装闭 - RenoPit

专为装修消费者打造的 AI 避坑引擎

An AI-powered consumer advocate that reviews renovation plans & contracts, exposing overpriced pitfalls

RenoPit _{^{/ˈriːnoʊ pɪt/}} 取自 Renovation（装修）+ Pitfall（陷阱）

---

项目概述

装闭（RenoPit） 是一款面向装修消费者的 AI 审查引擎。你只需上传房屋设计图（户型图、效果图等）和装修相关文档（合同、报价单等），系统便会利用多模态 AI 进行批判性分析——找出设计图中的卫生死角、揭露报价单中的过度装修、指出合同中的隐形陷阱等，并生成一份在线报告和可下载的 PDF。

你只需：上传设计图纸和相关文档，用自然语言描述房屋情况
系统将返回：一份详尽的批判性分析报告和相应的建议

装闭系统不是中立的设计审查工具，而是消费者的辩护人。任何增加成本却降低生活品质的设计，都会被标记为"智商税"。

我们的愿景

装修行业信息极度不对称——装修公司利用专业知识优势，通过复杂装饰、模糊报价、隐蔽增项等方式抬高成本。我们致力于用 AI 打破这种信息壁垒：

• 对消费者：上传图纸即可获得专业批判意见，无需花钱或少花钱请第三方监理，轻松识破套路
• 对行业：通过持续积累的坑位数据，推动装修服务透明化，让"良心装修"成为竞争力

从设计图审查到合同报价分析，我们让每一次装修决策都有据可依。

在线体验

欢迎访问在线 Demo 演示环境，体验我们为你准备的一次装修图纸审查与合同避坑分析：https://renopit.fthux.com

系统截图

前端

主页	创建项目 & 上传素材
项目列表	删除项目
复制项目	分析报告 — 总体评价
分析报告 — 问题详情	分析报告 — 合同 / 报价单审查
分析报告 — 增项预测	分析报告 — 跨文档交叉核查

后端

API 文档 — Swagger UI	API 文档 — ReDoc	健康检查接口

工作流程

1. 上传素材：上传多张设计图（JPG/PNG/WEBP）+ 装修文档（合同/报价单 TXT/MD/DOCX/PDF）+ 文字补充说明
2. AI 分析：多模态大模型识别图纸 + 本地知识库匹配核心坑位 + 联网搜索最新套路，输出结构化批判报告
3. 在线报告：分析完成后自动渲染可视化报告——展示每个问题的批判详情、套路揭露和替代方案
4. 下载 PDF：点击按钮一键生成 PDF 报告，随时随地查看，也可以分享给装修公司"对峙"

快速开始

Docker 部署

前提要求

• 安装 Docker 和 Docker Compose（在 Windows 和 macOS 上使用Docker Desktop，通常情况下，Docker Desktop 安装包会自动包含 Docker Compose）
• 准备一个 LLM API Key（OpenAI 或兼容接口）

1. 配置环境变量

cp .env.example .env
# 编辑 .env 填入你的 API Key

必须的环境变量：

# 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

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

致谢

本项目灵感来源于装修过程中踩过的坑。感谢所有在装修中分享避坑经验的消费者，你们的每一次分享都在推动行业透明化。

---

让 AI 替你审查每一张图纸、每一份合同，装修不再任人宰割。