К основному содержанию
скилл CX Codex

n8n-cost-estimation — скилл для Claude Code: смета и установка

Скилл n8n-cost-estimation для Claude Code собирает n8n-пайплайн для оценки стоимости по Revit и IFC с LLM-классификацией и базой DDC CWICR. Автоматизирует расчёт.

MIT 119 установок ★ 434 обновлён 2026-10-19

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill n8n-cost-estimation -a claude-code
Открыть на GitHub

Что делает n8n-cost-estimation

Скилл описывает пайплайн, который принимает файлы Revit 2015-2026 или IFC, запускает DDC CAD converter и получает структурированные данные в Excel или CSV. Затем элементы группируются по категориям, а LLM определяет тип работ и подходящие параметры количества: объём, площадь, длину или число элементов.

Следующие шаги ищут совпадения в DDC CWICR через векторную базу Qdrant, подставляют цены и считают разбивку по элементам. На выходе формируется HTML-отчёт с количеством, единицей, ценой и итогом. Для работы нужны n8n, DDC CAD converters, DDC CWICR database, ключ OpenAI или Anthropic API и Qdrant. Без ключа OpenAI или Anthropic классификация LLM не заработает.

Какие задачи решает

  • собрать n8n-пайплайн для расчёта сметы
  • преобразовать Revit или IFC в таблицу элементов
  • классифицировать BIM-элементы по типам работ
  • найти расценки в DDC CWICR
  • сформировать HTML-отчёт по стоимости

Примеры запросов агенту

  • Собери n8n-пайплайн для оценки стоимости файла rac_basic_sample.rvt по описанной схеме.
  • Настрой классификацию элементов Revit через LLM и поиск расценок в DDC CWICR.
  • Сформируй HTML-отчёт со стоимостью, количеством, единицами и итогом по данным из Excel.

Как установить n8n-cost-estimation

1Через Skills CLI (Vercel)

npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill n8n-cost-estimation -a claude-code

2Вручную: положить файлы

~/.claude/skills/n8n-cost-estimation/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/n8n-cost-estimation/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о n8n-cost-estimation

Как установить n8n-cost-estimation в Claude Code?

Выполните npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill n8n-cost-estimation -a claude-code, затем проверьте файл ~/.claude/skills/n8n-cost-estimation/SKILL.md.

Что делает n8n-cost-estimation?

Скилл помогает собрать n8n-пайплайн: конвертировать Revit или IFC, классифицировать элементы через LLM, найти расценки в DDC CWICR и вывести HTML-отчёт с расчётом стоимости.

Что нужно для работы n8n-cost-estimation?

Нужны n8n, DDC CAD converters, DDC CWICR database, ключ OpenAI или Anthropic API и Qdrant vector database.

Исходный текст

SKILL.md · MIT
---
name: "n8n-cost-estimation"
description: "Build n8n pipeline for automated cost estimation from Revit/IFC using DDC CWICR database and LLM classification."
homepage: "https://datadrivenconstruction.io"
metadata: {"openclaw": {"emoji": "🔧", "os": ["win32"], "homepage": "https://datadrivenconstruction.io", "requires": {"env": ["QDRANT_URL"]}, "primaryEnv": "QDRANT_URL"}}
---
# Automated Cost Estimation Pipeline

## Business Case

### Problem Statement
Traditional cost estimation requires:
- Manual work item lookup in price databases
- Time-consuming element classification
- Expert knowledge of pricing standards
- Repetitive data entry

### Solution
Free open-source n8n pipeline that converts CAD (Revit 2015-2026) files into full cost and time estimates using AI (LLM) and vector database with 55,000+ work items.

### Business Value

| Traditional Role | Automated Alternative |
|-----------------|----------------------|
| BIM Manager manually exports data | Pipeline auto-classifies elements |
| Junior Estimator searches databases | Vector search finds matches in ms |
| Senior Estimator maps assemblies | LLM identifies quantity parameters |
| Foreman calculates labor hours | DDC CWICR contains documented norms |
| Project Manager aggregates costs | Pipeline outputs phased breakdown |

**Processing speed**: 3-10 seconds per element group

## Technical Implementation

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

### n8n Pipeline Steps

#### 1. File Conversion Node
```javascript
// 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. Load Elements
```javascript
// 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. LLM Classification
```javascript
// 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. Vector Search in CWICR
```javascript
// 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. Calculate Costs
```javascript
// 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. Generate Report
```javascript
// 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'}}];
```

## Real-World Results

Example project (rac_basic_sample.rvt):
- Processing time: ~30 minutes with ChatGPT
- Elements analyzed: 500+
- Automatic classification: 95% accuracy
- Manual review needed: 5% edge cases

## Key Insight from Community

> "My subjective take: professionals who ignore workflow automation and AI-agents today have roughly 5 years before the construction industry moves past them. The tools are free and open. The data is open. The only question is who learns to use them first."

## Prerequisites

- n8n (local or hosted)
- DDC CAD converters
- DDC CWICR database
- OpenAI/Anthropic API key
- Qdrant vector database

## Resources

- **GitHub**: cad2data Pipeline repository
- **Database**: OpenConstructionEstimate-DDC-CWICR
- **Community**: n8n Workflows for Construction (Telegram)

© datadrivenconstruction · MIT · datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction

Похожие скиллы

Все скиллы по теме «Автоматизация и no-code: n8n, Zapier, Make» →
n8n-workflow-patterns czlonkowski Скилл n8n-workflow-patterns даёт шесть архитектурных паттернов для n8n-воркфлоу: webhook, API, база данных, AI-агент, расписание, пакетная обработка. Подсказывает, какой паттерн выбрать и какие ноды нужны. CX Codex +1 12 400установок n8n-validation-expert czlonkowski Скилл n8n-validation-expert разбирает ошибки и предупреждения валидации n8n, объясняет, какие из них критичны, а какие ложные срабатывания. Помогает понять, почему workflow не проходит проверку, и как исправить конфигурацию узла. CX Codex +1 7 300установок n8n-binary-and-data-official n8n-io Скилл n8n-binary-and-data-official для Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode: учит агента правильно работать с файлами, изображениями и вложениями в n8n. CX Codex +1 2 300установок n8n-data-tables-official n8n-io Скилл n8n-data-tables-official помогает проектировать схемы, настраивать операции CRUD и хранить состояние сценариев во встроенных Data Tables в n8n. CX Codex +1 2 200установок n8n-marketing-flows reason-machines Скилл n8n-marketing-flows для Claude Code помогает выбирать и настраивать шаблоны n8n для публикаций, мониторинга упоминаний и генерации контента. CX Codex +1 113установок n8n-workflow claude-office-skills Скилл n8n-workflow для Claude Code, Codex, Cursor и других агентов, который добавляет знание n8n и его 7800+ шаблонов. Агент строит пайплайны обработки документов: PDF → OCR → перевод → Slack, или папка контрактов → ИИ-ревью → отчёт. CX Codex +1 5 000установок

Из того же набора156

Весь набор →
ids-checker Скилл ids-checker проверяет BIM-модели на соответствие спецификациям IDS и COBie. Пригодится инженерам для автоматического контроля свойств IFC-элементов. CX Codex +1 119установок delay-analysis Скилл delay-analysis оценивает срывы графиков в строительных проектах и готовит расчёты для претензий. Помогает разобрать взаимные задержки сторон и подсчитать финансовый ущерб. CX Codex +1 119установок verification-loop-construction Скилл verification-loop-construction проверяет сметы, графики, BIM-данные и отчёты перед отправкой заказчику. Ловит расхождения в итогах, нарушения зависимостей задач и ошибки в кодах CSI. CX Codex +1 119установок project-closeout-checklist Скилл project-closeout-checklist ведёт чек-лист закрытия строительного проекта: документы, финансы, проверки, обучение и гарантии. Помогает видеть незакрытые пункты и общий прогресс. CX Codex +1 119установок progress-photo-analyzer Скилл progress-photo-analyzer оценивает ход работ на стройплощадке по фотографиям, находит нарушения безопасности и сопоставляет факты со стройгенпланом или BIM-моделью. CX Codex +1 119установок historical-cost-analyzer Скилл historical-cost-analyzer для Claude Code и других платформ, который анализирует исторические затраты на строительство. Помогает сравнивать проекты, отслеживать инфляцию и калибровать оценки. CX Codex +1 118установок data-quality-check Скилл data-quality-check автоматически оценивает качество строительных данных по пяти метрикам: полнота, точность, согласованность, своевременность и достоверность. Нужен Python 3. CX Codex +1 118установок labor-productivity-analyzer Скилл labor-productivity-analyzer для Claude Code анализирует выработку по специальности, виду работ и месту на объекте. Он подключается к задачам учёта часов, объёмов и целевых показателей. CX Codex +1 118установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой