Реализация AI-ассистента для подбора недвижимости в мобильном приложении

Реализация AI-ассистента для подбора недвижимости в мобильном приложении

Подбор недвижимости — задача с богатым структурированным датасетом (объявления) и плохо формализованными требованиями пользователя. «Тихий район, недалеко от метро, светлая квартира» — это не фильтры, это намерения. AI-ассистент переводит намерения в параметры поиска и объясняет, почему конкретный объект подходит или нет.

Парсинг требований через function calling

Пользователь описывает желаемое свободным текстом. Function calling извлекает структурированные критерии:

let extractFiltersFunction: [String: Any] = [
    "name": "extract_search_filters",
    "description": "Extract real estate search criteria from user message",
    "parameters": [
        "type": "object",
        "properties": [
            "property_type": ["type": "string", "enum": ["apartment", "house", "studio", "commercial"]],
            "min_rooms": ["type": "integer"],
            "max_rooms": ["type": "integer"],
            "min_area_sqm": ["type": "number"],
            "max_price": ["type": "number"],
            "metro_walk_minutes": ["type": "integer", "description": "Max walking time to metro"],
            "districts": ["type": "array", "items": ["type": "string"]],
            "floor_preference": ["type": "string", "enum": ["not_ground", "not_top", "high", "any"]],
            "must_haves": ["type": "array", "items": ["type": "string"],
                "description": "Required features: parking, balcony, new_building, quiet_street, etc."],
            "deal_type": ["type": "string", "enum": ["buy", "rent"]]
        ]
    ]
]

Диалог может уточняться — «а что значит недалеко от метро?», «в каком ценовом диапазоне смотрим?». Это многоходовой разговор, история которого накапливается.

Интеграция с API объявлений

После извлечения фильтров — запрос к базе объявлений (ЦИАН, Авито, Яндекс.Недвижимость, собственная БД).

class RealEstateSearchService {
    func search(filters: SearchFilters) async throws -> [Property] {
        var params = [URLQueryItem]()
        params.append(URLQueryItem(name: "type", value: filters.propertyType))
        if let maxPrice = filters.maxPrice {
            params.append(URLQueryItem(name: "price_max", value: String(maxPrice)))
        }
        if let rooms = filters.minRooms {
            params.append(URLQueryItem(name: "rooms_min", value: String(rooms)))
        }
        // ... остальные фильтры

        var url = URLComponents(string: baseURL + "/search")!
        url.queryItems = params

        let (data, _) = try await URLSession.shared.data(from: url.url!)
        return try JSONDecoder().decode([Property].self, from: data)
    }
}

Геофильтр «недалеко от метро» реализуется через геокоординаты станций + MapKit.MKCoordinateRegion или CLLocation.distance(from:). Не через текстовое название района — так надёжнее.

AI-объяснение совпадений

Список объявлений без объяснения «почему это подходит» — слабый UX. Для каждого объекта (или топ-3) генерируем короткое AI-описание соответствия запросу.

func generateMatchExplanation(property: Property, userRequirements: String) async throws -> String {
    let prompt = """
    The user is looking for: \(userRequirements)

    Property details:
    - \(property.rooms) rooms, \(property.area) sqm
    - Floor: \(property.floor)/\(property.totalFloors)
    - Metro: \(property.metroStation), \(property.metroWalkMinutes) min walk
    - Price: \(property.price) \(property.currency)/month
    - Features: \(property.features.joined(separator: ", "))
    - District: \(property.district)

    In 2-3 sentences, explain why this property matches (or doesn't fully match) the requirements.
    Be specific about matches and mismatches. No marketing language.
    """

    return try await openAI.complete(prompt: prompt, maxTokens: 100)
}

100 токенов — жёсткий лимит. Объяснение должно быть коротким и по делу.

Карта с кластеризацией

Объявления обязательно показываем на карте. На iOS — MapKit с кастомными MKAnnotationView. При большом количестве точек — кластеризация через MKClusterAnnotation.

// Настройка кластеризации
let annotationView = MKMarkerAnnotationView(annotation: annotation, reuseIdentifier: "property")
annotationView.clusteringIdentifier = "properties"  // включает автокластеризацию

// Кастомный вид кластера с количеством
class PropertyClusterAnnotationView: MKAnnotationView {
    override func prepareForDisplay() {
        super.prepareForDisplay()
        if let cluster = annotation as? MKClusterAnnotation {
            let count = cluster.memberAnnotations.count
            image = drawClusterBadge(count: count)
        }
    }
}

На Android — Google Maps SDK с ClusterManager из библиотеки android-maps-utils.

Сохранение поиска и уведомления

Когда пользователь сохраняет критерии поиска, система должна уведомлять о новых объявлениях. На сервере — периодический job, который прогоняет сохранённые фильтры против новых объявлений и шлёт push.

// Android - обработка push с новым объявлением
class NewPropertyNotificationHandler : FirebaseMessagingService() {
    override fun onMessageReceived(remoteMessage: RemoteMessage) {
        val propertyId = remoteMessage.data["property_id"] ?: return
        val notification = NotificationCompat.Builder(this, CHANNEL_NEW_PROPERTIES)
            .setContentTitle("Новое объявление по вашему запросу")
            .setContentText(remoteMessage.data["summary"])
            .setSmallIcon(R.drawable.ic_home)
            .setContentIntent(buildDeepLinkIntent(propertyId))
            .setAutoCancel(true)
            .build()

        NotificationManagerCompat.from(this).notify(propertyId.hashCode(), notification)
    }
}

Ориентиры по срокам

Базовый поиск с AI-парсингом фильтров + список результатов — 5–7 дней. Полноценный ассистент с диалогом, картой, AI-объяснениями совпадений, сохранёнными поисками и push-уведомлениями — 4–6 недель.