apartment-hunter — 用自定义权重、Jev 判断和照片检查为纽约租房排序。

README 自动摘要

根据 README 自动整理于 2026年10月20日，不是本站运行记录。运行步骤和作者声称的效果仍需核验。

这是什么

一个本地 Python 工具，按用户设定的硬性限制和优先级权重，对 StreetEasy 和 Zillow 上的纽约租房排序，补充自行计算的数据（地铁步行、街区等级、楼层），再用视觉模型和 Jev 检查照片。

Jev 对房源状态做类型化判断：用是/否问题校验自然语言搜索修改提案（限制和街区等级），并对明确提到的优先级打分。照片检查中，视觉模型用文字描述照片，Jev 把描述转成对景观、采光、窗户大小、翻新和空间的校准 Score；一个 Jev 是/否问题判断照片是否展示实际房源。

用到的原语:choicescore

把感知与判断分开：视觉模型用文字描述照片，再由 Jev 把描述转成校准分数。

运行 `uv sync` 后执行 `uv run hunt`；用 `uv run hunt --check` 检查密钥和连接。

README 片段的模型判断

项目信号使用仓库元信息、已有摘要与 README 前 700 个字符；没有通读完整项目。“未检出”仅表示这些材料中未检出，并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期，不是源码审计或运行验收。

这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及，≤ 0.40 表示未检出，中间为未判定；都不是源码审查或运行结果。「可运行工具」题排除了研究实验，「推荐」题筛的是学习案例 Top 10，不是内容质量合格与否。

信号

无判定区（0.40–0.60）

设计模式

无判定区（0.40–0.60）

各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年10月20日读 README 写成。