DDC CWICR 建筑工程量造价库

这个 Agent 能做什么，适合哪些场景？

DDC CWICR 是一个开放的多语言建筑成本数据库，收录 55,719 条工作项（work items）与 27,672 条资源，覆盖 30 个国家/地区、23 种语言，并以 85 个字段的规范化结构（分类、工作项、资源、人工、机械、价格变体、汇总、工程量与服务）组织每条记录。数据以 XLSX、Parquet、CSV 三种表格格式发布，同时为 11 种语言提供预计算了 OpenAI text-embedding-3-large（3072 维）向量的 Qdrant 快照，可直接做语义检索。仓库还附带 4 条 n8n 工作流：文本估价机器人、照片估价表单、支持文本+照片+PDF 的通用 Telegram 机器人，以及 Revit/IFC/DWG 的 CAD(BIM) 4D/5D 估价流水线。计价方法采用“资源消耗定额 × 区域单价”的作业成本法，人工、材料、机械分别乘算后汇总，因此定额可跨市场复用，只需替换价格。数据本身为 CC BY-NC 4.0（非商业免费、需署名）外加 DDC 商业许可，代码为 Apache-2.0；向量检索与 AI 节点需要你自备 OpenAI、Gemini 等 API 密钥并自行部署 Qdrant 与 n8n。

仓库以国家/地区为顶层目录（如 CIS-Russia-GESN-FER-TER、Asia-China-Dinge、Europe-Turkey-Birim-Fiyat、SouthAmerica-Brazil-SINAPI），每个目录内提供 parquet 与 xlsx 格式的完整定额库（原生语言加英文）、csv/xlsx 资源目录，以及按世界银行 PPP 重新定价并翻译的 markets/ 子目录。Qdrant 快照按 ddc_{lang}_{city} 命名集合，例如 DE___DDC_CWICR/DE_BERLIN_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot 对应集合 ddc_de_berlin，包含 55,719 个向量点；派生语种轨道（如 ddc_au_sydney 源自 UK_GBP）保持 rate_code、resource_code 与定额逐字节一致，只替换价格与可翻译文本。配套的 n8n 工作流读取 Telegram 消息、照片或 PDF（n8n_2_Photo_Cost_Estimate_DDC_CWICR.json），用 LLM 抽取工作项，调用 OpenAI text-embedding-3-large 生成向量，在 Qdrant 中检索匹配定额，再由 LLM 重排，最后生成 HTML、Excel(XLS/CSV) 或 PDF 造价报告。CAD 流水线（n8n_4_CAD_(BIM)_Cost_Estimation_Pipeline_4D_5D_with_DDC_CWICR.json）通过 RvtExporter.exe 把 Revit 模型导出为 XLSX，再按 10 个阶段（项目识别、阶段生成、构件归类、工作分解、向量匹配、单位映射、成本计算、7.5 阶段 CTO 校验、汇总、报告生成）输出 HTML 与 XLS 清单。所有工作流在 n8n 中通过 🔑 TOKEN 节点集中配置 bot_token、OPENAI_API_KEY、GEMINI_API_KEY、QDRANT_URL 与 QDRANT_API_KEY。

1. 造价工程师在投标阶段需要快速生成工程量清单时，可用文本机器人描述“100m² 石膏板隔墙含龙骨与批腻子”，直接得到匹配定额、资源明细与总价。
2. 施工项目经理在工地拍照后，通过 Photo Cost Estimator 表单上传现场照片，由 GPT-4 Vision 识别房间类型与构件、估算尺寸并出具 HTML 报价。
3. BIM 工程师从 Revit 导出模型，用 CAD(BIM) 流水线把构件类型分解为砌筑、砂浆、抹灰等工作项，生成分阶段的 4D/5D 成本与进度报告。
4. 做多国业务的承包商需要对比柏林、多伦多、巴黎、圣保罗等地的同一定额价格，可切换 ddc_de_berlin / ddc_en_toronto 等集合做跨区域对标。
5. AI 应用开发者需要给造价助手做 RAG 检索，可直接加载 3072 维 Qdrant 快照，省去自行生成向量的成本。
6. 数据团队做研究或训练模型时，把 55MB 的 Parquet 定额库接入 ETL/BI 流程，用于劳动力工时与材料消耗分析。

如何安装或部署这个 Agent？

数据库本身无需安装，克隆仓库即可取得表格数据：

git clone https://github.com/datadrivenconstruction/OpenConstructionEstimate-DDC-CWICR.git
cd OpenConstructionEstimate-DDC-CWICR

若只使用造价数据，可直接读取 Parquet/XLSX/CSV，无需任何服务。若要走完整 AI 流水线，需要准备 n8n v1.0+、一个 Qdrant 实例，以及 OpenAI 与视觉模型 API 密钥。n8n 2.0 及以上默认禁用 Execute Command 节点，必须显式放开，否则 CAD/BIM 流水线无法运行：

set NODES_EXCLUDE=[] && npx n8n

或创建配置文件 C:\Users\YOUR_USER\.n8n\.env，写入 NODES_EXCLUDE=[]。Docker 部署时在环境变量中设置 NODES_EXCLUDE=[]。

仓库只提供了 n8n 工作流 JSON 与 Qdrant 快照，未提供 Qdrant 自身的安装脚本；Qdrant 需按官方文档另行部署，本地常用地址为 http://localhost:6333。

如何使用这个 Agent？

第一步，把快照导入 Qdrant（集合名需与工作流中的语言集合一致）：

curl -X POST "http://localhost:6333/collections/ddc_en_toronto/snapshots/upload" \
  -H "Content-Type: multipart/form-data" \
  -F "snapshot=@EN___DDC_CWICR/EN_TORONTO_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot"

第二步，在 n8n 中导入工作流：Workflows → Import from File，选择任一 JSON，例如 n8n_1_Telegram_Bot_Cost_Estimates_and_Rate_Finder_TEXT_DDC_CWICR.json。

第三步，在 🔑 TOKEN 节点填写凭据：

{
  "bot_token": "YOUR_TELEGRAM_BOT_TOKEN",
  "OPENAI_API_KEY": "YOUR_OPENAI_KEY",
  "GEMINI_API_KEY": "YOUR_GEMINI_KEY",
  "QDRANT_URL": "http://localhost:6333",
  "QDRANT_API_KEY": ""
}

第四步，激活工作流并测试：Telegram 机器人发送 /start，网页表单则打开 n8n 给出的表单 URL。CAD/BIM 流水线还需在节点中配置 path_to_converter 与 project_file，并确保已安装 RvtExporter.exe。工作流默认启用 OpenAI GPT-4o，可在 LLM Models 区域切换到 Anthropic Chat Model2、Google Gemini Chat Model、xAI Grok Chat Model1 或 DeepSeek Chat Model（启用一个、禁用其余）。输出报告写入项目目录，文件名为 project_YYYY-MM-DD.html 与 project_YYYY-MM-DD.xls。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题