「装闭」-AI驱动的开源装修闭坑系统

愿每个业主在装修路上心中有数,于是,「装闭」来了。

装修行业的水有点儿深

很多人装修完回头看,都发现自己花了不少冤枉钱。设计师画的效果图美轮美奂------复杂吊顶、满墙背景墙、开放格书架......装好以后才发现,这些东西费钱不说,日常打理还特别费劲。吊顶积灰、开放格藏污纳垢、花哨灯带一年到头开不了几次。

更别说合同和报价单里的猫腻。增项漏项、模糊工艺描述、虚报材料数量------这些套路装修公司玩得轻车熟路,但普通业主根本无从分辨。随便一个增项,几千块甚至上万块就多出来了。

于是就有了「装闭」(RenoPit)这个项目。 坑,RenoPit /ˈriːnoʊ pɪt/ 取自 Reno vation(装修)+ Pitfall(陷阱)。

「装闭」能做什么?

一句话概括:上传你家的设计图纸和合同报价单,AI 帮你审查出问题、揭露套路。

操作流程非常简单,四步搞定:

  1. 上传设计图纸 ------户型图、效果图、吊顶图都能传,一次传多张也没问题,只要你token足够
  2. 上传合同和报价单------PDF、TXT 等文本文件也可以上传
  3. 补充几句文字说明------可以简单描述一下房屋情况和你的疑虑等
  4. 点击分析,等待结果------AI 分析后,生成详细的可视化报告,分析时长取决于你上传的多少,只要不是太多,五分钟以内都能出结果

报告会逐条列出发现的问题,包括具体说明、风险等级和改进建议。合同和报价单也会被逐条审查,指出哪些费用偏高、哪些表述有坑、哪里可能隐藏增项。

废话少说,直接上截图感受一下我上传了两份真实的PDF后生成的报告:

▲ 总体评价:一眼看清你家装修方案的靠谱程度,高低风险项逐条过

▲ 问题详情:每个坑都有具体的风险等级、问题说明和应对建议,不是泛泛而谈

▲ 合同报价单分析:费用明细逐项审查,偏高偏低一目了然

▲ 跨文档交叉核查:把平面图、报价单、合同串起来对比,发现数据不一致的地方

▲ 增项预测:提前预警哪些地方装修公司可能后期加钱,别等做完才发现超预算

分析完成后还能一键导出 PDF

「装闭」凭什么能发现这些坑?

关键在于立场------「装闭」不是中立工具,而是完全站在消费者这边的。

系统内置了一份精选的装修坑位知识库,覆盖五大类常见问题:卫生死角、空间压迫感、实用性伪需求、隐性成本、安全健康。这些坑位清单不是凭空编的,而是从大量装修业主的真实踩坑经验中总结出来的。

同时,AI 还会联网搜索最新的装修套路。有些新型材料陷阱、当下流行的伪需求,本地知识库里可能没收录,通过联网搜索就能补上。

简单说,「装闭」相当于一个永不疲倦的监理 + 大量业主经验库的合体

系统会默认质疑所有"复杂装饰"和"常见增项"。任何增加成本却降低生活品质的设计,都会被标记出来。当然,觉得太激进的话也可以根据自己情况取舍------最终做决定的还是你自己。

开源 & 在线体验

👉 开源地址:github.com/fthux/RenoP...

不想自己部署的话,可以直接用在线 Demo 体验:

👉 在线体验:renopit.fthux.com

本地部署:

  • 安装 Docker
  • 准备一个 LLM API Key(OpenAI 或兼容接口)

1. 配置环境变量

bash 复制代码
cp .env.example .env
# 编辑 .env 填入你的 API Key

必须的环境变量:

env 复制代码
# LLM API配置(支持 OpenAI SDK 格式的任意 LLM API)
# 如果需要分析图片,请配置支持多模态的 LLM API
LLM_API_KEY=your_api_key
LLM_BASE_URL=llm_base_url
LLM_MODEL_NAME=llm_model_name

2. 一键启动

bash 复制代码
docker-compose up -d

3. 访问系统

服务 地址
前端界面 http://localhost:3000
后端 API 文档 (Swagger) http://localhost:8000/docs
后端 API 文档 (ReDoc) http://localhost:8000/redoc
健康检查 http://localhost:8000/health

这个项目的意义

装修行业的信息不对称是个老问题了,复杂装饰、模糊报价、隐藏增项......这些套路每年让无数业主多花几万甚至十几万的冤枉钱。

「装闭」的初衷就是拉平这种信息差。哪怕它只帮你发现了一个坑、省下一百块钱,这个项目就有了价值。

最后

如果你正准备装修,不妨试试「装闭」,把设计图和报价单丢进去跑一遍。它不能保证一分钱都不多花,但至少能让那些藏在图纸和合同里的坑,无所遁形。

装修路上,能省则省,少踩一个坑是一个坑。

装修路上,还是要自己心中有数。

装修路上,「装闭」就行了。

相关推荐
Mr数据杨1 分钟前
贷款违约预测实战案例 从 Kaggle 表格分类到金融风控建模
人工智能·数据分析·kaggle竞赛
学着改变2752 分钟前
2026电磁流量计选型全维度指南:励磁技术、衬里材质与工况适配深度解析
大数据·人工智能·科技·产品运营·能源·材质
AI的探索之旅2 分钟前
97 个 OpenCV 实例(十四):图像分割,GrabCut 抠图 + inpaint 去水印
人工智能·opencv·计算机视觉
Capricorn19884 分钟前
Ox Alpha 1M 上下文科研引用失真怎么排查?知芽 Notebook Skill 技术链路实操
人工智能·笔记·python·深度学习·知识图谱·论文笔记
火星上的鱼6 分钟前
2025年中国餐饮行业发展分析报告
大数据·人工智能
新知图书7 分钟前
14.2 多模态试驾预约Agent的系统架构
人工智能·深度学习·ai agent·智能体
2603_9663027510 分钟前
专业AI视频生成工具怎么选:主链路、单点与后期的分工逻辑
人工智能
jianqiang.xue11 分钟前
专栏简介:《嵌入式 AI 智能体设计实战》
人工智能·stm32·单片机·物联网·架构·esp32
宋哥转AI12 分钟前
深入理解 AI Agent · 多 Agent 编排 #03:Supervisor 与 Orchestrator——Dream-SaaS 双层编排架构拆解
java·人工智能·ai
逻辑君13 分钟前
ANNA 7.6 知识智能引擎白皮书
人工智能·机器学习