Реалізація AI-асистента для підбору нерухомості у мобільному застосунку

AI-Асистент для вибору нерухомості у мобільних застосунках

Підбір нерухомості—завдання з багатою структурованою базою даних (оголошення) та погано формалізованими вимогами користувача. «Тихий район, недалеко від метро, світла квартира»—це не фільтри, це наміри. AI-асистент перекладає наміри в параметри пошуку та пояснює, чому конкретний об'єкт підходить чи ні.

Розбір вимог через Function Calling

Користувачі описують бажану нерухомість вільним текстом. Function calling виділяє структуровані критерії:

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"]]
        ]
    ]
]

Діалог може уточнюватися—«що означає недалеко від метро?», «у якому ціновому діапазоні?» Це багатоходовий розмова, контекст якої накопичується.

Інтеграція з API оголошень

Після виділення фільтрів—запит до бази оголошень (ЦИАН, Авито, Яндекс.Нерухомість або власна база).

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)))
        }
        // ... решта фільтрів

        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)
    }
}

Геофільтр «недалеко від метро» реалізується через геокоординати станцій + MapKit.MKCoordinateRegion або CLLocation.distance(from:). Не через текстову назву району—надійніше.

AI-пояснення збігів

Список оголошень без пояснення «чому це підходить»—слабкий UX. Генеруйте короткі AI-описи для кожного об'єкта (або топ-3), пояснюючи відповідність.

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 токенів—жорсткий ліміт. Пояснення повинні бути короткими й по суті.

Карта з кластеризацією

Завжди показуйте оголошення на карті. На iOS використовуйте MapKit з кастомними MKAnnotationView. Для великої кількості точок—кластеризація через MKClusterAnnotation.

// Настройка кластеризації
let annotationView = MKMarkerAnnotationView(annotation: annotation, reuseIdentifier: "property")
annotationView.clusteringIdentifier = "properties"  // включає автокластеризацію

// Кастомний вид кластера з кількістю
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 використовуйте Google Maps SDK із ClusterManager з бібліотеки android-maps-utils.

Збережені пошуки й сповіщення

Коли користувачі зберігають критерії пошуку, система повинна сповіщати про нові оголошення. На сервері—періодичний job, що прогоняє збережені фільтри за новими оголошеннями й надсилає push-сповіщення.

// Android - обробка push із новим оголошенням
class NewPropertyNotificationHandler : FirebaseMessagingService() {
    override fun onMessageReceived(remoteMessage: RemoteMessage) {
        val propertyId = remoteMessage.data["property_id"] ?: return
        val notification = NotificationCompat.Builder(this, CHANNEL_NEW_PROPERTIES)
            .setContentTitle("Нове оголошення за вашим запитом")
            .setContentText(remoteMessage.data["summary"])
            .setSmallIcon(R.drawable.ic_home)
            .setContentIntent(buildDeepLinkIntent(propertyId))
            .setAutoCancel(true)
            .build()

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

Орієнтири за часом

Базовий пошук з AI-розбором фільтрів + список результатів—5–7 днів. Повноцінний асистент із діалогом, картою, AI-поясненнями збігів, збереженими пошуками й push-сповіщеннями—4–6 тижнів.