fthux's Blog

摘要： 装修合同里的模糊条款、报价陷阱和后期增项如何被 AI 识别？拆解 RenoPit 的关键词分类器、合同审查 Prompt、风险 JSON 校验，以及报价单二次增项预测链路。 阅读全文

摘要： 图片、合同和用户说明如何最终变成结构化装修避坑结果？沿着 AnalysisEngine 追踪素材预处理、Prompt 构建、异步 LLM 调用、JSON Repair、字段补全和数据库事务。 阅读全文

摘要： 模型不支持图片、接口超时或返回空内容时，RenoPit 会怎样处理？解析 OpenAI 兼容客户端、多模态消息、联网工具、指数退避重试，以及从图片分析降级到纯文本分析的源码路径。 阅读全文

摘要： AI 为什么能识别卫生死角、空间压迫、隐性成本和装修伪需求？揭秘 RenoPit 如何加载本地坑位知识库，组装消费者立场、联网搜索指令和结构化 JSON 输出 Prompt。 阅读全文

摘要： 后台 Celery 正在分析装修图纸，React 页面如何实时显示进度？从 EventSource、StreamingResponse 到数据库状态轮询，拆解 RenoPit 的 SSE 事件、进度模拟、失败提示和自动跳转机制。 阅读全文

摘要： 一次可能持续数分钟的 AI 装修分析，如何避免阻塞 FastAPI？解析 RenoPit 使用 Redis 投递 Celery 任务、串联设计分析、合同审查、增项预测和跨文档核查的异步编排过程。 阅读全文

摘要： 户型图、效果图、装修合同和报价单上传后去了哪里？追踪 RenoPit 从 FormData、UUID 文件名到图片压缩、PDF 文本提取和数据库入库的完整文件处理链路。 阅读全文

摘要： 一个 RenoPit 装修项目从创建到删除会经过哪些前后端代码？拆解 React 项目列表、FastAPI CRUD、分页轮询、素材复制和数据库级联，完整还原装闭项目生命周期。 阅读全文

摘要： 六张数据表如何保存装修项目、图纸、合同、AI 分析结果和 PDF 报告？深入 RenoPit 的 SQLAlchemy 模型、外键关系、状态字段与 JSON 数据结构，读懂 AI 装修闭坑系统的数据基础。 阅读全文

摘要： 「装闭」RenoPit AI驱动的开源装修闭坑系统，是一款AI装修审查工具，上传设计图纸、合同及报价单即可生成报告，逐条指出设计缺陷、合同猫腻、费用偏高及潜在增项。它内置踩坑知识库并支持联网搜索，完全站在消费者立场。 阅读全文