تحلیل خودکار املاک با n8n و GPT-4: فرصت‌های سرمایه‌گذاری

تحلیل روندهای زیربازار املاک و مستغلات با GPT-4، Gmail و هشدارهای Slack

این گردش کار، تحلیل روندهای زیربازار املاک و مستغلات را خودکار می‌کند، از GPT-4 برای بینش استفاده می‌کند و هشدارها را از طریق Gmail و Slack ارسال می‌کند. این سیستم برای شرکت‌های سرمایه‌گذاری املاک و مستغلات، تیم‌های اکتساب و تحلیلگرانی طراحی شده است که به دنبال خودکارسازی اسکن بازار، یافتن معاملات و دریافت خلاصه‌های روزانه از تغییرات بازار و حوزه‌های تمرکز هستند.

نام گردش کار: تحلیلگر خودکار روندهای زیربازار و فرصت‌های سرمایه‌گذاری

هدف: این گردش کار یک خط لوله کاملاً خودکار روزانه را اجرا می‌کند. داده‌ها را از چندین منبع املاک و مستغلات و اقتصاد کلان برای یک بازار هدف می‌کشد، این اطلاعات را تجمیع می‌کند، از GPT-4 برای شناسایی فرصت‌های سرمایه‌گذاری بالقوه و پیش‌بینی رشد ارزش استفاده می‌کند و سپس در صورت رسیدن امتیاز فرصت به یک آستانه پیکربندی شده، از طریق Gmail و Slack به تیم اکتساب یا سرمایه‌گذاران هشدار می‌دهد.

موارد استفاده کلیدی:

• اسکن خودکار بازار: شرکت‌های سرمایه‌گذاری املاک و مستغلات می‌توانند فرآیند اسکن بازارها و یافتن معاملات را خودکار کنند.
• خلاصه‌های روزانه: تیم‌های اکتساب می‌توانند به‌روزرسانی‌های روزانه در مورد تغییرات بازار دریافت کنند و مشخص کنند که تلاش‌های خود را کجا متمرکز کنند.
• داده‌های ساختاریافته برای تحلیل: تحلیلگران می‌توانند امتیازدهی سازگار و خروجی‌های ساختاریافته را برای ادغام در سیستم‌های پایین‌دستی دریافت کنند.

---

تشریح گردش کار

۱. زمان‌بندی و پیکربندی

این بلوک اولیه، زمان‌بندی اجرای گردش کار و پارامترهای کلیدی برای تحلیل را تنظیم می‌کند.

#### ۱.۱. زمان‌بندی تحلیل روزانه

• نوع نود: Schedule Trigger
• هدف: اجرای روزانه گردش کار.
• پیکربندی: تنظیم شده برای اجرا روزانه در ساعت ۰۶:۰۰ (بر اساس منطقه زمانی نمونه n8n).
• اتصالات: نود Workflow Configuration را فعال می‌کند.
• مشکلات احتمالی:

* اختلاف منطقه زمانی بین سرور و زمان محلی مورد انتظار.

* اجراهای از دست رفته در صورتی که نمونه n8n در زمان برنامه‌ریزی شده در دسترس نباشد (مکانیسم‌های تلاش مجدد در سطح پلتفرم را در نظر بگیرید).

#### ۱.۲. پیکربندی گردش کار

• نوع نود: Set
• هدف: متمرکز کردن تمام پارامترهای قابل پیکربندی برای اجرای گردش کار.
• پیکربندی: متغیرهایی را برای موارد زیر تعریف می‌کند:

* نقاط پایانی API برای داده‌های MLS، سوابق عمومی، جمعیت‌شناسی و داده‌های اقتصاد کلان (mlsApiUrl, publicRecordsApiUrl, demographicApiUrl, macroeconomicApiUrl).

* بازار هدف برای تحلیل (targetMarket).

* حداقل امتیاز مورد نیاز برای فعال کردن هشدارها (investmentThreshold، پیش‌فرض ۷۵).

* آدرس ایمیل گیرنده هشدارها (acquisitionTeamEmail).

* شناسه کانال Slack برای اعلان‌ها (slackChannel).

• متغیرهای کلیدی استفاده شده: مقادیر تنظیم شده در اینجا توسط نودهای پایین‌دستی ارجاع داده می‌شوند، مانند $('Workflow Configuration').first().json.targetMarket و $('Workflow Configuration').first().json.investmentThreshold.
• اتصالات: خروجی‌ها به چهار نود دریافت داده (Fetch MLS Data, Fetch Public Records, Fetch Demographic Data, Fetch Macroeconomic Data) تقسیم می‌شوند.
• مشکلات احتمالی:

* جایگزین نشدن نگهدارنده‌ها در URLهای API باعث شکست درخواست‌های HTTP پایین‌دستی می‌شود.

* آدرس‌های ایمیل نامعتبر یا شناسه‌های کانال Slack مانع ارسال اعلان‌ها می‌شوند.

* مقادیر غیرعددی investmentThreshold می‌تواند منجر به مقایسه‌های غیرقابل اعتماد در گیت آستانه شود.

---

۲. جمع‌آوری داده‌های بازار (موازی)

این بخش مجموعه داده‌های مختلف مربوط به بازار املاک و مستغلات هدف را بازیابی می‌کند. این درخواست‌ها به صورت موازی اجرا می‌شوند تا زمان جمع‌آوری داده‌ها بهینه شود.

#### ۲.۱. دریافت داده‌های MLS

• نوع نود: HTTP Request
• هدف: بازیابی داده‌ها از خدمات لیستینگ چندگانه (MLS).
• پیکربندی:

* URL: از متغیر mlsApiUrl استفاده می‌کند.

* پارامتر کوئری: market={{ targetMarket }} برای محدود کردن دامنه درخواست.

• اتصالات:

* ورودی: پیکربندی را از Workflow Configuration دریافت می‌کند.

* خروجی: داده‌ها را به Aggregate All Data Sources ارسال می‌کند.

• مشکلات احتمالی:

* خطاهای احراز هویت در صورتی که API به هدرها یا کلیدهای پیکربندی نشده نیاز داشته باشد.

* پاسخ‌های غیر JSON می‌توانند پردازش‌های بعدی را مختل کنند.

* محدودیت‌های نرخ API یا مهلت‌های زمانی.

#### ۲.۲. دریافت سوابق عمومی

• نوع نود: HTTP Request
• هدف: بازیابی داده‌های سوابق عمومی (مانند اسناد، مجوزها، اطلاعات مالکیت).
• پیکربندی:

* URL: از متغیر publicRecordsApiUrl استفاده می‌کند.

* پارامتر کوئری: region={{ targetMarket }} برای محدود کردن دامنه درخواست.

• اتصالات:

* ورودی: پیکربندی را از Workflow Configuration دریافت می‌کند.

* خروجی: داده‌ها را به Aggregate All Data Sources ارسال می‌کند.

• مشکلات احتمالی: مشابه Fetch MLS Data (احراز هویت، فرمت پاسخ، محدودیت‌های نرخ).

#### ۲.۳. دریافت داده‌های جمعیت‌شناسی

• نوع نود: HTTP Request
• هدف: بازیابی شاخص‌های جمعیت‌شناسی برای بازار هدف.
• پیکربندی:

* URL: از متغیر demographicApiUrl استفاده می‌کند.

* پارامتر کوئری: location={{ targetMarket }} برای محدود کردن دامنه درخواست.

• اتصالات:

* ورودی: پیکربندی را از Workflow Configuration دریافت می‌کند.

* خروجی: داده‌ها را به Aggregate All Data Sources ارسال می‌کند.

• مشکلات احتمالی: مشابه Fetch MLS Data.

#### ۲.۴. دریافت داده‌های اقتصاد کلان

• نوع نود: HTTP Request
• هدف: بازیابی شاخص‌های اقتصاد کلان (مانند نرخ بهره، ارقام اشتغال).
• پیکربندی:

* URL: از متغیر macroeconomicApiUrl استفاده می‌کند.

توجه:* هیچ پارامتر کوئری صریحی در اینجا پیکربندی نشده است، که نشان می‌دهد نقطه پایانی ممکن است بازار هدف را استنباط کند یا داده‌های جهانی را ارائه دهد.

• اتصالات:

* ورودی: پیکربندی را از Workflow Configuration دریافت می‌کند.

* خروجی: داده‌ها را به Aggregate All Data Sources ارسال می‌کند.

• مشکلات احتمالی:

* اگر نقطه پایانی داده‌های جهانی را برگرداند، اعلان هوش مصنوعی ممکن است اطلاعات غیر مرتبط با بازار را به اشتباه تفسیر کند.

* مشکلات مشابه سایر درخواست‌های HTTP (احراز هویت، فرمت پاسخ، محدودیت‌های نرخ).

---

۳. تجمیع و آماده‌سازی برای هوش مصنوعی

این مرحله داده‌های جمع‌آوری شده از منابع مختلف را در یک بار داده واحد و یکپارچه برای تحلیل هوش مصنوعی ادغام می‌کند.

#### ۳.۱. تجمیع همه منابع داده

• نوع نود: Aggregate
• هدف: ادغام تمام موارد داده ورودی در یک شیء تجمیعی واحد.
• پیکربندی: روی حالت "Aggregate All Item Data" تنظیم شده است.
• اتصالات:

* ورودی‌ها: داده‌ها را از هر چهار نود دریافت می‌کند.

* خروجی: داده‌های تجمیع شده را به نود Investment Opportunity Analyzer ارسال می‌کند.

• مشکلات احتمالی:

* اگر هر نود دریافت کننده صفر مورد یا خطا برگرداند، ساختار تجمیع شده ممکن است کلیدهای مورد انتظار را نداشته باشد و بر اعلان هوش مصنوعی تأثیر بگذارد.

* کلیدهای دقیق در JSON تجمیع شده (مانند mls_data, public_records) به شکل پاسخ‌های HTTP و نحوه ترکیب آن‌ها توسط نود Aggregate بستگی دارد. این یک نکته حیاتی برای ادغام است و می‌تواند منجر به دریافت داده‌های undefined توسط هوش مصنوعی شود اگر به درستی نگاشت نشود.

---

۴. تحلیل هوش مصنوعی (عامل GPT-4o با ابزارها)

این بلوک هوش مرکزی است که در آن GPT-4o داده‌های بازار تجمیع شده را تحلیل می‌کند، فرصت‌ها را شناسایی می‌کند و بینش‌های ساختاریافته‌ای را ارائه می‌دهد.

#### ۴.۱. تحلیلگر فرصت سرمایه‌گذاری

• نوع نود: LangChain Agent
• هدف: هماهنگ کردن فراخوانی‌ها به LLM، استفاده از ابزارها و تجزیه خروجی به یک فرمت ساختاریافته.
• پیکربندی:

* Prompt: عامل را برای تحلیل داده‌های بازار برای targetMarket، از جمله نسخه‌های رشته‌ای داده‌های تجمیع شده (mls_data, public_records, demographic_data, macroeconomic_data)، آموزش می‌دهد.

* System Message: شخصیت یک تحلیلگر املاک و مستغلات را تعریف می‌کند، که نیاز به شناسایی فرصت‌های سرمایه‌گذاری، یک سیستم امتیازدهی ۰-۱۰۰، پیش‌بینی رشد ارزش، توصیه‌های عملی و خروجی JSON مطابق با یک طرح خاص دارد.

* Output Parser: برای اعتبارسنجی و ساختاردهی پاسخ LLM فعال شده است.

• اتصالات:

* ورودی اصلی: داده‌های تجمیع شده را از Aggregate All Data Sources دریافت می‌کند.

* مدل زبان هوش مصنوعی: به نود OpenAI GPT-4 متصل می‌شود.

* ابزارهای هوش مصنوعی: به Calculator Tool و Market Research Tool متصل می‌شود.

* تجزیه‌کننده خروجی هوش مصنوعی: به Structured Investment Output متصل می‌شود.

* خروجی اصلی: نتایج پردازش شده را به Check Investment Threshold ارسال می‌کند.

• مشکلات احتمالی:

* خطر نگاشت حیاتی: اگر کلیدهایی مانند $json.mls_data در داده‌های تجمیع شده وجود نداشته باشند (به دلیل مشکلات در مرحله تجمیع)، اعلان حاوی "undefined" خواهد بود که عملکرد هوش مصنوعی را کاهش می‌دهد.

* مجموعه داده‌های بزرگ ممکن است هنگام رشته‌ای شدن از پنجره زمینه مدل فراتر روند.

* تجزیه‌کننده خروجی می‌تواند در صورتی که LLM JSON نامعتبر برگرداند یا فیلدهای مورد نیاز را از دست بدهد، شکست بخورد.

#### ۴.۲. OpenAI GPT-4

• نوع نود: lmChatOpenAi
• هدف: به عنوان مدل زبان بزرگ (LLM) پشتیبان برای عامل عمل می‌کند.
• پیکربندی:

* Model: روی gpt-4o تنظیم شده است.

* Credentials: از اعتبارنامه API پیکربندی شده OpenAI استفاده می‌کند.

• اتصالات: مدل زبان هوش مصنوعی را به Investment Opportunity Analyzer ارائه می‌دهد.
• مشکلات احتمالی:

* کلید API نامعتبر یا منقضی شده.

* فراتر رفتن از سهمیه‌های استفاده از API.

* عدم دسترسی به مدل.

* محدودیت نرخ API.

#### ۴.۳. خروجی سرمایه‌گذاری ساختاریافته

• نوع نود: Structured Output Parser
• هدف: اعتبارسنجی و اجرای یک طرح JSON خاص برای خروجی LLM.
• پیکربندی: یک طرح JSON دستی تعریف می‌کند که شامل موارد زیر است:

* marketSummary (رشته).

* opportunities (آرایه‌ای از اشیاء، که هر کدام نیاز به location, propertyType, investmentScore, predictedValueGrowth, keyDrivers, recommendedAction دارند).

* یک شیء اختیاری topOpportunity.

• اتصالات: طرح تجزیه خروجی را به Investment Opportunity Analyzer ارائه می‌دهد.
• مشکلات احتمالی: هرگونه انحراف از طرح (فیلدهای از دست رفته، انواع داده نادرست) باعث شکست تجزیه می‌شود و ممکن است گردش کار را متوقف کند.

#### ۴.۴. ابزار ماشین حساب

• نوع نود: LangChain Calculator Tool
• هدف: امکان انجام محاسبات ریاضی توسط عامل هوش مصنوعی را در صورت نیاز فراهم می‌کند.
• پیکربندی: از تنظیمات پیش‌فرض استفاده می‌کند.
• اتصالات: قابلیت ابزار ماشین حساب را به Investment Opportunity Analyzer ارائه می‌دهد.
• مشکلات احتمالی: این ابزار تنها در صورتی استفاده می‌شود که منطق عامل تعیین کند که محاسبه لازم است.

#### ۴.۵. ابزار تحقیقات بازار

• نوع نود: HTTP Request Tool
• هدف: ابزاری اختیاری که عامل می‌تواند برای بازیابی داده‌های اضافی خاص بازار (مانند لیست‌های اضافی، شاخص‌های اقتصادی) فراخوانی کند.
• پیکربندی: URL یک نگهدارنده است ("Additional market research API endpoint").
• اتصالات: قابلیت ابزار درخواست HTTP را به Investment Opportunity Analyzer ارائه می‌دهد.
• مشکلات احتمالی:

* URL نگهدارنده باید با یک نقطه پایانی معتبر جایگزین شود.

* ممکن است احراز هویت یا پارامترهای درخواست خاصی مورد نیاز باشد اما در اینجا پیکربندی نشده‌اند.

---

۵. بررسی آستانه و اعلان‌ها

این بلوک نهایی به عنوان یک دروازه‌بان عمل می‌کند، تحلیل هوش مصنوعی را بر اساس آستانه سرمایه‌گذاری از پیش تعریف شده فیلتر کرده و سپس هشدارها را ارسال می‌کند.

#### ۵.۱. بررسی آستانه سرمایه‌گذاری

• نوع نود: If
• هدف: تعیین اینکه آیا investmentScore از تحلیل هوش مصنوعی با investmentThreshold پیکربندی شده مطابقت دارد یا از آن فراتر می‌رود.
• پیکربندی: investmentScore (که انتظار می‌رود در آرایه opportunities از خروجی هوش مصنوعی باشد) را با متغیر investmentThreshold مقایسه می‌کند.
• اتصالات:

* ورودی: خروجی ساختاریافته هوش مصنوعی را از Investment Opportunity Analyzer دریافت می‌کند.

* خروجی (True): در صورت برآورده شدن شرط، به نودهای اعلان ادامه می‌دهد.

* خروجی (False): در صورت برآورده نشدن شرط، گردش کار را برای این اجرا پایان می‌دهد.

• مشکلات احتمالی:

* investmentScore ممکن است به درستی استخراج نشود یا در صورت شکست تجزیه خروجی هوش مصنوعی، ممکن است وجود نداشته باشد.

#### ۵.۲. آماده‌سازی هشدار ایمیل

• نوع نود: Set
• هدف: قالب‌بندی داده‌های مربوطه برای اعلان ایمیل.
• پیکربندی: بدنه ایمیل HTML را با استفاده از داده‌های تحلیل هوش مصنوعی، از جمله خلاصه بازار، فرصت‌های برتر و محرک‌های کلیدی، ایجاد می‌کند.
• اتصالات:

* ورودی: در صورت درست بودن شرط Check Investment Threshold، داده‌ها را دریافت می‌کند.

* خروجی: محتوای ایمیل قالب‌بندی شده را به نود Send Gmail Alert ارسال می‌کند.

• مشکلات احتمالی: استخراج نادرست داده از خروجی هوش مصنوعی می‌تواند منجر به محتوای ایمیل ناقص یا نادرست شود.

#### ۵.۳. ارسال هشدار Gmail

• نوع نود: Gmail
• هدف: ارسال هشدار ایمیل به تیم اکتساب.
• پیکربندی:

* To: از متغیر acquisitionTeamEmail استفاده می‌کند.

* Subject: یک خط موضوع توصیفی، که به طور بالقوه شامل بازار هدف و خلاصه است.

* Body: از محتوای HTML آماده شده توسط Prepare Email Alert استفاده می‌کند.

• اتصالات:

* ورودی: محتوای ایمیل را از Prepare Email Alert دریافت می‌کند.

• مشکلات احتمالی:

* اعتبارنامه API Gmail نامعتبر.

* محدودیت‌های ارسال ایمیل که توسط Gmail اعمال می‌شود.

* متغیر acquisitionTeamEmail ممکن است نامعتبر باشد.

#### ۵.۴. آماده‌سازی هشدار Slack

• نوع نود: Set
• هدف: قالب‌بندی بینش‌های کلیدی برای پیام Slack.
• پیکربندی: یک پیام مختصر ایجاد می‌کند که فرصت سرمایه‌گذاری، امتیاز، رشد پیش‌بینی شده و اقدامات توصیه شده را خلاصه می‌کند.
• اتصالات:

* ورودی: در صورت درست بودن شرط Check Investment Threshold، داده‌ها را دریافت می‌کند.

* خروجی: محتوای پیام قالب‌بندی شده Slack را به نود Send Slack Alert ارسال می‌کند.

• مشکلات احتمالی: مشابه Prepare Email Alert، استخراج نادرست داده می‌تواند منجر به پیام Slack با قالب‌بندی ضعیف شود.

#### ۵.۵. ارسال هشدار Slack

• نوع نود: Slack
• هدف: ارسال پیام هشدار قالب‌بندی شده به کانال Slack تعیین شده.
• پیکربندی:

* Channel ID: از متغیر slackChannel استفاده می‌کند.

* Message: از محتوای قالب‌بندی شده آماده شده توسط Prepare Slack Alert استفاده می‌کند.

• اتصالات:

* ورودی: محتوای پیام Slack را از Prepare Slack Alert دریافت می‌کند.

• مشکلات احتمالی:

* اعتبارنامه API Slack نامعتبر یا توکن ربات.

* شناسه کانال slackChannel ممکن است نادرست باشد یا ربات مجوز ارسال در آن کانال را نداشته باشد.

---

نکات فنی و ملاحظات

• کاتالوگ Axeto: این گردش کار در کاتالوگ Axeto در https://axeto.ai/n8n موجود است.
• مدیریت خطا: باید مدیریت خطای قوی در نقاط حیاتی (مانند درخواست‌های HTTP، تجزیه هوش مصنوعی) پیاده‌سازی شود تا از شکست گردش کار جلوگیری کرده و گزارش‌های آموزنده‌ای ارائه دهد.
• کلیدهای API و اعتبارنامه‌ها: تمام کلیدهای API و اعتبارنامه‌ها را به صورت امن مدیریت کنید، ترجیحاً با استفاده از متغیرهای محیطی یا سیستم مدیریت اعتبارنامه‌های n8n.
• سازگاری طرح‌واره داده: موفقیت تحلیل هوش مصنوعی به شدت به سازگاری طرح‌واره‌های داده‌ای که توسط نقاط پایانی مختلف API برگردانده می‌شوند و نگاشت صحیح این طرح‌واره‌ها در گردش کار، به ویژه قبل از مراحل تجمیع و Prompt هوش مصنوعی، بستگی دارد.
• مهندسی Prompt: پیام سیستم و متن Prompt برای Investment Opportunity Analyzer حیاتی هستند. ممکن است برای بهینه‌سازی عملکرد GPT-4o و اطمینان از پایبندی آن به فرمت خروجی و کیفیت تحلیل مورد نظر، نیاز به اصلاحات تکراری باشد.
• استفاده از ابزار: توانایی عامل در استفاده از ابزارها (ماشین حساب، ابزار درخواست HTTP) به تصمیم‌گیری LLM بستگی دارد. اطمینان حاصل کنید که Prompt استفاده از ابزارها را در صورت لزوم برای تحلیل دقیق‌تر یا جامع‌تر تشویق می‌کند.