condo_gpt

Кондо GPT

Видео

Condo GPT является интеллектуальным помощником по вопросам и анализу данных о кондоминиуме в Майами. Он использует обработку естественного языка для интерпретации вопросов пользователей и предоставления понимания зданий, единиц, продаж и тенденций рынка. При условии, что является образец базы данных Condo Cube, который можно использовать для запроса данных на следующих рынках:

• Южный пляж
• Майами -Бич
• К югу от пятого

Цель состоит в том, чтобы позволить агентам по недвижимости и инвесторам, которые не являются техническими, легко и быстро провести анализ высокого уровня и сравнения квартир в Майами и руководить их инвестиционными решениями. В настоящее время эта работа выполняется аналитиками, которым выплачивается зарплата, поэтому подобные инструменты могут сэкономить брокеры на тысячи долларов в месяц в качестве зарплаты.

Получите работу инженера ИИ | Внося

Я использовал это в качестве портфельного проекта, чтобы получить мою первую работу инженера по искусственному искусству. Я перечислил некоторые проблемы, которые вы можете решить, или отправить свои PR для улучшения инструмента. Взносы с открытым исходным кодом - очень хороший способ получить работу по искусственному искусству, поскольку такие технологии, как Langchain, настолько новы, и многие компании в настоящее время не требуют опыта работы с ними.

Пожалуйста, не стесняйтесь отправить запрос на привлечение.

Функции

• Интерфейс естественного языка для запроса данных о квартире
• Интеграция с Google Maps API для запросов на основе местоположения
• Динамическая генерация SQL для сложных запросов базы данных
• Интерактивные карты и диаграммы для визуализации данных
• PDF -отчет о возможностях генерации

Технологии используются

• Python 3.x
• Flask Web Framework
• База данных PostgreSQL
• Агенты Langchain & Langgraph
• Модели GPT Openai для понимания естественного языка
• Google Maps API для геокодирования и направлений
• Chart.js для визуализации данных
• Reportlab для поколения PDF

Настраивать

1. Клонировать репозиторий
2. Подготовьте среду и базу данных

• Virtualenv GPT_ENV
• Войдите в PSQL в качестве суперпользователя (Sudo -u Postgres PSQL на 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. Редактировать свой файл gpt_env/bin/activate и добавьте следующие переменные среды

• GPLACES_API_KEY : ваш Google Plates API -ключ
• OPENAI_API_KEY : ваш ключ API Openai
• FLASK_SECRET : Flask Secret Phrase (может быть любая строка)
• PG_USER : ваш пользователь Postgres, которого вы настроили выше
• PG_PASSWORD : пароль для вашего пользователя Postgres
• PG_PORT : порт для вашего сервера базы данных Postgres (по умолчанию 5432)
• PG_DB : Имя вашей базы данных Postgres

4. Настройка данных образца

• Убедитесь, что вы находитесь в том же каталоге, что и Sample_db.sql
• psql -d condo_gpt < sample_db.sql

5. Установить зависимости:

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

6. Запустите приложение python server.py

Запуск приложения

1. Запустите Flask Server: python server.py
2. Откройте веб -браузер и перейдите на http://localhost:5000

Использование

• Введите вопросы естественного языка о квартирах Майами в поле ввода
• Система будет интерпретировать ваш вопрос, запрашивать базу данных и предоставить соответствующие ответы
• Для запросов на основе местоположения могут быть получены интерактивные карты
• Система может создавать диаграммы и графики для визуализации данных
• Отчеты PDF могут быть сгенерированы для более подробного анализа
• Используйте кнопку «Чистая память», чтобы очистить историю разговора

Пример приглашения последовательности

• Какими зданиями на Коллинз было больше всего продаж в 2023 году?
• Создать график этих данных
• Поместите данные в таблицу HTML
• Добавьте третий столбец с общим объемом продаж каждого здания
• Добавить четвертую колонку со средней продажной ценой для каждого здания
• Замените третью колонку на ближайшую школу в здание и четвертую колонку с расстоянием от этой школы от здания

Структура проекта

• server.py : Flask Application Server
• main.py : основная логика для обработки вопросов и создания ответов
• tools.py .
• prefix.py : префикс системного сообщения для агента AI
• boilerplate.py : код шаблона для генерации карт и диаграмм