DDC CWICR：开源建筑成本数据库，让 AI 学会"算账"

想象一个场景：你是一家建筑公司的项目经理，业主发来一张施工现场照片和一句"帮我估算一下这个卫生间的装修成本"。在传统流程中，你需要翻阅厚厚的定额手册、查找材料价格、计算人工成本，至少花上半天。而现在，只需要把照片上传，AI 就能在几秒钟内给出一份包含 18 个工程项目、详细资源拆分的专业估价单——这就是 DDC CWICR 正在做的事。

一、项目背景：建筑行业的"数字化缺口"

全球建筑行业长期面临一个痛点：成本估算高度依赖经验，缺乏标准化数据基础设施。一份工程报价的背后，是估算师凭借多年经验在数十本定额手册中翻找匹配的工作项，再根据本地市场行情调整材料、人工、机械台班的价格。这种模式不仅效率低下，而且估算结果的一致性和透明度都很差。

DDC CWICR（DataDrivenConstruction — Construction Work Items, Components & Resources） 正是在这一背景下诞生的开源项目。它由 DataDrivenConstruction 团队主导构建，目标是为 AI 智能体提供一个可信赖的建筑成本知识库，从而让 AI 具备"看图算账"、"读文档估价"的能力。

项目的核心数据规模令人印象深刻：收录 55,719 个工程项目 和 27,672 条资源记录（涵盖材料、人工、设备三大类），覆盖 30 个国家/地区轨道、23 种语言。这意味着无论你在中国做工程预算、在欧洲做 BIM 深化，还是在东南亚做海外项目，都能找到本地化的成本参考数据。

二、架构设计：以数据为核心，工作流为引擎

DDC CWICR 的技术架构围绕两条主线展开：结构化成本数据库 和 AI 驱动的语义检索。

数据层采用多格式分发策略，针对不同使用场景提供最优格式：

数据库的字段设计极为精细，单条工作项包含 85 个字段，涵盖分类信息、工作项识别、材料资源、人工资源、机械设备以及完整的综合单价分解。

语义检索层是项目最具技术含量的部分。所有工作项均通过 OpenAI text-embedding-3-large 生成 3072 维向量，存储于 Qdrant 向量数据库 中。这意味着用户可以用自然语言描述施工内容（如"浇筑 C30 混凝土基础"），AI 就能找到语义最相近的定额工作项，而不需要精确匹配定额编号或关键词。

三、n8n 工作流：把 AI 能力交给一线人员

DDC CWICR 配套提供了 n8n workflow（自动化工作流引擎），让非技术背景的估算师也能使用 AI 能力。三种典型 pipeline：

📝 文本估算机器人

用户通过 Telegram 或网页表单输入一段施工描述，n8n 自动将文本转为 embedding，去 Qdrant 中做语义搜索，返回最匹配的工作项清单和单价汇总。聊天即估算，无需专业软件。

📷 照片成本估算器

上传施工现场照片，GPT-4 Vision 首先识别空间类型、材料和尺寸；然后 AI 将识别结果拆解为 15-40 个具体的建筑工作项，再通过 Qdrant 向量搜索匹配 CWICR 中的定额条目，生成 HTML 成本报告。以卫生间装修为例，AI 识别出 18 个工作项，给出 €3,799 的总价明细，并按人工/材料/机械分类统计。

🧊 CAD/BIM 成本估算管道

面向 BIM 工程师的高级功能。Revit（2015-2026）或 IFC/DWG 文件导出后，n8n workflow 自动执行：文件转换 → AI 项目类型识别 → 施工阶段划分 → AI 工作项分解 → Qdrant 向量匹配 → 4D/5D 成本报告。

四、AI 集成：跨平台的智能体支持

项目还为 AI 智能体提供了完善的指令集。在 1_AI_INSTRUCTIONS/ 目录下存放着针对不同 AI 平台的专用说明文件：

• CLAUDE.md：为 Claude Code 智能体提供 Python/pandas 数据加载、Qdrant 语义搜索的代码示例
• OPENCODE.md：为 OpenCode 智能体提供的接入指南
• ANTIGRAVITY.md：集成 Google BigQuery + Vertex AI 的参考架构

此外，在 LobeHub Skills Marketplace 上发布了专门的 AI Skill 包（n8n-cost-estimation、bim-cost-estimation-cwicr），让 AI 智能体可以直接"调用"建筑成本数据库执行估算任务。

五、技术栈与代码质量

项目的代码结构以数据文件 + 配置文件 + AI 指令集为核心组织，主力技术栈为 Python（数据处理 ETL）+ Node.js/n8n（工作流自动化）+ Qdrant（向量检索）+ OpenAI embeddings（语义理解）。GitHub 上有 6 个 CI/CD workflow（功能测试、发布校验、代码评分等）。

数据许可证为 CC BY-NC 4.0 + 商业附加条款，商业使用需获授权。

六、行业意义与局限性

项目代表了三股趋势的交汇：建筑 BIM 的民主化、建筑定额数据的开放化、AI Agent 的垂直领域落地。局限性方面：数据时效性依赖特定地区和时间点；非独立应用需要技术能力部署；向量检索在细分工程量较大的项目中精度可能不如规则匹配。

总结：DDC CWICR 是目前开源领域最完整的 AI 建筑成本知识库，适合 AI 开发者构建建筑估算应用、BIM 工程师自动化成本工作流，以及建筑科技公司作为数据底座集成到自身产品中。