condo_gpt

Kondominium gpt

Video

Condo GPT adalah asisten cerdas untuk menanyakan dan menganalisis data kondominium di Miami. Ini menggunakan pemrosesan bahasa alami untuk menafsirkan pertanyaan pengguna dan memberikan wawasan tentang bangunan kondominium, unit, penjualan, dan tren pasar. Disediakan adalah sampel dari database kondominium kubus yang dapat digunakan untuk menanyakan data di pasar berikut:

• Pantai Selatan
• Pantai Miami
• Selatan dari kelima

Tujuannya adalah untuk memungkinkan agen real estat dan investor yang tidak teknis, untuk dengan mudah dan cepat melakukan analisis tingkat tinggi dan perbandingan kondominium di Miami, dan memimpin keputusan investasi mereka. Saat ini pekerjaan ini dilakukan oleh analis yang dibayar gaji, jadi alat seperti ini memiliki potensi untuk menghemat broker ribuan dolar per bulan dalam gaji.

Dapatkan pekerjaan insinyur AI | Berkontribusi

Saya menggunakan ini sebagai proyek portofolio untuk mendapatkan pekerjaan insinyur AI pertama saya. Saya telah mendaftarkan beberapa masalah yang dapat Anda selesaikan atau kirimkan PR Anda sendiri untuk perbaikan alat. Kontribusi open source adalah cara yang sangat baik untuk mendapatkan pekerjaan AI karena teknologi seperti Langchain sangat baru, dan banyak perusahaan saat ini tidak memerlukan pengalaman kerja dengan mereka.

Silakan mengirimkan permintaan tarik.

Fitur

• Antarmuka Bahasa Alami Untuk Meminta Data Kondominium
• Integrasi dengan Google Maps API untuk kueri berbasis lokasi
• Pembuatan SQL dinamis untuk kueri basis data yang kompleks
• Peta dan bagan interaktif untuk visualisasi data
• Kemampuan Generasi Laporan PDF

Teknologi digunakan

• Python 3.x
• Kerangka Web Flask
• Database PostgreSQL
• Agen Langchain & Langgraph
• Model GPT Openai untuk pemahaman bahasa alami
• Google Maps API untuk geocoding dan arah
• Chart.js untuk visualisasi data
• ReportLab untuk generasi PDF

Pengaturan

1. Klon Repositori
2. Persiapkan lingkungan dan database

• VirtualEnv GPT_ENV
• Masuk ke PSQL sebagai SuperUser (sudo -u postgres PSQL di Linux)
• CREATE DATABASE condo_gpt ; CREATE USER readonly_user WITH PASSWORD 'password'; GRANT CONNECT ON DATABASE condo_gpt TO readonly_user; GRANT USAGE ON SCHEMA public TO readonly_user; GRANT SELECT ON ALL TABLES IN SCHEMA public TO readonly_user; ALTER DEFAULT PRIVILEGES IN SCHEMA public GRANT SELECT ON TABLES TO readonly_user; q

3. Edit file gpt_env/bin/activate Anda dan tambahkan variabel lingkungan berikut

• GPLACES_API_KEY : Kunci API Google Places Anda
• OPENAI_API_KEY : Kunci API Openai Anda
• FLASK_SECRET : Frasa rahasia Flask (bisa jadi string)
• PG_USER : Pengguna postgres Anda yang Anda atur di atas
• PG_PASSWORD : Kata sandi untuk pengguna postgres Anda
• PG_PORT : Port untuk server database postgres Anda (default 5432)
• PG_DB : Nama database Postgres Anda

4. Siapkan Data Sampel

• Pastikan Anda berada di direktori yang sama dengan sampel_db.sql
• psql -d condo_gpt < sample_db.sql

5. Instal dependensi:

• source gpt_env/bin/activate
• pip install -r requirements.txt

6. Mulailah aplikasi python server.py

Menjalankan aplikasi

1. Mulai server Flask: python server.py
2. Buka browser web dan navigasikan ke http://localhost:5000

Penggunaan

• Masukkan pertanyaan bahasa alami tentang kondominium Miami di bidang input
• Sistem akan menafsirkan pertanyaan Anda, meminta database, dan memberikan jawaban yang relevan
• Untuk pertanyaan berbasis lokasi, peta interaktif dapat dihasilkan
• Sistem dapat membuat grafik dan grafik untuk visualisasi data
• Laporan PDF dapat dihasilkan untuk analisis yang lebih rinci
• Gunakan tombol 'Clear Memory' untuk menghapus riwayat percakapan

Contoh Urutan Prompt

• Bangunan apa di Collins apa yang memiliki penjualan terbanyak di tahun 2023?
• Menghasilkan grafik data ini
• Masukkan data di tabel HTML
• Tambahkan kolom ketiga dengan total volume penjualan setiap bangunan
• Tambahkan kolom keempat dengan harga jual rata -rata untuk setiap bangunan
• Ganti kolom ketiga dengan sekolah terdekat ke gedung, dan kolom keempat dengan jarak mengemudi ke sekolah itu dari gedung

Struktur proyek

• server.py : Server Aplikasi Flask
• main.py : Logika inti untuk memproses pertanyaan dan menghasilkan respons
• tools.py : Alat khusus untuk kueri database dan interaksi API
• prefix.py : awalan pesan sistem untuk agen AI
• boilerplate.py : kode boilerplate untuk pembuatan peta dan bagan