| 长租自住 + 通勤 | 0.15 | 0.25 | 0.20 | 0.15 | 0.10 | 0.10 | 0.05 | 0 |
| 长租 + 有孩子 | 0.10 | 0.10 | 0.20 | 0.15 | 0.10 | 0.10 | 0.10 | 0.15 |
| 投资 / 买入 | 0.20（升值潜力） | 0.15 | 0.10 | 0.15 | 0.05 | 0.05 | 0.10 | 0.20 |
自动调整规则（当组合没匹配时）：
根据意图选模板：
| 意图 | 模板 | 核心结构 |
|---|---|---|
| search/research | rank.md | 你的需求 / Top N 评分表 / 各小区详情 / 数据来源 |
| compare | compare.md | 基础数据对比表 / POI 实测 / 红旗扫描 / 综合 PK 表（按场景权重）/ 看房 checklist |
| deepdive | deepdive.md | 基础 / 配套 / 红旗 / 业主真实声音 / 风险+应对 / 看房 checklist |
| reweight | reweight.md | 权重变化说明 / 旧排序 vs 新排序 / 新排序理由 |
# 🥊 {城市}{area} {N} 方 PK — {date}
[基础数据] 含建成/户数/容积率/物业/物业费/价格 的对比表
[配套实测] 百度地图距离对比：地铁/商场/医院/公园
[红旗扫描] 🚨 每个候选列红旗
[综合 PK] 显式列出用的场景权重 → 加权综合分表
[综合排序] 🥇/🥈/🥉
[看房 checklist] 必看 + 必问
[Sources] 每个事实附来源链接
# 🔍 {小区} 深度调研
[基础数据] 房产门户直抓
[配套] 百度地图
[🚨 红旗扫描]
[业主真实声音] xhs / 知乎
[风险点 + 应对]
[看房 checklist]
[Sources]
# 🔄 重新加权 — 场景：{新约束}
[权重变化说明] 旧权重 / 新权重 / 变化原因 表
[排序变化] # | 旧 | 新 | 变化原因
[新 Top 1-3 详细] 每个含新权重下分数 + 主要加分项
# 候选生成（按区或中心点）
from sources.community_search import find_candidates
candidates, source = find_candidates(city, district, area, limit, search_radius_m)
# 多源详情 enrichment
from house_hunter import _ensure_latlng, _enrich_community_basics
_ensure_latlng(c) # 补 lat/lng + 元数据
_enrich_community_basics(c) # 强制刷新元数据
# 百度地图 POI
from sources import baidu_map
baidu_map.geocode(addr, city)
baidu_map.search_nearby(kw, lat, lng, radius, page_size)
# 桥接抓取（链家/贝壳）
from sources import housing_bridge
housing_bridge.fetch_html(url) # 24h 缓存
housing_bridge.fetch_via_bridge(url) # 不缓存
# 小红书
from sources import xhs
xhs.search_feeds(keyword, max_results)
找到 skill 安装路径：
for dir in \
"${CLAUDE_PLUGIN_ROOT:-}" \
"${OPENCLAW_SKILL_ROOT:-}" \
"${GEMINI_EXTENSION_DIR:-}" \
"$HOME/.claude/skills/house-hunter" \
"$HOME/.agents/skills/house-hunter" \
"$HOME/.codex/skills/house-hunter" \
"$HOME/.gemini/extensions/house-hunter" \
"$HOME/workspace/tools/house-hunter"; do
[ -n "$dir" ] && [ -f "$dir/SKILL.md" ] && [ -d "$dir/scripts" ] && SKILL_ROOT="$dir" && break
done
echo "SKILL_ROOT=$SKILL_ROOT"
运行健康检查：
python3 "${SKILL_ROOT}/scripts/status.py" --json
根据返回的 fixes 数组逐项修复：
| fix ID | 问题 | 你（LLM）的修复动作 |
|---|---|---|
install_python_deps | pyyaml/jinja2 未安装 | 直接运行 python3 "${SKILL_ROOT}/scripts/setup.py" |
configure_baidu_key | 百度地图 Key 未配置（必需，fallback#1，5000/天） | 走下面的「Step 0.A：地图 Key 引导」流程 |
configure_amap_key | 高德地图 Key 未配置（推荐备用，fallback#2，100/天） | 同上 |
configure_tianditu_key | 天地图 Key 未配置（强烈推荐，fallback#3，1 万/天） | 同上 |
configure_chrome_path | 系统有 Chrome 但 ROD_BROWSER_BIN 未配置（强烈推荐修复） | 直接运行 python3 "${SKILL_ROOT}/scripts/setup.py" 自动检测并写入 |
install_chrome | 系统未安装 Chrome / Chromium | 引导用户从 https://chrome.google.com 下载（macOS / Windows）或 apt install chromium-browser（Linux） |
install_xhs_skills | 没找到 xiaohongshu-skills 项目 | 走下面的「Step 0.B：xhs-skills 安装」流程 |
install_xhs_skills_deps | xhs-skills Python 依赖缺失 | 直接运行 python3 "${SKILL_ROOT}/scripts/setup.py" 自动 pip install |
start_xhs_bridge | bridge_server.py 未运行 (port 9333) | 走下面的「Step 0.B：bridge 启动」流程，禁止 LLM 后台启动 |
start_housing_bridge | housing_bridge_server.py 未运行 (port 9334) | 走下面的「Step 0.D：Housing Bridge 启动」流程，禁止 LLM 后台启动 |
install_housing_extension | Housing Bridge 在跑但 Chrome 扩展未连上 | 引导用户装 extension（chrome://extensions → 加载已解压 → 选 extension/ 目录） |
login_housing_site | 扩展已连但没登录任一房产站点 | 引导用户在 Chrome 里登录 lianjia.com / ke.com / ziroom.com / anjuke.com / 58.com / fang.com 任一即可 |
stop_legacy_mcp | 旧 xhs-mcp（v1）仍在跑 | 提示用户运行 bash "${SKILL_ROOT}/scripts/kill_xhs.sh" 清理 |
修复策略（顺序）：
all_ready=true → Step 1这一节的设计原则：用户只需要把 Key 复制粘贴给 LLM，不需要自己改任何文件。
configure_baidu_key 或 configure_amap_key：第一步：清晰展示申请流程给用户
直接复制下面这段话发给用户（不要简化，每一步都很关键）：
我需要 2-3 个免费的地图 API Key 才能查 POI 数据。三家都用个人手机号注册，5 分钟搞定。
三家加起来 ~15,100 次/天免费配额，自动 fallback（百度限流 → 高德 → 天地图）。
🔵 百度地图 AK（必需，POI 主源，5000/天）：
- 打开 → https://lbsyun.baidu.com/apiconsole/key
- 用百度账号登录（手机号秒注册）
- 顶部「应用管理」→「我的应用」→ 点「创建应用」
- 填写：
- 应用名：随便（比如
house-hunter）- 应用类型：⚠️ 必须选「服务端」（不是浏览器端、不是 iOS/Android）
- 请求校验方式：选「IP 白名单」→ 填
0.0.0.0/0（不限制）- 启用服务：把 ✅「地点检索 V2」「正/逆地理编码 V3」「路线规划 lite」都勾上
- 提交 → 立即拿到 AK（一串 32 位字符）
🟢 高德地图 Key（推荐备用，也免费）：
- 打开 → https://console.amap.com/dev/key/app
- 用高德/手机号账号登录
- 「应用管理」→「我的应用」→ 点「创建新应用」
- 应用建好后点「添加 Key」
- 服务平台：⚠️ 必须选「Web服务」（不是 Android、不是 JS API）
- Key 名字随便
- 白名单留空（不限）
- 提交 → 立即拿到 Key
🟣 天地图 API Key（强烈推荐，fallback#3，1 万/天，国家测绘局官方）：
- 打开 → http://lbs.tianditu.gov.cn/authorization/authorization.html
- 用手机号注册天地图账号
- 「我的应用」→「创建应用」→ 应用类型「服务端」
- 提交 → 立即拿到 tk
拿到后直接发给我就行（不需要你自己去配置任何文件）：
百度: <粘贴你的 AK> 高德: <粘贴你的 Key> 天地图: <粘贴你的 tk>我会自动帮你写到 shell 配置（持久生效），并立即验证 key 是否有效。
第二步：用户给完 key 后，自动持久化 + 验证
用户回复 key 后，调用一键脚本：
python3 "${SKILL_ROOT}/scripts/configure_key.py" \
--baidu '<USER_PROVIDED_BAIDU_KEY>' \
--amap '<USER_PROVIDED_AMAP_KEY>'
这个脚本会：
~/.zshrc / ~/.bash_profile）第三步：根据脚本返回值给用户反馈
关键约束：
用户没设置 BAIDU_MAPS_API_KEY 时：明确停下来等用户配置，不要硬跑（POI 校验是核心功能）。
架构 v2：house-hunter 现在用
xiaohongshu-skills（Python + Chrome Extension Bridge）替代 v1 的xiaohongshu-mcp（Go + rod 自启 Chromium）。v2 的本质优势：操作发生在用户已登录的真实浏览器里，反爬指纹强；不会自启 Chrome 不会内存爆炸；账号警告期更安全。
v1 历史问题：详见
todo/xiaohongshu-mcp-memory-bomb.md（保留作历史教训）。
Step 1：装 xiaohongshu-skills 项目
如果 fix ID 含 install_xhs_skills，告诉用户：
需要装 xiaohongshu-skills（一次性）：
# 任选一个目录 cd ~/workspace/tools/xiaohongshu-mcp/ # 或 ~/workspace/tools/ git clone https://github.com/autoclaw-cc/xiaohongshu-skills.git装好后跑
python3 ${SKILL_ROOT}/scripts/setup.py，会自动检测路径并装 Python 依赖。
Step 2：装 Chrome Extension（一次性）
- 打开 Chrome，地址栏输入
chrome://extensions/- 右上角开「开发者模式」
- 点「加载已解压的扩展」→ 选
<xhs-skills 目录>/extension/- 确认 XHS Bridge 扩展已启用
- 在 Chrome 里打开 https://www.xiaohongshu.com 并登录
装一次永久生效。
Step 3：启动 bridge_server.py（每次开机首次使用时）
如果 fix ID 含 start_xhs_bridge，告诉用户：
请你在自己的终端前台运行（保持窗口开着）：
cd <xhs-skills 安装目录> # 比如 ~/workspace/tools/xiaohongshu-mcp/xiaohongshu-skills python3 scripts/bridge_server.py看到
Bridge server listening on port 9333就 OK。
⚠️ LLM 严格不要自己用 & 后台启动 bridge_server，理由跟 v1 一样：失控时不可控。让用户在自己的终端前台跑，便于 Ctrl+C 停止。
| 禁止 | 为什么 |
|---|---|
LLM 用 & 后台启动 bridge_server | 看不到日志，失控时不可控 |
| 同账号短时间内连续 ≥10 次 search | 仍可能触发反爬警告（用户账号已被警告过一次） |
| 主动 kill 用户 Chrome 窗口 | 那是用户的浏览器！只 kill bridge_server.py 就够 |
python3 "${SKILL_ROOT}/scripts/xhs_health_probe.py"
探针返回值：
scripts/sources/xhs.py 已强制：
Semaphore(1) — 同一时刻只跑 1 次 search在你刚才跑 bridge_server.py 的终端按
Ctrl+C即可。 找不到窗口时：bash "${SKILL_ROOT}/scripts/kill_xhs.sh"
降级影响：报告中居住口碑部分标注「数据不可用」，安全事件部分仅基于 WebSearch（召回率下降但仍可用）。其他维度不受影响。
架构本质：跟 Step 0.B 的 xhs-skills 同模式 — 用户已登录的 Chrome 装一个扩展，本地 bridge_server 中转，让 skill "借用" 真浏览器抓房产数据（绕反爬，零月费）。
核心价值：链家/贝壳/自如/安居客/58/房天下 6 家平台数据采集。任一站点登录即可工作（lianjia 和 ke 互通；58 和 anjuke 互通）。
完整设计文档：见
docs/plan-lianjia-bridge.md
如果 fix ID 含 install_housing_extension 或首次使用，告诉用户：
Housing Bridge 是一个 Chrome 扩展，让 skill 通过你的 Chrome 抓房产数据（用你的登录 cookie，所以反爬通过率 ~100%）。装载：
- 打开 Chrome，地址栏
chrome://extensions/- 右上角开「开发者模式」
- 点「加载已解压的扩展」→ 选
${SKILL_ROOT}/extension/目录- 看到扩展图标「🏠 Housing Bridge」就 OK
装一次永久生效（除非清除 Chrome 数据）。
如果 fix ID 含 login_housing_site，告诉用户：
在 Chrome 里打开下列任一站点并登录（推荐链家/贝壳，覆盖最全）：
站点 URL 数据强项 链家 https://www.lianjia.com 小区元数据最全（建成年份/物业/户数）；挂牌量最大 贝壳 https://www.ke.com 跟链家共账号体系，登一处两处都通 自如 https://www.ziroom.com 合租主卧/次卧价格（链家弱项） 安居客 https://www.anjuke.com 覆盖城市最广；跟 58 互通 58 同城 https://www.58.com 个人房东直租 房天下 https://www.fang.com 老牌门户，新房+二手房 登录后点扩展图标 popup，"已登录站点"会显示该站点名。
如果 fix ID 含 start_housing_bridge，告诉用户：
请你在自己的终端前台运行（保持窗口开着）：
cd "${SKILL_ROOT}" python3 scripts/housing_bridge_server.py看到
Housing Bridge listening on http://127.0.0.1:9334就 OK。保持窗口开着不要关，调研结束按 Ctrl+C。
⚠️ LLM 严格不要自己用 & 后台启动 housing_bridge_server，规则跟 Step 0.B 同：失控时不可控、看不到日志、关不掉。
| 禁止 | 为什么 |
|---|---|
LLM 用 & 后台启动 housing_bridge_server | 看不到日志，失控时不可控 |
| 单会话累计调用 > 80 次 | bridge server 内置硬上限，保护用户账号 |
| 主动 kill 用户 Chrome 窗口 | 那是用户的浏览器！只 kill housing_bridge_server.py 就够 |
如果链家系/58系等触发风控（极少发生，<5%），bridge 拿到的页面是登录/验证码。这时：
looks_like_login=true 自动熔断本会话在你跑 housing_bridge_server.py 的终端按
Ctrl+C即可关闭。
降级影响：候选小区生成 fallback 到百度 POI；建成年份 / 物业 / 户数 / 挂牌租金 字段会缺失（报告标注"数据不可用"）。其他维度（POI 配套 / 小红书口碑 / 安全事件）不受影响。
这一步由你（LLM）完成。 把用户的自然语言需求转成结构化 JSON。
⚠️ 首先看顶部「🎯 7 类意图识别 SOP」（compare/deepdive/reweight/add_candidate/why_question 等高频意图都在那）。
只有意图是 search（按区找房）或 research（区域调研）时，才走下面 Step 1.2-1.4 的需求解析流程。
其他 5 类意图（compare/deepdive/reweight/add_candidate/why_question）不需要走 Python 引擎，按 7 步多源 Chain SOP 直接调研 + 套对应报告模板。
| 意图 | 触发词 | 处理 |
|---|---|---|
| search（找房） | "想在 X 区找 Y 平 Z 房"、"预算 N"、"附近要有..." | 候选小区列表 → 多维筛选 → Top N 推荐 |
| research（调研） | "了解下"、"调研"、"top N 小区"、"哪些小区适合..." | 直接拉 top 小区清单 → 每个深度报告 |
把需求转成下面这个 JSON（用 requirement.json 命名，传给 engine）：
{
"intent": "search | research",
"city": "深圳市",
"district": "坪山区",
"area": null, // 板块/商圈，如"科技园"、"后海"
"rooms": 2, // 卧室数
"halls": 1, // 厅数
"area_min_sqm": 65,
"area_max_sqm": 75,
"budget": {"type": "rent", "max_per_month": 4000},
"lifestyle_profile": ["shopping_lover"], // 见 config/lifestyle_profiles.yaml 的 profile id
"must_have_pois": [
{
"category": "shopping.big_supermarket",
"match_keywords": ["山姆", "沃尔玛"], // null 时使用 category 默认 keywords
"min_count": 1,
"radius_m": 3000
},
{"category": "shopping.shopping_mall", "min_count": 1, "radius_m": 3000},
{
"category": "entertainment.cinema",
"must_have_brand": ["IMAX"], // 品牌过滤
"min_count": 1,
"radius_m": 5000
},
{"category": "medical.hospital", "min_count": 3, "radius_m": 3000}
],
"nice_to_have_pois": [
{"category": "transport.subway", "min_count": 1, "radius_m": 1000}
],
"commute_destination": null, // 用户指定通勤地，启用通勤评分
"top_n": 5, // 找房默认 5，调研默认 8
"raw": "原始用户输入"
}
根据用户措辞从下面 8 个画像中选 0-2 个（可叠加）：
| 画像 | 触发词 |
|---|---|
homebody 宅家党 | 宅、宅家、不爱出门、躺平、外卖、居家 |
nightlife 夜店党 | 夜生活、酒吧、蹦迪、livehouse、精酿、夜宵 |
fitness 健身党 | 健身、运动、跑步、瑜伽、撸铁 |
pet_owner 养宠党 | 养宠、宠物、养猫、养狗、毛孩子 |
commuter 通勤党 | 通勤、上班、离公司近、地铁口 |
shopping_lover 商场党 | 商场、逛街、购物、约会、IMAX、看电影 |
budget_conscious 性价比党 | 性价比、便宜、划算、省钱 |
single_woman 女生独居 | 独居、一个人住、女生独居、单身女、安全 |
没匹配到任何画像 → ["default"]（均权重）
回显给用户确认：
🏠 收到需求：
- 区域：{city} {district} {area or ""}
- 户型/面积：{rooms}房{halls}厅，{area_min}-{area_max}㎡
- 预算：{budget.max_per_month} 元/月（{budget.type}）
- 画像：{lifestyle_profile}
- 必备配套（must-have）：
- {category} 半径 {radius_m}m，至少 {min_count} 家
- 加分配套（nice-to-have）：
- {category} ...
正在多源采集（地图 POI + 小红书口碑 + 链家租金 + 安全事件搜索），通常 2-5 分钟...
把结构化需求传给主引擎：
python3 "${SKILL_ROOT}/scripts/house_hunter.py" \
--requirement-json '<上一步生成的 JSON 字符串>' \
--save-dir "$HOME/Documents/House-Hunter"
或者写到临时文件再传：
echo '<JSON>' > /tmp/hh_req.json
python3 "${SKILL_ROOT}/scripts/house_hunter.py" \
--requirement-file /tmp/hh_req.json \
--save-dir "$HOME/Documents/House-Hunter"
timeout 600000（10 分钟），前台运行。
引擎会自动：
读取完整输出。 输出包含：
这是用户最初核心需求：报告里每个小区必须有建成年份。 当引擎已用尽 ke / lianjia / anjuke 三层 resolution 仍拿不到
built_year时，你（LLM）必须用WebSearch兜底补。禁止直接交付缺建成年份的报告。
引擎跑完 Step 2，每个 Top N 候选 community 的元数据（建成年份/物业）可能因为数据源覆盖不全而缺失。在合成报告前，你（LLM）必须对每个缺字段的候选用 WebSearch 兜底：
对每个 Top N 候选 community：
检查关键字段：
community.built_year 为 None？community.property_company 为 None？调 WebSearch：
WebSearch("{城市} {community.name} 建成年份")
例：WebSearch("深圳 万科时代广场V寓 建成年份")
解析摘要：
写入报告：
| 小区类型 | WebSearch 命中率 |
|---|---|
| 大型品牌盘（万科/恒大/保利等） | ~90% |
| 普通商品房 | ~60% |
| 城中村 / 自建房 / 老旧小区 | ~20% |
| 商业综合体（混搭） | 需特别说明 |
_poi）尤其有用❗ 进 Step 3 前先确认：每个 Top N 候选的
built_year字段是否都填了？没填的必须回到 Step 2.5 用 WebSearch 兜底。绝对不允许报告里有候选缺建成年份。
按意图选模板（详见顶部「📋 4 套报告模板库」）：
| 意图 | 模板 | 渲染方式 |
|---|---|---|
| search（找房） | rank.md = scripts/reports/templates/search.md.j2（Python 自动渲染） | Python 引擎自动 |
| research（调研） | rank.md = scripts/reports/templates/deep_dive.md.j2 | Python 引擎自动 |
| compare | compare.md（顶部模板库定义） | Opus 直接生成 markdown |
| deepdive | deepdive.md | Opus 直接生成 |
| reweight | reweight.md | Opus 直接生成 |
Python 自动渲染（search/research）：跑完 Step 2 引擎后，reports/render.py 自动用 jinja2 模板生成 markdown。你只需检查报告内容是否完整（特别是 built_year 字段），不完整就回 Step 2.5 用 WebSearch 兜底。
Opus 直接生成（compare/deepdive/reweight）：跳过 Python 引擎，按顶部「📋 4 套报告模板库」对应的模板结构，直接合成 markdown 写到磁盘（用 Write 工具到 ~/Documents/House-Hunter/{topic}-{YYYYMMDD}.md）。
报告必须含「Sources」节列出所有WebSearch / WebFetch / xhs / 百度地图来源链接，确保每个事实可验证。
路径：~/Documents/House-Hunter/{topic}-{YYYYMMDD}.md
示例：
~/Documents/House-Hunter/坪山区租房-20260430.md~/Documents/House-Hunter/南山区年轻人租房调研-20260430.md保存后明确告知用户：「报告已保存到 {完整路径}」
报告已保存到 {完整路径}。
我是「{TOPIC}」的找房专家，可以继续问我：
- [基于实际调研内容的具体建议 1，例如"对比 X 小区和 Y 小区的物业评价"]
- [建议 2，例如"如果再宽预算 500，能换到哪些小区？"]
- [建议 3，例如"夜生活更丰富的板块有哪些？"]
后续提问从已有结果回答，不重新搜索。用户明确说「重新调研」「换个区」才重新跑 engine。
~/Documents/House-Hunter/| 失败的源 | 降级方案 |
|---|---|
| 百度地图 | → 高德地图 |
| 高德地图 | → 百度地图 |
| 链家 WebFetch | → 贝壳 → 自如 → 安居客 |
| xiaohongshu-skills 不可用 | 报告中口碑/安全部分明确标注「小红书数据不可用」，仅基于地图 + 新闻输出 |
| 全部地图 API 失败 | 停止流程，提示用户配置至少一个地图 Key |
每个事实必须附来源链接（参考 xiaohongshu-skills 的引用规范）：
Self-check：报告中每条信息是否都有链接？没有链接的信息删除或补上。