房产信息查询

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:

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

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:

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):

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)