← 全部作品
BACKENDM1 開發中2026
housing_rs
Rust 寫的房市投資輔助平台。整合 PostGIS 地理查詢、XGBoost 估價模型、Claude API 自然語言查詢，三套技術一體化部署。
- 角色
- 全端 + 架構設計
- 時程
- 2026 — 進行中
- Reading
- 3 分鐘
技術棧
RustAxum 0.7sqlx 0.8PostgreSQL + PostGIShtmxAlpine.jsPython FastAPIClaude API
產品畫面
SCREENSHOTS · COMING SOON
產品截圖補上中。把圖丟到 public/works/<slug>/ 並在 mdx frontmatter 加 screenshots 陣列即可。
public/works/housing-rs/01.png房地產實價登錄資料公開，但「散」、「難查」、「沒分析」三個痛點讓一般投資者很難用。housing_rs 把全台實價資料、周邊 POI、ML 估價、LLM 自然語言查詢整合成一個 Rust 平台，目標是讓「我想找新北 1000 萬以下捷運站旁的物件」這種口語化問題能直接得到結構化結果。
問題
- 政府開放資料格式雜亂、分散多套 API、解析需大量工程
- 沒有結合「實價 + 周邊機能 + ML 估價」的工具，投資判斷靠人工拼湊
- 既有平台多為前端 SPA + 後端代理，缺少深度資料分析能力
解法
Rust 後端 + ML 微服務 + LLM 解析三層架構：
- Rust 資料管線：tokio-cron-scheduler 定時抓政府實價 ZIP，sqlx 寫入 PostgreSQL，PostGIS 索引處理周邊 POI 空間查詢。
- Python FastAPI ML 微服務：XGBoost 房價估算 + Isolation Forest 異常標記，Rust 透過 HTTP 呼叫，避免在 Rust 內塞 ML 依賴。
- Claude API LLM 查詢：使用者問「新北市 1500 萬以下、5 年內、近捷運」，Claude 解析為結構化 JSON 後 Rust 翻譯成 SQL。
- htmx + Alpine.js 前端：避免 SPA 過度工程化，HTML over the wire，地圖用 Leaflet，圖表 ApexCharts。
技術棧
- Web: Axum 0.7（tower 生態）+ tokio + sqlx 0.8 compile-time check
- DB: PostgreSQL 16 + PostGIS 3.4（地理空間索引、近鄰查詢）
- ML: Python FastAPI + XGBoost + Isolation Forest（獨立微服務）
- LLM: Anthropic Claude API（structured output JSON 模式）
- Cache / Limit: moka 快取、governor rate limiting
- Deploy: 多階段 Docker build、健康檢查、request tracing
成果
- M1 完成：skeleton + DB schema + 實價資料抓取 pipeline
- M2-M12 規劃中：UI、地圖視覺化、估價精度評估、LLM tool use
- 預計 M6 完成 MVP，目標 50% 投資查詢需求透過 LLM 介面完成
學到什麼
- Rust 不是只能跑高頻交易：sqlx 的 compile-time query check 對中型專案的維運價值極大，重構 schema 不會有 runtime 才爆的 SQL bug。
- ML 模型用 HTTP 微服務隔離是對的：Rust crate 生態中 ML 庫成熟度遠不如 Python，硬塞會綁死選型。
- LLM 不是 SQL 翻譯機：直接讓 LLM 寫 SQL 等於開放 SQL injection；用 structured output 拿 JSON、自己翻譯成 SQL 才安全。