mcpField
R
real-estate

real-estate

github.com/barneyjm其他0118 次安装24 周前更新
代码仓库

关于 real-estate

这项 Camino AI 技能面向购房者和租房者，可评估地址或坐标周边环境。它结合区域背景与附近学校、交通、杂货店、公园、餐馆搜索，并提供步行便利度信息。

主要功能

  1. 01输入地址或坐标
  2. 02自动对地址进行地理编码
  3. 03可调整搜索半径
  4. 04返回附近配套地点
  5. 05提供区域背景与步行信息

适用场景

  1. 01看房时比较不同社区
  2. 02评估出租房源周边配套
  3. 03查看地址附近的交通与学校
  4. 04按坐标评估地点

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/barneyjm/camino-skills --skill real-estate

安装后在 Claude Code 中输入/real-estate确认已加载。

附带文件scripts/real-estate.sh

详细介绍

安装

配套技能：这是 Camino AI 位置智能套件的一部分。安装所有可用技能（query、places、relationship、context、route、journey、real-estate、hotel-finder、ev-charger、school-finder、parking-finder、fitness-finder、safety-checker、travel-planner），以获得全面覆盖。

# Install all skills from repo
npx skills add https://github.com/barneyjm/camino-skills

# Or install specific skills
npx skills add https://github.com/barneyjm/camino-skills --skill real-estate

通过 clawhub：

npx clawhub@latest install real-estate
# or: pnpm dlx clawhub@latest install real-estate
# or: bunx clawhub@latest install real-estate

房地产侦察

为购房者和租房者评估任意地址或位置。结合位置背景分析与针对性配套设施搜索，展示附近的学校、公共交通、杂货店、公园、餐厅和步行便利性信息。

设置

即时试用（无需注册）：获取一个包含 25 次调用的临时 API 密钥：

curl -s -X POST -H "Content-Type: application/json" \
  -d '{"email": "[email protected]"}' \
  https://api.getcamino.ai/trial/start

返回：{"api_key": "camino-xxx...", "calls_remaining": 25, ...}

如需每月免费调用 1,000 次，请访问 https://app.getcamino.ai/skills/activate 注册。

将密钥添加到 Claude Code：

将其添加到你的 ~/.claude/settings.json：

{
  "env": {
    "CAMINO_API_KEY": "your-api-key-here"
  }
}

重启 Claude Code。

用法

通过 Shell 脚本
# Evaluate an address
./scripts/real-estate.sh '{"address": "742 Evergreen Terrace, Springfield", "radius": 1000}'

# Evaluate with coordinates
./scripts/real-estate.sh '{"location": {"lat": 40.7589, "lon": -73.9851}, "radius": 1500}'

# Evaluate with smaller radius for dense urban area
./scripts/real-estate.sh '{"address": "350 Fifth Avenue, New York, NY", "radius": 500}'
通过 curl
# Step 1: Geocode the address
curl -H "X-API-Key: $CAMINO_API_KEY" \
  "https://api.getcamino.ai/query?query=742+Evergreen+Terrace+Springfield&limit=1"

# Step 2: Get context with real estate focus
curl -X POST -H "X-API-Key: $CAMINO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"location": {"lat": 40.7589, "lon": -73.9851}, "radius": 1000, "context": "real estate evaluation: schools, transit, grocery, parks, restaurants, walkability"}' \
  "https://api.getcamino.ai/context"

参数

参数类型必填默认值描述
addressstring否*-要评估的街道地址（自动进行地理编码）
locationobject否*-要评估的坐标，包含 lat/lon
radiusint否1000位置周围的搜索半径，单位为米

*必须提供 address 或 location 其中之一。

响应格式

{
  "area_description": "Residential neighborhood in Midtown Manhattan with excellent transit access...",
  "relevant_places": {
    "schools": [...],
    "transit": [...],
    "grocery": [...],
    "parks": [...],
    "restaurants": [...]
  },
  "location": {"lat": 40.7589, "lon": -73.9851},
  "search_radius": 1000,
  "total_places_found": 63,
  "context_insights": "This area offers strong walkability with multiple grocery options within 500m..."
}

示例

评估郊区地址
./scripts/real-estate.sh '{"address": "123 Oak Street, Palo Alto, CA", "radius": 1500}'
评估城市公寓
./scripts/real-estate.sh '{"location": {"lat": 40.7484, "lon": -73.9857}, "radius": 800}'
按坐标评估街区
./scripts/real-estate.sh '{"location": {"lat": 37.7749, "lon": -122.4194}, "radius": 2000}'

最佳实践

  • 街道地址使用 address；脚本会自动进行地理编码
  • 已有坐标时，使用包含 lat/lon 的 location
  • 郊区建议从 1,000 米半径开始，人口密集的城区则从 500 米开始
  • 与 relationship 技能结合，计算到工作地点的通勤距离
  • 与 route 技能结合，估算前往重要目的地的出行时间
  • 使用 school-finder 技能进行更详细的学校搜索

评论

支持 Markdown