通勤圈整租找房

租房筛选的麻烦在于：平台默认按行政区或行政区加租金排序，结果很容易把通勤更差、房龄更旧、甚至性质不合规的房源混进前列。@user_ec3e4a68/house-hunting 改用另一种查询口径：先把办公地点转成坐标，再以可接受通勤距离为半径画圆，在圆内收集住宅小区，并按固定权重打分排序。

核心思路

1. 圆心是办公地点：接受地址或地标，通过地理编码服务得到 {lat, lng}。
2. 半径来自通勤容忍度：用户给公里数就直接作为半径；给分钟数则按城市公交约 15-20 km/h 估算。
3. 范围覆盖整个圆：不只查某个行政区，而是把半径内多个片区和小区都纳入候选。
4. 排序看综合价值：通勤时间占 30%，小区环境占 25%，房龄占 20%，租金性价比占 25%，避免只看价格。

关键流程

技能会先索要办公地点、通勤距离、房型、租金范围和房龄上限。随后按圆搜索小区，并在贝壳找房、链家、中原地产、58同城、安居客、小红书中至少选两个平台交叉检索。检索条件包括小区名、租金区间、房型，并强制只看 整租，排除 合租、单间、床位。

对每个候选房源，它会计算到办公地点的公共交通通勤时间，采集房龄、绿化率、容积率、配套设施和电梯情况，再生成 1-5 分的综合评分。最终结果按总分降序输出，并保留前三名的推荐理由与取舍分析。

注意点

• 房龄是硬过滤：用户说「不超过 20 年」时，建成时间更早的小区必须直接排除，即使其他指标很好也不展示。
• 只保留正规住宅：排除城中村、研发公寓、农民房、小产权房、商住两用等非标准住宅。
• 多平台验证：同一小区至少要在两个平台出现，数据冲突时以可核验的平台信息为准。
• 偏好像透明：排序优先整体价值，可能为了更短通勤接受略高租金，但这属于显式权衡，而不是隐藏加权。

这个技能适合以通勤为优先、明确要求整租且能给出房龄上限的用户；如果需求偏向合租、短租或不限房龄，这套评分和过滤逻辑就需要调整。