愿每个业主在装修路上心中有数于是「装闭」来了。装修行业的水有点儿深很多人装修完回头看都发现自己花了不少冤枉钱。设计师画的效果图美轮美奂——复杂吊顶、满墙背景墙、开放格书架……装好以后才发现这些东西费钱不说日常打理还特别费劲。吊顶积灰、开放格藏污纳垢、花哨灯带一年到头开不了几次。更别说合同和报价单里的猫腻。增项漏项、模糊工艺描述、虚报材料数量——这些套路装修公司玩得轻车熟路但普通业主根本无从分辨。随便一个增项几千块甚至上万块就多出来了。于是就有了「装闭」RenoPit这个项目。装修闭坑RenoPit/ˈriːnoʊ pɪt/ 取自Renovation装修Pitfall陷阱。项目已开源https://github.com/fthux/RenoPit在线 Demo 临时预览效果在线体验https://renopit.fthux.com「装闭」能做什么一句话概括上传你家的设计图纸和合同报价单AI 帮你审查出问题、揭露套路。操作流程非常简单四步搞定上传设计图纸——户型图、效果图、吊顶图都能传一次传多张也没问题只要你token足够上传合同和报价单——PDF、TXT 等文本文件也可以上传补充几句文字说明——可以简单描述一下房屋情况和你的疑虑等点击分析等待结果——AI 分析后生成详细的可视化报告分析时长取决于你上传的多少只要不是太多五分钟以内都能出结果报告会逐条列出发现的问题包括具体说明、风险等级和改进建议。合同和报价单也会被逐条审查指出哪些费用偏高、哪些表述有坑、哪里可能隐藏增项。废话少说直接上截图感受一下我上传了两份真实的PDF后生成的报告▲ 总体评价一眼看清你家装修方案的靠谱程度高低风险项逐条过▲ 问题详情每个坑都有具体的风险等级、问题说明和应对建议不是泛泛而谈▲ 合同报价单分析费用明细逐项审查偏高偏低一目了然▲ 跨文档交叉核查把平面图、报价单、合同串起来对比发现数据不一致的地方▲ 增项预测提前预警哪些地方装修公司可能后期加钱别等做完才发现超预算分析完成后还能一键导出 PDF。「装闭」凭什么能发现这些坑关键在于立场——「装闭」不是中立工具而是完全站在消费者这边的。系统内置了一份精选的装修坑位知识库覆盖五大类常见问题卫生死角、空间压迫感、实用性伪需求、隐性成本、安全健康。这些坑位清单不是凭空编的而是从大量装修业主的真实踩坑经验中总结出来的。同时AI 还会联网搜索最新的装修套路。有些新型材料陷阱、当下流行的伪需求本地知识库里可能没收录通过联网搜索就能补上。简单说「装闭」相当于一个永不疲倦的监理 大量业主经验库的合体。系统会默认质疑所有复杂装饰和常见增项。任何增加成本却降低生活品质的设计都会被标记出来。当然觉得太激进的话也可以根据自己情况取舍——最终做决定的还是你自己。开源 在线体验开源地址https://github.com/fthux/RenoPit不想自己部署的话可以直接用在线 Demo 体验在线体验https://renopit.fthux.com本地部署安装Docker准备一个LLM API KeyOpenAI 或兼容接口1. 配置环境变量cp.env.example .env# 编辑 .env 填入你的 API Key必须的环境变量# LLM API配置支持 OpenAI SDK 格式的任意 LLM API # 如果需要分析图片请配置支持多模态的 LLM API LLM_API_KEYyour_api_key LLM_BASE_URLllm_base_url LLM_MODEL_NAMEllm_model_name2. 一键启动docker-composeup-d3. 访问系统服务地址前端界面http://localhost:3000后端 API 文档 (Swagger)http://localhost:8000/docs后端 API 文档 (ReDoc)http://localhost:8000/redoc健康检查http://localhost:8000/health这个项目的意义装修行业的信息不对称是个老问题了复杂装饰、模糊报价、隐藏增项……这些套路每年让无数业主多花几万甚至十几万的冤枉钱。「装闭」的初衷就是拉平这种信息差。哪怕它只帮你发现了一个坑、省下一百块钱这个项目就有了价值。最后如果你正准备装修不妨试试「装闭」把设计图和报价单丢进去跑一遍。它不能保证一分钱都不多花但至少能让那些藏在图纸和合同里的坑无所遁形。装修路上能省则省少踩一个坑是一个坑。装修路上还是要自己心中有数。装修路上「装闭」就行了。项目已开源https://github.com/fthux/RenoPit在线 Demo 临时预览效果在线体验https://renopit.fthux.com