Eko AI Realtors：面向房产中介办公室的本地部署 AI 线索接待与预约智能体

enderjnets/Eko-AI-RealEstate · Eko AI Realtors — the on-prem AI agent for real-estate offices. WhatsApp 24/7 + lead capture + intent classification + visit booking + post-visit follow-up. Runs 100% on the customer's hardware (or their VPS) with Kimi 2.6 + MiniMax 2.7 fallback. The customer-facing product sold by Eko AI.

GitHub原文发布未知首次收录 2026-09-19上架 2026-09-19 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Eko AI Realtors 是一个面向房产中介机构的客户接待型 AI 智能体，以单办公室、单套自托管 Docker Compose 部署的方式运行，客户数据保留在自有数据库中。它通过 WhatsApp、邮件和 SMS（Twilio）全天候接待 inbound 线索，自动完成线索结构化采集与意图分类（rent / buy / valuation），提取区域、预算、房型与紧迫度，并支持英语和西班牙语双语回复。系统提供中介仪表盘，可查看会话、人工接管、使用 AI 建议草稿回复并管理看房；通过 Cal.com 集成实现时段查询、预约与确认（含开发用模拟模式）；通过 RESO Web API 接入 MLS/IDX 房源，在 /properties 浏览并按线索意图、区域与预算自动匹配，还可在对话中推送匹配房源。它支持看房后 24 小时 / 72 小时 / 7 天自动培育与看房提醒（人工接管后跳过），为每条线索计算 0-100 优先级评分并生成每日热门线索摘要，还可通过 Settings 页面自定义机构名称、人设、问候语、语言与营业时间。LLM 采用云端 Kimi 2.6 为主、MiniMax M2.7 为备，并以 Groq 免费额度作为兜底，均带内联故障切换；Ollama 本地推理为可选附加项，并非必需。

# AI 智能体 # 本地部署 # 自动化 # Docker # 多语言

核心能力与快速开始

★ 1 · Python

能做什么: 1) 24/7 多渠道接待：WhatsApp Business Cloud API、邮件（Resend）、SMS（Twilio），语音渠道在路线图中。2) 线索采集与意图分类：每条会话生成结构化线索，自动打标 rent | buy | valuation，并抽取区域、预算、房型与紧迫度。3) 双语能力：识别线索语言并以英语/西班牙语回复，仪表盘 UI 同样双语且每页可切换语言。4) 中介仪表盘：监控会话、从 AI 接管、撰写回复（含 AI 建议草稿）、管理看房。5) 看房预约：Cal.com 集成（时段→预约→确认），开发环境提供模拟模式。6) 房源与匹配：经 RESO Web API（OData）接入 MLS/IDX 库存，可在 /properties 浏览，并按线索意图、区域与预算自动匹配，智能体还会在对话中提供匹配房源。7) 自动跟进：看房后 24 小时 / 72 小时 / 7 天培育及看房提醒自动发送，人工接管后跳过。8) 线索智能：基于意图、预算、互动、紧迫度、近度与看房情况给出 0-100 优先级评分（🔥/🟡/⚪），并生成每日热门线索摘要。9) 品牌化：Settings 页面配置机构名称、智能体人设、问候语、语言与营业时间，并提供新办公室一键安装脚本。
适用场景: 面向房产中介机构（目标市场为美国地产经纪人，也覆盖欧盟/拉美）的线索接待与转化流程：全天候响应 WhatsApp、邮件、SMS 上的买房、租房或估值咨询；自动完成线索建档、意向归类与关键条件提取，帮助经纪人判断跟进优先级；在对话中推荐匹配房源并完成看房预约与确认；在人工接管之外自动执行看房后培育与提醒，降低漏跟风险；为每条线索输出优先级评分与每日热门线索摘要，辅助经纪人决定先联系谁。适合希望数据留在自有数据库、不依赖多租户 SaaS 的单个办公室自托管场景。
项目形态: 可直接使用的工具
部署方式: 每客户一套隔离的 Docker Compose 部署，包含独立的 Postgres / Redis / 后端 / 前端，运行在办公室自有小型 VPS 或服务器上；提供交互式安装脚本 ./scripts/install.sh，会检查前置条件、生成含随机密钥的 .env、构建并启动、执行迁移并设置品牌。README 给出开发环境的 docker compose 启动步骤与本地端口（前端 3004，后端 8011/docs）。实际生产 LLM 仍需配置 KIMI_API_KEY 与 MINIMAX_API_KEY；渠道默认模拟模式。
主要依赖: 后端为 FastAPI（Python 3.11）+ SQLAlchemy async + Alembic，数据库 Postgres 16，队列/缓存 Redis 7，前端 Next.js 14（App Router）+ TailwindCSS，容器化使用 Docker Compose。LLM 默认走云端：Kimi 2.6（kimi-for-coding）为主、MiniMax M2.7 为备，均使用 anthropic-messages 协议，Groq 的 openai/gpt-oss-120b（免费额度、OpenAI 协议）作为兜底；Ollama 本地推理为可选、非必需。需要至少配置 KIMI_API_KEY 与 MINIMAX_API_KEY 才能使用真实 LLM；外部渠道集成需另行开通 WhatsApp Business Cloud API、Resend、Twilio、Cal.com 及 RESO Web API 房源源。硬件最低配置未说明。
使用限制: 语音渠道（VAPI / Retell）仍处于延后状态，尚未实现；Google Calendar 仅列为计划。需要外部服务账号与 API Key（Kimi、MiniMax，以及可选的 Groq、WhatsApp、Resend、Twilio、Cal.com、MLS/IDX），相关 API 成本与额度限制材料未说明。许可为专有（Proprietary，© 2026 Eko AI Automation），不适用开源许可条款；可商用性、价格与授权方式材料未说明。项目定位为单办公室独立部署，不走多租户。README 未提供性能基准、并发能力或支持规模说明。本项目与 Eko AI 的销售平台 Eko-AI-Business-Automation 为不同部署、不同技术栈。
许可证: NOASSERTION
最近推送: 2026-09-19 06:42

官方入门核对 README 依据 ↗

资料检查：2026-09-19 07:00 · 卡片整理：2026-09-19 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为可自托管部署的 AI 智能体项目，程序员可参考其 FastAPI + SQLAlchemy async + Alembic 后端、Next.js 14 前端、Postgres 16 与 Redis 7 的 Docker Compose 架构，以及通过 anthropic-messages 协议接入 Kimi 2.6 主模型、MiniMax M2.7 备模型和 Groq 兜底的内联故障切换实现，用于学习或搭建多通道（WhatsApp/Email/SMS）AI 对话系统的工程实践。

查看内容依据

Backend | FastAPI (Python 3.11) + SQLAlchemy async + Alembic

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

agent-skills：跨多个编程 Agent 的可移植 SKILL.md 技能合集

该项目是作者个人使用的 Agent Skills 集合，以 SKILL.md 形式在 Claude Code、Cursor、Codex 等能读取该文件的编程 Agent 之间共享与复用。技能以 skills/ 下按名称分目录组织，长文档放入 references/ 目录，确定性内容放入 scripts/ 目录；仓库强调作为可移植的单一来源，不写入 Cursor 专属的 frontmatter。示例技能 review-pr 可为 PR 生成面向人工审查的指南，覆盖架构、模型、权衡与关键设计决策，并配合代码优先的解释、简洁语言、必要时使用图表以及聚焦的审查问题。仓库提供 npx skills add 安装方式、create-skill 模板与新增技能流程，并通过 scripts/validate.py 在本地与 CI 校验；另有关于 agent-archive CLI 的规划文档，属于计划而非已实现版本。

Firebat：自托管多 LLM 可视化自动化 Agent 平台

Firebat 是一个自托管、单节点、支持多 LLM 提供商的 AI 可视化自动化 Agent（VAA）。用户在 Web UI 中通过一段对话即可完成 Web 应用的构建与运营：一个提示贯穿设计、实现、部署、定时调度与通知。它结合了 Agent（原生 Function Calling 多轮工具循环）、自动化（cron 与预编译流水线）与可视化（46 个内置组件渲染页面、图表、卡片与实时流），并同时提供 MCP 服务端与客户端、沙箱执行与项目构建引导流程。

Nodecode：可自我改写并持续进化的 Lisp 智能体

Nodecode 是一个运行在 SBCL（Common Lisp 系统）单一进程中的 AI 智能体，终端等客户端可连接同一个运行实例。模型唯一的工具是在运行中的程序里求值 Lisp，并能保留定义过的代码，因此可自行新增工具。项目以 cell（文件夹形式的能力单元）扩展聊天平台接入、Web 访问、定时任务、MCP 工具等能力，支持从多个客户端使用同一实例，并具备上下文召回、生成代际回滚等机制。它不提供沙箱，eval 会以当前用户权限执行 Lisp 和 shell 命令，官方建议在容器或虚拟机中运行。

EmpirioLabs AI MCP 服务器：把模型调用、多媒体生成、搜索与 GPU 云接入 MCP 客户端

EmpirioLabs AI MCP 是一个远程 Model Context Protocol 服务器，无需本地安装，可通过 OAuth 2.1 或 API Key 接入 Claude、ChatGPT、Cursor 等 MCP 客户端。它提供 84 个工具，覆盖模型目录查询、文本推理与嵌入、网页搜索与研究、图像/视频/音频/语音/OCR/3D 生成、批处理任务、GPU 云实例与托管 Agent 管理等。只读查询类工具不消耗额度，其余调用按账户预付积分计费。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。