n8n-cost-estimation

自动化成本估算流水线

商业案例

问题陈述

传统成本估算需要：

• 手动在价格数据库中查找工作项
• 耗时的构件分类
• 熟悉定价标准的专业知识
• 重复录入数据

解决方案

免费的开源 n8n 流水线，可借助 AI（大模型）和包含 55,000 多个工作项的向量数据库，将 CAD（Revit 2015-2026）文件转换为完整的成本和工时估算。

商业价值

传统角色	自动化替代方案
BIM 经理手动导出数据	流水线自动分类构件
初级估算员搜索数据库	向量搜索在毫秒内找到匹配项
高级估算员映射组件	大模型识别数量参数
工长计算人工工时	DDC CWICR 提供有记录的标准工时
项目经理汇总成本	流水线输出分阶段明细

处理速度：每组构件 3-10 秒

技术实现

流水线架构

┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│ Revit/IFC   │───>│ CAD2DATA    │───>│ Structured  │
│ File        │    │ Converter   │    │ Excel/CSV   │
└─────────────┘    └─────────────┘    └─────────────┘
                                             │
                                             ▼
┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│ Cost Report │<───│ Price Match │<───│ LLM Class.  │
│ HTML/Excel  │    │ DDC CWICR   │    │ + QTO       │
└─────────────┘    └─────────────┘    └─────────────┘

n8n 流水线步骤

1. 文件转换节点

// Execute CAD converter
const filePath = $input.first().json.file_path;
const outputDir = filePath.replace(/\.[^.]+$/, '');

const command = `RvtExporter.exe "${filePath}" complete bbox`;

// Returns: { xlsx_path, dae_path }

2. 加载构件

// Read converted Excel into n8n
const xlsx = $node["Read Binary Files"].json;
const elements = xlsx.sheets["Elements"];

// Group by category for processing
const grouped = elements.reduce((acc, el) => {
  const cat = el.Category;
  if (!acc[cat]) acc[cat] = [];
  acc[cat].push(el);
  return acc;
}, {});

return Object.entries(grouped).map(([category, items]) => ({
  json: {category, items, count: items.length}
}));

3. 大模型分类

// Prompt for Claude/GPT classification
const prompt = `
You are a construction estimator. Given these BIM elements:
Category: ${$input.first().json.category}
Sample elements: ${JSON.stringify($input.first().json.items.slice(0,5))}

1. Identify the construction work type
2. List relevant quantity parameters (Volume, Area, Length, Count)
3. Suggest standard work items from construction norms

Return as JSON:
{
  "work_type": "...",
  "quantity_params": ["Volume", "Area"],
  "suggested_items": ["Concrete foundation", "Formwork"]
}
`;

4. 在 CWICR 中进行向量搜索

// Search DDC CWICR database for matching work items
const qdrantClient = require('@qdrant/js-client-rest');

const searchResults = await qdrantClient.search('cwicr_en_v3', {
  vector: await getEmbedding($input.first().json.work_description),
  limit: 10,
  score_threshold: 0.7
});

return searchResults.map(r => ({
  json: {
    work_code: r.payload.work_item_code,
    description: r.payload.description,
    unit: r.payload.unit,
    unit_price: r.payload.unit_price,
    similarity: r.score
  }
}));

5. 计算成本

// Match quantities to prices
const elements = $node["Load Elements"].json;
const prices = $node["Vector Search"].json;

let totalCost = 0;
const breakdown = [];

for (const el of elements.items) {
  const matchedPrice = prices.find(p => p.similarity > 0.8);
  if (matchedPrice) {
    const quantity = el.Volume || el.Area || 1;
    const cost = quantity * matchedPrice.unit_price;
    totalCost += cost;

    breakdown.push({
      element: el.Name,
      quantity: quantity,
      unit: matchedPrice.unit,
      unit_price: matchedPrice.unit_price,
      total: cost
    });
  }
}

return [{json: {totalCost, breakdown}}];

6. 生成报告

// Create HTML report
const data = $input.first().json;

const html = `
<!DOCTYPE html>
<html>
<head>
  <title>Cost Estimate Report</title>
  <style>
    body { font-family: Arial, sans-serif; margin: 20px; }
    table { border-collapse: collapse; width: 100%; }
    th, td { border: 1px solid #ddd; padding: 8px; text-align: left; }
    th { background-color: #4CAF50; color: white; }
    .total { font-size: 1.5em; font-weight: bold; }
  </style>
</head>
<body>
  <h1>Cost Estimate Report</h1>
  <p class="total">Total: $${data.totalCost.toLocaleString()}</p>
  <table>
    <tr><th>Element</th><th>Quantity</th><th>Unit</th><th>Price</th><th>Total</th></tr>
    ${data.breakdown.map(row => `
      <tr>
        <td>${row.element}</td>
        <td>${row.quantity.toFixed(2)}</td>
        <td>${row.unit}</td>
        <td>$${row.unit_price.toFixed(2)}</td>
        <td>$${row.total.toFixed(2)}</td>
      </tr>
    `).join('')}
  </table>
</body>
</html>
`;

return [{json: {html, filename: 'estimate_report.html'}}];

实际成果

示例项目（rac_basic_sample.rvt）：

• 处理时间：使用 ChatGPT 约 30 分钟
• 分析的构件：500+
• 自动分类准确率：95%
• 需要人工审核：5% 的边缘案例

社区的重要见解

“我的个人看法是：如今忽视工作流自动化和 AI Agent 的专业人士，距离被建筑行业淘汰大约还有 5 年。工具免费且开源。数据也是开放的。唯一的问题是，谁能先学会使用它们。”

先决条件

• n8n（本地或托管）
• DDC CAD 转换器
• DDC CWICR 数据库
• OpenAI/Anthropic API 密钥
• Qdrant 向量数据库

资源

• GitHub：cad2data 流水线仓库
• 数据库：OpenConstructionEstimate-DDC-CWICR
• 社区：建筑行业 n8n 工作流（Telegram）