Задачи проекта
Задача заключалась в том, чтобы создать решение, которое выдерживает большие нагрузки, одинаково удобно работает на разных платформах и предоставляет ценные инсайты риелторам, агентствам и инвесторам — при сохранении высокой производительности.
Основные задачи:
- Разработка масштабируемого ИИ-решения для риелторов, способного одновременно обслуживать большое количество пользователей без задержек.
- Автоматизация подбора недвижимости на основе соответствия между объявлениями и предпочтениями покупателей.
- Обеспечение работы решения как в Telegram, так и на веб-платформе, с адаптацией функциональности под особенности каждой среды.
- Возможность использовать рыночные данные из внешних источников, таких как Zillow.
- Авторизация через Telegram с возможностью быстрого и удобного входа для пользователей.
- Оптимизация длинных диалогов, чтобы ИИ не терял контекст и при этом не расходовал лишние токены.
Цели проекта
Наш клиент — компания из сферы недвижимости, которой нужен был удобный ИИ инструмент для быстрой и точной аналитики.
Основная цель проекта заключалась в создании ИИ-агента, способного анализировать большие массивы данных, сравнивать объекты и выдавать практические инсайты в простом формате чата. Решение планировалось запустить в Telegram и на веб-платформе.
Процесс
Мы начали с того, что подробно изучили требования и возможные интеграции, чтобы точно понять запрос клиента. Затем спроектировали архитектуру системы и составили четкий план разработки ИИ-инструмента.
Параллельно определили ключевые сценарии тестирования и метрики, а также настроили сбор и обработку данных о недвижимости — это позволило с самого начала выстроить качественную основу проекта.
После подготовки инфраструктуры мы разработали ИИ-агента и необходимые инструменты, а затем создали Telegram-бота и веб-приложение. Чтобы ускорить работу, активно использовали ИИ-помощники для программирования, что позволило быстрее выпускать новые функции.
Использованные технологии
Решение было разработано с применением современного технологического стека, объединяющего ИИ-модели, фреймворки и облачную инфраструктуру. В работе использовались:
- OpenAI ChatGPT 4.1 и 4.1 mini — для обработки естественного языка.
- Python с LangChain и LangGraph — для организации работы ИИ-агентов.
- LangSmith — для оценки качества и мониторинга.
- Redis и PostgreSQL — для быстрой обработки и хранения данных.
- Google Cloud Platform — для развёртывания системы.
- Cursor IDE с поддержкой Claude Sonnet 4 — для ускорения разработки.
Ключевые возможности готового продукта
Готовое решение включало широкий набор функций, разработанных в соответствии с планом проекта, а также с учётом интересов и ожиданий пользователей:
- Кроссплатформенный доступ — система работает как через Telegram, так и через веб-интерфейс. Авторизация выполняется централизованно через Telegram.
- Поддержка нескольких чатов и длинных диалогов — неограниченная история сообщений, автоматическое сжатие контекста и иерархическая память помогают сохранять последовательность общения без потери смысла.
- Аналитика в реальном времени — сравнение рыночных трендов, ипотечных показателей, демографических данных и стоимости недвижимости.
- Показатели эффективности агентов — отслеживание ключевых метрик: скорости ответов, конверсии лидов и успешности сделок.
- Расширенная система отчетности — поддержка различных форматов, экспорт в Markdown, построение графиков и наглядные сравнения данных.
- Инструменты для вовлечения пользователей — пригласительные ссылки, управление доступом через белые списки и отображение активности агентов в реальном времени.
- Поддержка и обратная связь — встроенный бот для отзывов, автоматическая помощь на основе FAQ и административное управление через Telegram-бота.
Результат
ИИ-агент для рынка недвижимости получился функциональным и удобным. Пользователи получили доступ к системе через Telegram и веб-интерфейс, могли глубоко анализировать рыночные данные и отслеживать тренды с помощью агента, который управляет более чем 40 инструментами.
Результаты:
Быстрый подбор недвижимости → время на поиск релевантных объектов сократилось на 60 %.
Масштабируемость → система обрабатывает более 2 ГБ статистических данных и поддерживает тысячи одновременных подключений.
Гибкая разработка → первый рабочий MVP был готов всего за 1 неделю, дальнейшие улучшения внедрялись по мере работы.
Бизнес-ценность → решение заняло позицию одного из лучших ИИ-агентов для рынка недвижимости: быстрое, простое в использовании и устойчивое к резким всплескам трафика.