做了一个「房产数据采集 + AI 房价预测」全栈项目，从爬虫到 LangGraph Agent 一条龙

毕设 / 简历项目收割机来了：FastAPI + LangChain + LangGraph + Agent + Vue3 + MySQL， 数据采集、后台管理、数据分析、机器学习预测、AI 智能问答，一个项目全部覆盖。 这篇带你过一遍它的技术栈、功能，以及——最重要的是——你能从它身上学到什么、该刷哪些面试题。

很多同学找项目有个痛点：要么是纯 CRUD 管理系统，写进简历撑不起亮点；要么是纯算法项目，部署不了、演示不了。

这个「房产数据采集与房价预测分析平台」就是为了解决这个痛点而生——它是一条完整的业务闭环：

数据采集 → 数据管理 → 数据分析 → 房价预测 → AI 智能问答

以长沙六大片区（岳麓、雨花、天心、芙蓉、开福、望城）的真实房源结构为样本， 前台是仿安居客/贝壳的用户门户，后台是 17 个模块的管理系统， 中间还嵌了一个基于 LangGraph 的房产智能体「房小智」。

下面分四部分讲清楚。

---

一、项目技术栈

后端（全异步）

• FastAPI + Uvicorn：异步 Web 框架，自动生成 Swagger 文档

• Tortoise ORM + aiomysql：异步 MySQL ORM，连接池

• PyJWT：登录态签发与角色鉴权（管理员 / 普通用户双端隔离）

爬虫

• Aiohttp + BeautifulSoup4：异步采集引擎，支持限流、重试、代理，目标站不可用时自动降级为「模拟采集」，保证全流程任何环境都能演示

机器学习

• scikit-learn + pandas / numpy + joblib：线性回归 vs 随机森林双模型对比训练，RMSE / MAE / R² 指标入库，模型持久化

AI 编排（项目最大的差异化亮点）

• LangChain 1.x + LangGraph 1.x + langchain-openai：三节点状态机 Agent（意图分析 → 工具执行 → 回答生成），SSE 流式输出，未配置 API Key 时自动降级为规则引擎

前端

• Vue 3 组合式 API + Vite：前台门户 + 后台管理双端单页应用

• Element Plus：17 个管理模块的组件体系

• ECharts 5：片区均价柱状图、分类饼图、模型指标趋势线

• markdown-it + highlight.js：AI 回答的 Markdown 渲染与代码高亮

数据库

• MySQL 8（utf8mb4）：16 张业务表，从房源主表到大模型配置表

---

二、项目功能描述

前台门户（普通用户）

• 首页：轮播图 + 图内悬浮搜索条 + 热门词一键搜索 + 房源分类宫格 + 片区房价参考卡（点卡片直达筛选后的列表页）

• 房源列表：分类 Tab 切换（二手房/新房/租房/商铺），片区、价格区间、面积、户型、装修、朝向、近地铁、学区多维筛选，五种排序，筛选状态与 URL 同步，一键重置

• 房源详情：图片画廊（左右切换 + 计数徽章）、核心卖点宫格、首付与月供参考（等额本息估算）、一键收藏、同片区相似房源推荐

• AI 智能助手「房小智」：自然语言找房（"雨花区 100 万以内的近地铁二手房"）、房价预估、片区走势查询、购房政策问答；回答流式输出，推荐房源渲染成可点击卡片直达详情页；支持多会话管理，历史会话的房源卡片可完整还原

• 个人中心：头像上传即时生效、资料修改、修改密码、我的收藏

后台管理（管理员）

• 数据管理：房源 / 片区 / 分类（带图标选择器）/ 轮播图

• 采集管理：采集任务（目标站、页数、限流、代理）+ 采集日志实时查看

• 模型管理：一键触发双模型对比训练，指标趋势曲线可视化，在线输入房源参数即可估价

• AI 智能体配置：多厂商大模型配置热切换（DeepSeek / 通义 / Kimi 等 OpenAI 兼容接口）、系统 Prompt 在线调整、购房知识库管理、用户对话记录审计

• 用户管理：管理员信息、普通用户

---

三、拿到这个项目能学到什么

1. 后端工程化（不只是会写接口）

• 全异步技术栈怎么组织：async 接口、异步 ORM、连接池、SSE 流式响应

• 统一返回体 + 全局异常处理怎么设计，让前后端联调不扯皮

• JWT 鉴权与路由守卫的双重角色校验怎么落地

• 一个出口治理一类问题：比如在统一返回体里递归把 ISO 时间规范化，全站时间格式一处修好

2. LangGraph Agent 的正确打开方式

• 不做"套壳聊天"——而是意图识别 → 工具调用 → 上下文生成的状态机编排

• 降级思维：没配 Key 用规则引擎兜底，LLM 挂了不白屏——生产环境最看重的容错设计

• 工具函数怎么把自然语言解析成查询条件（"雨花区" → districtId，"100 万以内" → maxPrice）

• 结构化结果怎么和流式文本一起走 SSE 推给前端

3. 机器学习从训练到上线

• 特征工程：片区、户型、朝向这些类别特征怎么编码进模型

• 双模型对比实验、评估指标（RMSE/MAE/R²）入库与可视化

• joblib 模型持久化 + FastAPI 在线推理服务，输出点估计和置信区间

4. 爬虫工程实践

• 异步并发、请求限流、失败重试、代理配置

• 通用选择器解析 + 数据清洗入库

• "降级采样"思路：真实站点不可用时如何生成接近真实分布的数据保住全流程

5. 前端体验细节（演示最加分的部分）

• 流式聊天页的粘底跟随 + 防抖：用户上翻历史不被自动滚动拽回去

• 多维筛选状态与 URL 双向同步，刷新、分享链接都不丢状态

• 仿安居客的画廊、排序条、面包屑、图标选择器等组件化封装

• ECharts 在 Vue3 里的初始化时机、响应式与销毁

6. 数据库设计

• 16 张表怎么支撑双端业务：房源主表、会话表、采集任务/日志、模型指标、大模型配置

• 一对多、多对多关系与冗余字段的取舍

---

四、可以去刷什么对应的面试题

FastAPI / Python 异步

1. async/await 的原理？事件循环是什么？

2. FastAPI 为什么快？和 Flask / Django 的本质区别？

3. 什么是 SSE？和 WebSocket 的区别，各自适用什么场景？

4. uvicorn 和 gunicorn 是什么关系？多 worker 部署要注意什么？

5. Pydantic 的作用？接口校验失败怎么统一处理？

6. FastAPI 的依赖注入（Depends）用过吗？鉴权怎么基于它实现？

MySQL / ORM

1. 索引的底层数据结构？为什么用 B+ 树而不是 B 树 / 哈希表？

2. 联合索引的最左前缀原则？范围查询为什么会让后面的索引失效？

3. 结合项目：房源表的 districtId / categoryId / status 该怎么建组合索引？

4. 慢查询怎么排查？EXPLAIN 的关键字段有哪些？

5. 事务的隔离级别？默认级别下会出现什么问题？

6. 为什么选异步 ORM？Tortoise ORM 和 SQLAlchemy 的区别？

7. 数据库连接池的作用？连接数怎么评估？

爬虫

1. 异步爬虫比同步快在哪？aiohttp 和 requests 的本质区别？

2. 怎么控制爬取频率不被封？说一个限流算法（令牌桶 / 漏桶）？

3. 失败重试策略怎么设计？怎么保证重试的幂等？

4. 常见反爬手段有哪些？分别怎么应对？

5. 动态渲染页面（JS 加载）怎么爬？Selenium / Playwright 什么时候用？

6. 数据清洗一般做哪些事？缺失值和异常值怎么处理？

7. robots 协议是什么？爬虫的法律边界在哪？

机器学习

1. 线性回归的基本假设有哪些？怎么判断拟合好坏？

2. 随机森林为什么比单棵决策树稳？Bagging 的原理？

3. RMSE 和 MAE 的区别？R² 是什么含义？

4. 过拟合怎么发现、怎么解决？（结合项目答：限制 max_depth、控制 n_estimators）

5. 训练集 / 测试集怎么切？为什么要固定 random_state？

6. 类别特征编码方式有哪些？One-Hot 和 Label Encoding 怎么选？

7. 特征重要性怎么看？随机森林能输出吗？

8. 模型怎么上线部署？（结合项目：joblib 持久化 + FastAPI 推理接口 + 置信区间输出）

LangChain / LangGraph / Agent（AI 方向高频区）

1. 什么是 Agent？ReAct 模式（思考-行动-观察）的循环是怎样的？

2. LangGraph 的状态机和 LangChain 的 Chain 有什么区别？什么场景必须用图编排？

3. 意图识别有哪些实现方案？大模型分类和规则引擎各有什么优劣？怎么结合？

4. Function Calling / Tool Use 的原理？工具的 docstring 和参数描述为什么要写清楚？

5. 大模型输出不稳定，工程上怎么兜底？（结合项目：规则引擎降级 + 模板回答 + 异常捕获）

6. 多厂商模型怎么统一接入？（OpenAI 兼容协议、base_url 热切换）

7. RAG 的原理？向量检索和关键词检索各有什么优劣？知识库问答怎么做？

8. 什么是流式输出？Token 流怎么一步步推给前端？

9. 大模型的 Temperature 参数是什么？什么场景调高、什么场景调低？

10. 怎么评估一个 AI 对话系统的回答质量？

Vue 3 前端

1. 组合式 API 相比选项式 API解决了什么问题？setup 语法糖的本质？

2. ref 和 reactive 的区别？为什么解构 reactive 会失去响应式？

3. computed 和 watch 的区别与使用场景？

4. Vue3 的响应式为什么从 Object.defineProperty 换成 Proxy？

5. v-if 和 v-show 的区别？key 的作用？

6. 组件间通信有哪些方式？provide/inject 什么场景用？

7. 路由守卫怎么实现登录拦截和角色隔离？

8. 长列表性能优化有哪些手段？虚拟滚动原理？

9. 首屏加载慢怎么优化？（路由懒加载、分包、图片懒加载）

10. ECharts 在 SPA 里怎么正确初始化和销毁？resize 怎么监听？

项目场景题（用这个项目直接回答）

1. "讲一下你这个项目最难的地方？"——LangGraph Agent 的意图识别 + 工具调用 + SSE 流式输出整条链路

2. "如果 QPS 涨 100 倍你的系统会先在哪里挂？"——MySQL 连接池 / 同步的模型推理，引出缓存与异步任务队列

3. "爬虫数据不准确怎么办？"——结合项目答：通用选择器 + 模拟采集降级 + 后台人工修正

4. "AI 回答不可控怎么办？"——降级模板、知识库约束、意图白名单、对话记录审计

5. "为什么用两套前端？"——角色隔离、安全边界与交互形态差异

---

五、可以去刷什么对应的面试题

登录

后台首页

房源管理

分类信息

Prompt 配置

采集任务

采集日志

前台首页

房源列表

地图找房

ai智能回答

我的收藏

写在最后

这个项目的价值不在于"房产"这个业务本身，而在于它把爬虫、后端、数据库、机器学习、AI Agent、前端工程串成了一条真实的流水线——

面试官问任何一个环节，你都有东西可讲；答辩演示时，从采集到 AI 找房全程不冷场。

项目里所有的降级设计（无 Key 也能聊、目标站挂了也能采）保证了它在任何机器上都能跑起来，这也是它和网上大多数"跑不起来"的项目最大的区别。

项目地址：桔桔波编程学习网 - 优质编程学习资源平台

觉得有用的话，点赞、在看、转发三连，下期见。