alro65/AR-House
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
047c05287afdf229d7f37a5cb1cda88f5b97023c
AR-House/README (conflicted copy 2026-05-13 091114).md
T
alro65 047c05287a feat: AR-House initial commit
2026-07-03 12:24:58 -04:00

9.6 KiB
Raw Blame History

AR-House

Sistema multi-agente local para análisis de inversión en bienes raíces, especializado en Florida. Clon estilo Tranchi.ai corriendo 100% local con Ollama + estrategia híbrida de scraping (Playwright gratis + Firecrawl pago).

1. ¿Qué es esto?

Pipeline de 6 agentes Ollama coordinados que analizan un deal de bienes raíces y entregan un veredicto accionable:

  • AR-House — coordinador, veredicto final con score 1-10
  • DealAnalyzer — calcula DSCR, NOI, Cash Flow para 4 escenarios (Buy & Hold, BRRRR, Wholesale, Section 8)
  • PhotoInspector — estima rehab desde fotos del listing
  • FloridaResearcher — research del barrio + riesgos específicos FL (flood, huracanes, insurance)
  • LenderMatcher — recomienda lenders (DSCR, hard money, foreign national) según perfil del comprador
  • EmailComposer — genera emails para lenders/sellers que no suenan a IA

Más adelante: módulo DealFinder (auto-scraping de listings desde HUD, Craigslist, county tax deeds, Zillow, Realtor) y módulo BuyerFinder (lista de cash buyers activos en tus mercados).

2. Requisitos

  • Sistema operativo: Windows 10/11 (64-bit). VBScript launchers no funcionan en Linux/macOS.
  • Python: 3.13 (recomendado) o 3.14
  • Ollama: instalado y en el PATH (ollama.com/download)
  • Hardware:
    • 12 GB+ VRAM recomendado (probado en 12 GB con partial offload del modelo de 32B)
    • 32 GB+ RAM
    • ~60 GB libres en disco (los 6 modelos Ollama)
  • Cuentas externas:
    • Firecrawl free tier (1000 créditos/mes) — solo necesario para scrapers de Zillow/Realtor en Phase 3B

3. Setup inicial

3.1 Clonar/copiar el proyecto

D:\Proyectos Software\AR-House\

3.2 Configurar variables de entorno

Crear .env en la raíz del proyecto con:

FIRECRAWL_API_KEY=fc-tu_key_real_aqui

(Si todavía no usás Firecrawl, dejá el archivo vacío o sin esa línea — el sistema lo maneja gracefully.)

3.3 Crear virtualenv e instalar dependencias

cd D:\Proyectos Software\AR-House
py -3.13 -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
playwright install chromium

3.4 Verificar los 6 modelos Ollama

ollama list

Deben aparecer: AR-House, PhotoInspector, DealAnalyzer, FloridaResearcher, LenderMatcher, EmailComposer.

Si falta alguno, recrearlo desde los modelfiles:

ollama create AR-House -f modelfiles\AR-House.modelfile
ollama create PhotoInspector -f modelfiles\PhotoInspector.modelfile
ollama create DealAnalyzer -f modelfiles\DealAnalyzer.modelfile
ollama create FloridaResearcher -f modelfiles\FloridaResearcher.modelfile
ollama create LenderMatcher -f modelfiles\LenderMatcher.modelfile
ollama create EmailComposer -f modelfiles\EmailComposer.modelfile

4. Cómo arrancar

Iniciar todo (Ollama + Streamlit + abre el navegador):

Doble-click en AR-House-Start.vbs

Detener todo (Ollama + Streamlit):

Doble-click en AR-House-Stop.vbs

Para crear un acceso directo en el escritorio:

  1. Click derecho en AR-House-Start.vbs → Enviar a → Escritorio (crear acceso directo)
  2. (Opcional) cambiar el icono al del navegador o uno personalizado

5. Programar el DealFinder diario (Task Scheduler)

Esto es opcional. Solo aplica una vez tengas Phase 3D implementada.

  1. Abrir Programador de tareas (Task Scheduler) en Windows
  2. Crear tarea básica:
    • Nombre: AR-House DealFinder
    • Desencadenador: Diariamente a las 6:00 AM (o el horario que prefieras)
    • Acción: Iniciar un programa
      • Programa o script: wscript.exe
      • Argumentos: "D:\Proyectos Software\AR-House\AR-House-DealFinder.vbs"
  3. En las propiedades de la tarea, General → Configurar para → Windows 10/11, marcar:
    • Ejecutar tanto si el usuario inició sesión como si no
    • Ejecutar con los privilegios más altos (si el scraping necesita acceso a red sin restricciones)
  4. Guardar

El scraper escribe a logs\dealfinder.log. Revisá ese archivo si algo falla.

6. Estructura del proyecto

AR-House/
├── modelfiles/                       # 6 modelfiles de Ollama
│   ├── AR-House.modelfile
│   ├── PhotoInspector.modelfile
│   ├── DealAnalyzer.modelfile
│   ├── FloridaResearcher.modelfile
│   ├── LenderMatcher.modelfile
│   └── EmailComposer.modelfile
├── scripts/
│   └── stop-streamlit.ps1            # Helper PowerShell para matar Streamlit limpio
├── .claude/
│   └── skills/firecrawl/             # SKILL.md de Firecrawl (pendiente)
├── analyses/                         # JSON de cada análisis (auto-generado)
├── logs/                             # Logs del DealFinder (auto-generado)
├── .venv/                            # Virtualenv Python (NO versionar)
├── .env                              # Secrets (NO versionar)
├── markets_database.json             # 50 mercados precargados + 9 presets
├── user_active_markets.json          # Selección actual del usuario (UI)
├── config.py                         # Constantes globales
├── orchestrator.py                   # Coordina los 5 agentes secuencialmente
├── prompt_templates.py               # Templates de prompts por agente
├── requirements.txt                  # Dependencias Python
├── app.py                            # UI Streamlit (Phase 2C, pendiente)
├── AR-House-Start.vbs            # Launcher: arranca Ollama + Streamlit
├── AR-House-Stop.vbs             # Stopper: mata Ollama + Streamlit
├── AR-House-DealFinder.vbs       # Scheduled: scraping diario (Phase 3D)
└── README.md                         # Este archivo

7. Modelos Ollama

Agente Modelo base Tamaño Función
AR-House qwen2.5:32b 19 GB Coordinador, veredicto final
LenderMatcher qwen2.5:14b 9 GB Financiamiento + perfiles A-D
DealAnalyzer qwen2.5:14b 9 GB 4 escenarios financieros
EmailComposer qwen2.5:14b 9 GB Emails on-demand sin frases-IA
PhotoInspector llama3.2-vision 7.8 GB Estima rehab desde fotos
FloridaResearcher llama3.1:8b 4.9 GB Investigación barrio + riesgos FL

Total en disco: ~59 GB.

Modo de recursos por defecto: low_power (en config.py). Los modelos se cargan uno a la vez (keep_alive=0) y se descargan después de responder. Esto evita OOM en GPUs de 12 GB.

Tiempo total estimado por análisis: ~225 segundos (~3:45 min).

8. Mercados monitoreados

El sistema viene precargado con 50 mercados de USA organizados en 8 regiones (ver markets_database.json):

  • Florida Primary (6)
  • Florida Treasure Coast (3)
  • Florida Central (3)
  • Florida Secondary (9)
  • Mercados Tranchi cash flow alto (8)
  • Texas (5)
  • Sun Belt (6)
  • Midwest / Otros (10)

Plus 9 presets para configuración rápida: "Sur de Florida", "Treasure Coast", "Florida Costa Este", "Orlando metro", "Tampa metro", etc.

Para elegir cuáles monitorear:

  1. Abrir la app (AR-House-Start.vbs)
  2. Ir a Mercados en el sidebar
  3. Seleccionar con checkbox o usar un preset
  4. Guardar configuración

El DealFinder solo busca en los mercados activos. Por defecto la lista está vacía (todo desactivado).

9. Troubleshooting

Los VBS no arrancan

  • Windows SmartScreen los bloquea la primera vez: Click derecho en el .vbs → Propiedades → tildar "Desbloquear" → Aceptar.

  • El antivirus los marca como sospechoso: Normal para scripts caseros. Agregar exclusión para D:\Proyectos Software\AR-House\.

  • wscript.exe no responde: Verificar que Windows Script Host (WSH) esté habilitado:

    reg query "HKLM\SOFTWARE\Microsoft\Windows Script Host\Settings" /v Enabled

    Debe devolver Enabled = 1.

Limitación conocida: VBScript deprecated

Microsoft anunció en septiembre 2024 que VBScript será removido de Windows en una versión futura (sin fecha confirmada todavía). Mientras tanto sigue funcionando en Windows 11 actual y al menos hasta 2026-2027. Si en algún momento Microsoft lo desactiva, hay que migrar los launchers a PowerShell + accesos directos .lnk configurados como hidden window.

Ollama no responde

  • Verificá que ollama serve esté corriendo (lo lanza el VBS automáticamente, pero podés verificar manualmente con curl http://localhost:11434/api/tags)
  • Si los modelos no aparecen en ollama list, re-crearlos desde los modelfiles (ver sección 3.4)
  • Si Ollama crashea por OOM, bajá num_ctx en los modelfiles más pesados (AR-House primero)

Errores de Python al arrancar

  • Verificar virtualenv activo y completo: 
    .\.venv\Scripts\Activate.ps1
pip list
  • Si falta algún paquete: pip install -r requirements.txt
  • Si Playwright se queja: playwright install chromium

Streamlit no abre el navegador automáticamente

Abrirlo manualmente: http://localhost:8501

Firecrawl rate limit / créditos agotados

El plan free es 1000 créditos/mes. El sistema usa FIRECRAWL_CREDIT_BUDGET=500 como margen seguro. Si llegás al límite, el runner.py pausa los scrapers de Firecrawl (Zillow/Realtor) pero los gratis (HUD/Craigslist/County) siguen activos.

Para verificar saldo actual:

curl -H "Authorization: Bearer $env:FIRECRAWL_API_KEY" https://api.firecrawl.dev/v1/team/credit-usage

Versión actual: 0.1 (Phase 2A completa, Phase 2C/3/4 en roadmap)

Roadmap:

  • Phase 2C: UI Streamlit con análisis manual
  • Phase 3: DealFinder (auto-scraping de listings)
  • Phase 4: BuyerFinder (lista de cash buyers + matching)
Reference in New Issue View Git Blame Copy Permalink