需先安装启用RealEstateCrawler技能并配置城市区域，再通过微信指令创建多源采集任务，接着用数据工坊清洗标准化字段，然后基于清洗数据构建多维价格趋势模型生成图表，最后生成含AI解读的PDF分析报告。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望从多个房产平台自动采集交易数据并生成价格趋势分析，但尚未配置QClaw的数据采集与分析工作流，则可能是由于未安装对应技能或未定义结构化解析规则。以下是实现QClaw房产交易数据采集和价格趋势分析的具体操作步骤：
一、安装并启用房产数据采集技能
该技能负责对接主流房产平台（如链家、贝壳、安居客）的公开页面，提取房源基础信息、成交时间、面积、单价、总价等关键字段，并支持对动态加载内容的渲染抓取。启用后，QClaw可将非结构化网页内容转化为标准CSV格式数据。
1、打开QClaw客户端，点击左下角“技能中心”进入ClawHub界面。
2、在搜索框中输入“RealEstateCrawler”，找到官方发布的房产数据采集技能卡片。
3、点击“安装”，等待进度条完成；安装完毕后点击“启用”，并在弹出窗口中勾选“允许访问网络及JavaScript渲染引擎”。
4、首次启用时需手动配置目标城市与区域关键词，例如输入“上海|浦东新区|二手房”，系统将据此生成初始爬取范围。
二、配置多源网页自动采集任务
通过自然语言指令定义采集目标与频率，QClaw将自动识别页面结构并持续拉取最新挂牌与成交数据，避免人工逐页复制粘贴。所有采集结果默认保存至本地~/qclaw/data/real-estate/目录下，按日期自动归档。
1、在微信中向已绑定的QClaw账号发送指令：“每天上午10点抓取链家上海徐汇区近3个月二手房成交记录，只保留‘小区名、建筑面积、签约时间、成交总价、单价’五个字段”。
2、QClaw识别出平台、城市、区域、时间范围、字段列表后，自动生成采集任务ID并返回确认消息。
3、任务创建成功后，界面右上角状态栏显示“采集运行中:链家|徐汇|3月”字样。
4、如需扩展至其他平台，可追加发送指令：“同步抓取贝壳北京朝阳区近90天挂牌数据，字段同上”。
三、清洗与标准化原始采集数据
不同平台字段命名不一致（如“总价”“成交价”“合同金额”）、单位混用（万元/元）、日期格式多样（YYYY-MM-DD/YYYY/MM/DD），需统一映射为标准字段并校验逻辑合理性。QClaw内置房产专用清洗模板，可自动识别异常值（如单价低于5000元/m²或高于15万元/m²）并标记待复核。
1、在QClaw客户端中点击顶部菜单“数据工坊”，选择“启动房产清洗流程”。
2、在弹出窗口中指定待处理文件路径，例如选择~/qclaw/data/real-estate/lianjia_20260515.csv。
多模态论文可视化引擎，自动从 PDF 或纯文本生成学术插图，支持全篇扫描识别可图化内容、双编码器架构图/算法流程图/动机图生成、自校核、LaTeX/Word 图注输出、Matplotlib 精确绘图，并提供独立 PDF→Text 提取工具。
3、勾选清洗项：“单价单位统一为元/平方米”、“总价补全单位（自动乘以10000）”、“签约时间转为ISO标准格式”、“剔除无签约时间的测试数据”。
4、点击“执行清洗”，完成后生成新文件lianjia_20260515_cleaned.csv，并输出清洗报告含缺失率、异常行数、字段映射关系。
四、构建价格趋势分析模型
基于清洗后的结构化数据，QClaw调用内置pandas与matplotlib模块，按行政区、楼盘、房龄、户型等维度聚合统计，生成环比、同比、移动平均线等趋势指标，并自动绘制折线图与热力图。所有图表支持导出PNG与交互式HTML。
1、在微信中发送指令：“用清洗后的上海徐汇数据，按月统计各街道二手房均价，画出2025年5月至2026年4月趋势图，标注最高点与最低点”。
2、QClaw自动读取最新清洗文件，按签约时间字段提取年月，按街道名称分组计算均价，生成12个月序列。
3、调用绘图模块绘制双Y轴图表：左侧为均价曲线，右侧为当月成交量柱状图。
4、图表生成后，自动保存至~/qclaw/output/trend_shanghai_xuhui_202605.png，并推送缩略图至微信。
五、生成带解读的可视化分析报告
QClaw将趋势图表与关键指标（如月度涨跌幅、区域排名、供需比）整合为一份结构化PDF报告，每张图表下方附AI生成的简明解读，指出异常波动可能成因（如某月集中签约、学区政策调整、新盘入市冲击），避免用户自行误读。
1、在QClaw客户端中点击“报告中心”，选择“新建房产分析报告”。
2、在模板选择页勾选“价格趋势分析”“区域对比”“成交周期统计”三个模块。
3、设置报告覆盖时间范围为“2025.05–2026.04”，目标区域为“上海市徐汇区”，点击“生成”。
4、系统调用本地大模型生成文字解读，例如：“2026年3月徐汇均价环比上涨2.3%，主要受漕河泾板块三宗高价改善盘集中网签拉动，剔除该板块后全区涨幅收窄至0.7%”，并嵌入对应图表。
