README.ja.md

DDC CWICR - 建設作業項目、コンポーネント＆リソース
+ 説明、写真、CAD (BIM) に基づく見積計算のための n8n パイプライン

🇬🇧 English • 🇨🇳 中文 • 🇪🇸 Español • 🇧🇷 Português • 🇷🇺 Русский • 🇯🇵 日本語 • 🇩🇪 Deutsch • 🇫🇷 Français

n8n ワークフロー

入力を選択 → コスト見積を取得

テキスト

短い説明から
素早くスコープから見積へ

入力: Telegram / チャットメッセージ
出力: マッチした作業項目 + 見積

ドキュメント

写真 / PDF

現場写真、スキャンしたBOQ、
現場からのフォトPDF

入力: 画像またはPDFページ
出力: 抽出されたスコープ → 見積

写真ドキュメント · ユニバーサルボット

CAD / BIM

Revit / IFC / DWGベースの
数量積算＆見積

入力: モデルエクスポート
出力: 4D/5D 見積 + 内訳

ドキュメント

DataDrivenConstruction のクライアントとユーザー

AIプロダクトに最適な燃料 — このデータベースがAIに最適な理由
Claude Code — AIコーディングアシスタントの使用方法
n8n — ワークフロー自動化
ユニバーサルユースケース — 構築できるもの
開発者向けサンプル — すぐに実行できるコード

データベース＆データ

概要 — DDC CWICRとは
利用可能なフォーマット — Excel、Parquet、CSV、Qdrant
データスキーマ — 85フィールド構造
フィールドグループ — 分類、リソース、労務、機械
方法論 — リソースベースの原価計算原則
歴史的背景 — 100年以上の標準規格

n8n ワークフロー

n8n ワークフロー概要 — 入力タイプを選択
今すぐ試す — ライブデモボット — Telegramで即座にテスト
ワークフロー1: テキスト見積ボット — テキスト入力用Telegramボット
ワークフロー2: 写真コスト見積ツール — AIビジョン搭載Webフォーム
ワークフロー3: ユニバーサルボット — テキスト + 写真 + PDF
ワークフロー4: CAD/BIMパイプライン — Revit/IFC/DWGから見積へ
ワークフロークイックスタート — 4ステップでセットアップ
n8n 2.0+ セットアップ — Execute Commandノードを有効化

CAD/BIM パイプライン詳細

前提条件 — 必要なコンポーネント
パイプラインステージ — 10段階の処理
LLMモデル選択 — OpenAI、Claude、Gemini、Grok
出力ファイル — HTML＆Excelレポート
トラブルシューティング — 一般的な問題

ベクトルデータベース

ベクトルデータベース — Qdrantによるセマンティック検索
Qdrantスナップショット — スナップショットをダウンロード
コレクション — 11言語のコレクション
Dockerデプロイメント — セルフホステッドセットアップ

🌐 API

Pricing Search API — 建設価格検索用の無料REST API
APIエンドポイント — 検索、言語、統計
コード例 — cURL、Python、JavaScript

はじめに

クイックスタート - Python — 表形式データ＆セマンティック検索
統合ユースケース — 入門から上級レベルまで

コミュニティ

リソース＆コミュニティ — リンク＆チャンネル
コンサルティング＆トレーニング — プロフェッショナルサービス
コントリビューション — ワークフローを提出
ライセンス — CC BY 4.0
プロジェクトを支援する — スポンサー＆寄付

AIプロダクトに最適な燃料

リポジトリをクローンして、やりたいことを説明するだけ — AIが残りを処理します

DDC CWICRは単なるデータベースではありません — AIパワードアプリケーションのためのすぐに使える燃料です。コスト見積ボットの構築、建設ワークフローの自動化、インテリジェントアシスタントの作成など、このデータは最新のAIツールでそのまま動作します。

このデータベースがAIに最適な理由

特徴	メリット
事前計算済み埋め込み	ベクトル生成不要 — セマンティック検索が即座に動作
構造化された85フィールドスキーマ	AIがデータの関係性を理解し、正確な回答を提供可能
11言語対応	翻訳オーバーヘッドなしで多言語アプリケーションを構築
55,000以上の作業項目	あらゆる建設見積タスクに対応する包括的なカバレッジ
リソースベース方法論	AIが説明・分解できる透明性のあるデータ

完璧に動作するツール

Claude Code
_{AIコーディングアシスタントCLI}

Google Antigravity
_{Google Antigravity}

n8n
_{ワークフロー自動化}

Dify
_{LLMアプリ開発}

Sim AI & その他
_{AIプラットフォーム}

🎯 DDC Skills

建設業向けAIエージェント用DDCスキル — CWICRデータベースに直接統合された196の自動化スキル。クローンして、AIコーディングアシスタントで開き、必要なことを記述してください。

💻 Claude Code & Google Antigravity — AIコーディングアシスタント

DDC CWICRを操作する最も速い方法です。Claude CodeまたはGoogle Antigravityでリポジトリを開き、自然言語で質問するだけです。

はじめに:

# リポジトリをクローン
git clone https://github.com/datadrivenconstruction/OpenConstructionEstimate-DDC-CWICR.git

# Claude Codeで開く
cd OpenConstructionEstimate-DDC-CWICR
claude

プロンプト例:

タスク	プロンプト
データを探索	「この建設データベースの構造を見せて、どんなデータがあるか説明して」
作業項目を検索	「コンクリート基礎に関連するすべての作業項目を見つけて、コストを表示して」
クエリを作成	「労働時間が100時間を超える配管作業項目を検索するPythonスクリプトを書いて」
レポートを作成	「住宅リノベーション工事のコスト内訳レポートを生成して」
コストを分析	「異なる壁構造方法間で材料コストを比較して」
統合を構築	「Qdrantデータベースに接続してセマンティック検索を実行するスクリプトを作成して」

プロのヒント:

Claudeに特定のファイルを指定: 「Parquetファイルを分析してコスト分布を要約して」
説明を求める: 「このデータベースのリソースベース原価計算方法論がどのように機能するか説明して」
変更をリクエスト: 「n8nワークフローにメール通知を追加するように変更して」

n8n — ビジュアルワークフロー自動化

コーディングなしで強力な自動化パイプラインを構築。DDC CWICRを400以上のアプリやサービスに接続。

ユースケース:

ワークフロー	説明
Telegramボット	ユーザーがテキスト/写真を送信 → AIが作業項目を抽出 → コスト見積を返信
メール自動化	メールでBOQを受信 → AIで処理 → フォーマット済み見積を送信
CRM統合	CRMで新規プロジェクト → 予備見積を自動生成 → 取引額を更新
BIMパイプライン	Revitからエクスポート → 数量を抽出 → DDCレートとマッチング → 5Dレポートを生成
Slackボット	チームが質問 → AIがデータベースを検索 → 関連する作業項目を返信

クイックスタート:

このリポジトリからワークフローJSONをダウンロード
n8nにインポート: ワークフロー → インポート → ファイルから
認証情報を設定 (OpenAI、Qdrant、Telegram)
アクティブ化してテスト

詳細なセットアップについてはn8nワークフローセクションを参照してください。

ユニバーサルユースケース

どのAIツールを選んでも、DDC CWICRは以下を可能にします:

ユースケース	説明
即時コスト見積	テキスト説明や写真から建設コストを取得
BOQ生成	プロジェクト説明から数量明細書を自動生成
価格ベンチマーキング	地域と言語間でコストを比較
リソース計画	労働時間、材料、機器需要を計算
投資分析	完全なリソース透明性による詳細なコスト監査
多言語サポート	11言語でローカライズされた価格でユーザーにサービス提供
BIM統合	Revit/IFCに接続して自動4D/5D見積
AIモデルトレーニング	構造化データを使用した建設AIのファインチューニング

概要

DDC CWICR（建設作業項目、コンポーネント＆リソース）は、建設コスト見積のためのオープンデータベースであり、土工事やコンクリート打設から専門的な設備工事まで、建設活動の全範囲をカバーしています。

このデータベースは、ユーラシアおよびアジア太平洋地域全体の現代建設慣行を記述するソースに基づいています。ここでは、統一された技術標準化エコシステムが、10以上の動的に発展する経済圏の共通エンジニアリング言語として機能しています。DDC CWICRは、複数の言語で資本プロジェクト管理のための単一の規制フレームワークを確立することにより、オープン標準を調和させる取り組みを表しています。

構造化データは、表形式フォーマット（XLSX、CSV、Parquet）を通じてアクセスするか、LLMを介して会話的にクエリできます。これにより、専門家は建設作業記述（QDRANTベクトルデータベース）を、平易な言語や簡潔なクエリを使用して自動化パイプラインやワークフローに統合できます。

利用可能なフォーマット

フォーマット	拡張子	サイズ	最適な用途	特徴
Excel	`.xlsx`	~150–400 MB	手動分析、フィルタリング、ピボット	人間が読みやすい、完全なフォーマット
Parquet	`.parquet`	~55 MB	ETLパイプライン、MLトレーニング、ビッグデータ	カラム型、優れた圧縮率
CSV	`.csv`	~1.3 GB	データベースインポート、レガシーシステム	普遍的な互換性
Qdrant	`.snapshot`	~1 GB	セマンティック検索、RAG、AIアシスタント	事前計算済みOpenAI埋め込み

ライブデモはopenconstructionestimate.comで利用可能です。ここでデータを探索し、セマンティック検索のためのベクトルデータベースの動作を確認できます。

データスキーマ

データベースには、論理グループに整理された85フィールドが含まれています。各レコードは、完全なコスト内訳を持つ作業項目（レート）またはリソースを表します。

erDiagram
    RATE ||--o{ RESOURCE : 含む
    RATE ||--o{ LABOR : 必要とする
    RATE ||--o{ MACHINERY : 使用する
    RATE ||--o{ PRICE_VARIANT : 持つ

    RATE {
        string rate_code PK "MEKA_KASA_KAKATO_KAME"
        string rate_original_name "間仕切り壁の設置..."
        string rate_unit "100 m2"
        string category_type "建設工事"
        string collection_name "木構造"
        string department_name "間仕切り壁..."
        string section_name "間仕切り壁の設置..."
        text work_composition_text
    }

    RESOURCE {
        string resource_code PK "KAME-NE-KAME-KARI"
        string resource_name "石膏ボード"
        string resource_unit "m2"
        float resource_quantity "632.0"
        float resource_price_per_unit_eur "5.02"
        float resource_cost_eur "3170.73"
        boolean is_material
        boolean is_abstract
    }

    LABOR {
        string resource_code FK
        float labor_hours_workers "172"
        float labor_hours_operators "1.67"
        int count_workers_per_unit "172"
        int count_operators_per_unit "2"
        float cost_of_working_hours "3088.11"
    }

    MACHINERY {
        string machine_class2_name "クレーン"
        string machine_class3_name "車載クレーン"
        float electricity_consumption_kwh "0.23"
        float price_operator_wages "13.56"
        float total_value_machinery "64.18"
    }

    PRICE_VARIANT {
        float price_est_median "5.02"
        float price_est_min "3.03"
        float price_est_max "7.99"
        int position_count "24"
        string variable_parts "ガラス繊維強化..."
    }

フィールドグループ

85のデータベースフィールドは、リソースベースのコスト見積方法論を反映する論理グループに整理されています。各グループは、コスト内訳構造において特定の機能を果たします：階層的分類と作業項目識別から、詳細なリソース消費、労働要件、機械コスト、集計合計まで。このモジュラー構造により、ユーザーはタスクに関連するフィールドのみをクエリできます — 材料明細書の生成、労働生産性の分析、完全なコスト見積の作成など。

分類 - category_type, collection_code, collection_name, department_code, department_name, department_type, section_name, section_type, subsection_code, subsection_name

作業項目（レート） - rate_code, rate_original_name, rate_final_name, rate_unit, row_type, is_scope, is_abstract, is_machine, is_labor, is_material, work_composition_text

リソース - resource_code, resource_name, resource_unit, resource_quantity, parameter_resource_quantity, resource_price_per_unit_eur_current, resource_cost_eur

労務 - count_workers_per_unit, count_engineers_per_unit, count_operators_per_unit, count_total_people_per_unit, labor_hours_construction_workers, labor_hours_operators, labor_hours_engineers, total_labor_hours_workers_operators, total_labor_hours_all_personnel, cost_of_working_hours, count_people_per_day

機械 - machine_class2_name, machine_class3_name, personnel_operator_code, personnel_operator_grade, price_operator_wages, price_relocation_included, price_cost_without_wages, electricity_consumption_kwh_per_machine_hour, electricity_cost_per_unit, electricity_cost_total_sum, cost_operator_sum, total_value_machinery_equipment

価格バリアント - price_code_prefix, price_abstract_resource_common_start, price_abstract_resource_variable_parts, price_abstract_resource_position_count, price_abstract_resource_est_price_min, price_abstract_resource_est_price_max, price_abstract_resource_est_price_mean, price_abstract_resource_est_price_median, price_abstract_resource_unit, abstract_resource_tech_group

集計 - total_cost_per_position, total_material_cost_per_position, total_resource_cost_per_position, total_value_abstract_resources, materials_resource_cost_eur

質量＆サービス - mass_name, mass_value, mass_unit, service_category, service_type, parameter_service_code, parameter_service_unit, parameter_service_name, parameter_service_quantity, service_cost_sum

コスト計算式

コンポーネント	技術規格	×	地域価格	=	コスト
労務	172 時間/100m²	×	€17.95/時	=	€3,088.11
材料	632 m²/100m²	×	€5.02/m²	=	€3,170.73
機器	1.67 時間/100m²	×	€38.42/時	=	€64.18
			合計	=	€7,725.91 / 100m²

方法論

リソースベースの原価計算の主な価値は、不変の生産技術を変動する財務コンポーネントから分離することです。これは建設の物理的な「第一原理」に基づいています:

特定の作業に必要な労働時間
作業単位あたりの材料数量
必要な機器時間

なぜ重要か:

透明性 - 隠れたマージンなしの価格設定、完全なリソース内訳
監査可能性 - 投資分析と検証のための詳細な調査能力
移植性 - 市場を超えて適用可能な地域非依存の規格
実績 - 100年以上にわたって確立された業界標準の方法論

flowchart TB
    subgraph Source["データソース"]
        CWICR[(DDC CWICR<br/>────────────<br/>55,719 作業項目<br/>27,672 リソース<br/>レコードあたり85フィールド)]
    end

    subgraph Processing["処理パイプライン"]
        direction LR
        ETL[["ETL<br/>抽出＆<br/>変換"]]
        TRANS[["翻訳<br/>11言語"]]
        EMBED[["ベクトル化<br/>OpenAI 3072d"]]
        ETL --> TRANS --> EMBED
    end

    subgraph Outputs["出力フォーマット"]
        XLSX[("Excel<br/>.xlsx")]
        PARQUET[("Parquet<br/>.parquet")]
        CSV[("CSV<br/>.csv")]
        QDRANT[("Qdrant<br/>.snapshot")]
    end

    subgraph Apps["アプリケーション"]
        SEARCH["セマンティック<br/>検索"]
        BIM["BIM 5D<br/>統合"]
        RAG["RAG<br/>システム"]
        BI["BI<br/>分析"]
    end

    Source --> Processing
    Processing --> XLSX & PARQUET & CSV & QDRANT
    XLSX & PARQUET & CSV --> BI & BIM
    QDRANT --> SEARCH & RAG & BIM

    style Source fill:#dbeafe,stroke:#2563eb,stroke-width:2px
    style Processing fill:#fef3c7,stroke:#d97706,stroke-width:2px
    style Outputs fill:#d1fae5,stroke:#059669,stroke-width:2px
    style Apps fill:#fce7f3,stroke:#db2777,stroke-width:2px

歴史的背景

このデータベースの建設作業記述は、20世紀初頭の生産規格から今日のデジタル参照システムまでを網羅する、リソースベースの標準化方法論に基づいています。1920年代から継続的に開発・改良されてきたこのアプローチは、特にユーラシア地域全体で堅固な進化を遂げてきました。

100年にわたる開発の中で、システムは手計算から機械可読形式へと移行しましたが、その基本原則は変わりません：建設出力単位あたりに必要な物理リソースの正確な測定です。現代の実装は、歴史的な規範データとリアルタイムの市場価格を橋渡しします。

この方法論の地域的適応は、様々な国家名称の下で運用されています：ENIR、GESN、FER、NRR、ESN、AzDTN、ShNQK、MKS ChT、SNT、BNbD、Dinh Muc、Ding'e。

新しい更新やデータベースバージョンを見たい場合、そして私たちのツールが役立つと思った場合は、リポジトリにスターを付けてください。建設業界向けの類似アプリケーションをもっと見ることができます。 GitHubでDDCワークフローにスターを付けると、新しいリリースの通知が即座に届きます。

統合

ユースケース

入門レベル - コストベンチマーキング、価格指数化、入札見積
中級 - ローカライゼーション、ETL/BIパイプライン、CO2計算
上級 - AI/MLトレーニング、CAD (BIM) 5D、詳細投資監査

n8n ワークフロー — 詳細説明

自動化された建設コスト見積のための4つの本番対応ワークフロー。各ワークフローは、Qdrant経由でDDC CWICRベクトルデータベースに接続し、インテリジェントな解析とマッチングにAIモデルを使用します。

#	ワークフロー	入力	最適な用途	ダウンロード
1	テキスト見積ボット	テキスト	テキストからの素早い見積	JSON
2	写真見積ツール	写真	現場訪問、目視検査	JSON
3	ユニバーサルボット	すべて	フル機能の本番使用	JSON
4	CAD/BIMパイプライン	Revit	BIMベースの4D/5D見積	JSON

1️⃣ テキスト見積ボット

ファイル: n8n_1_Telegram_Bot_Cost_Estimates_and_Rate_Finder_TEXT_DDC_CWICR.json

テキストベースのコスト見積用Telegramボット。自然言語で建設作業を記述すると、ボットが入力を解析し、ベクトルデータベースを検索し、詳細なコスト内訳を返します。

今すぐ試す — ライブデモボット

Telegramで見積ワークフローを即座にテスト

@TextOpenConstructionEstimate_bot

テキスト説明から完全なコスト見積を作成

flowchart LR
    subgraph Input["入力"]
        A[Telegramメッセージ]
    end

    subgraph AI["AI処理"]
        B[テキスト解析]
        C[作業項目抽出]
    end

    subgraph Search["ベクトル検索"]
        D[埋め込み生成]
        E[Qdrant検索]
        F[AIリランキング]
    end

    subgraph Output["出力"]
        G[コスト計算]
        H[HTMLレポート]
        I[Excelエクスポート]
    end

    A --> B --> C --> D --> E --> F --> G --> H
    G --> I

    style Input fill:#e0f2fe,stroke:#0284c7
    style AI fill:#fef3c7,stroke:#d97706
    style Search fill:#dcfce7,stroke:#16a34a
    style Output fill:#f3e8ff,stroke:#9333ea

動作の仕組み:

ステップ	アクション	テクノロジー
1	ユーザーがテキスト説明を送信	Telegram Bot API
2	AIが作業項目を解析・抽出	OpenAI / Claude / Gemini
3	各項目の埋め込みを生成	OpenAI `text-embedding-3-large`
4	データベースでマッチするレートを検索	Qdrantベクトル検索
5	AIが精度向上のため結果をリランク	LLMスコアリング
6	コストを計算しレポートを生成	HTML / Excel / PDF

機能:

機能	説明
自然言語入力	リスト、文、構造化された説明など任意のテキスト形式を受け付け
マルチLLMサポート	OpenAI、Claude、Geminiで動作（切り替え可能）
セマンティック検索	異なる表現でも最適なマッチを発見
11言語対応	DE、EN、RU、ES、FR、PT、ZH、AR、HI、US、UK
複数エクスポート	HTMLレポート、Excelスプレッドシート、PDFドキュメント
インタラクティブ編集	最終計算前に数量を変更

必要な認証情報:

Telegram Bot Token (@BotFatherから)
OpenAI API Key (埋め込み + オプションのLLM用)
Qdrant URL + API Key

2️⃣ 写真コスト見積ツール

ファイル: n8n_2_Photo_Cost_Estimate_DDC_CWICR.json

写真ベースの見積用Webフォームインターフェース。建設写真をアップロードすると、AI Visionが要素を識別し、寸法を推定し、コストを自動計算します。

flowchart TB
    subgraph Upload["写真アップロード"]
        A[Webフォーム]
        B[地域選択]
        C[作業タイプ選択]
    end

    subgraph Vision["AIビジョン"]
        D[GPT-4 Vision分析]
        E[要素識別]
        F[寸法推定]
        G[部屋タイプ検出]
    end

    subgraph Decompose["分解"]
        H[要素 → 作業項目]
        I[数量計算]
    end

    subgraph Price["価格設定"]
        J[ベクトル検索]
        K[DDCレートマッチング]
        L[地域価格適用]
    end

    subgraph Report["レポート"]
        M[HTML生成]
        N[コスト内訳]
    end

    A --> B --> C --> D
    D --> E --> F --> G
    G --> H --> I
    I --> J --> K --> L
    L --> M --> N

    style Upload fill:#dbeafe,stroke:#2563eb
    style Vision fill:#fef3c7,stroke:#d97706
    style Decompose fill:#dcfce7,stroke:#16a34a
    style Price fill:#fee2e2,stroke:#dc2626
    style Report fill:#f3e8ff,stroke:#9333ea

動作の仕組み:

ステップ	アクション	テクノロジー
1	ユーザーがWebフォーム経由で写真をアップロード	n8n Form Trigger
2	AI Visionが画像を分析	GPT-4 Vision
3	部屋タイプ、要素、材料を識別	構造化JSON抽出
4	参照オブジェクトから寸法を推定	AI推論（ドア、タイルなど）
5	要素を作業項目に分解	LLM処理
6	ベクトル検索で各作業に価格設定	Qdrant + OpenAI埋め込み
7	プロフェッショナルなHTMLレポートを生成	スタイル付き出力

機能:

機能	説明
写真分析	GPT-4 Visionが建設要素を識別
自動寸法測定	参照オブジェクト（ドア、タイル）を使用してサイズを推定
部屋検出	バスルーム、キッチン、寝室、外部など
作業タイプサポート	新築 / リノベーション / 修繕
9つの地域データベース	ベルリン、トロント、パリなどにローカライズされた価格
プロフェッショナルレポート	クライアント向けのクリーンなHTML出力

必要な認証情報:

OpenAI API Key (GPT-4 Vision + 埋め込み)
Qdrant URL + API Key

3️⃣ ユニバーサル見積ボット（テキスト + 写真 + PDF）

ファイル: n8n_3_Telegram_Bot_Cost_Estimates_and_Rate_Finder_TEXT_PHOTO_PDF_DDC_CWICR.json

すべての入力タイプをサポートするフル機能のTelegramボット：テキスト説明、建設写真、PDF図面。本番使用のための最も包括的なワークフロー。

flowchart TB
    subgraph Input["マルチ入力"]
        A[テキストメッセージ]
        B[写真]
        C[PDFドキュメント]
    end

    subgraph Router["スマートルーター"]
        D{タイプ検出}
    end

    subgraph TextPath["テキストパス"]
        E[AI テキスト解析]
        F[作業抽出]
    end

    subgraph PhotoPath["写真パス"]
        G[Vision AI]
        H[要素識別]
        I[分解]
    end

    subgraph PDFPath["PDFパス"]
        J[ページ抽出]
        K[Vision分析]
        L[コンテンツ解析]
    end

    subgraph Common["共通パイプライン"]
        M[埋め込み生成]
        N[Qdrant検索]
        O[AIリランキング]
        P[コスト計算]
    end

    subgraph Export["エクスポート"]
        Q[HTMLレポート]
        R[Excel CSV]
        S[PDFドキュメント]
    end

    A --> D
    B --> D
    C --> D
    D -->|テキスト| E --> F --> M
    D -->|写真| G --> H --> I --> M
    D -->|PDF| J --> K --> L --> M
    M --> N --> O --> P
    P --> Q
    P --> R
    P --> S

    style Input fill:#e0f2fe,stroke:#0284c7
    style Router fill:#fef3c7,stroke:#d97706
    style TextPath fill:#dcfce7,stroke:#16a34a
    style PhotoPath fill:#fce7f3,stroke:#db2777
    style PDFPath fill:#f3e8ff,stroke:#9333ea
    style Common fill:#fee2e2,stroke:#dc2626
    style Export fill:#d1fae5,stroke:#059669

動作の仕組み:

ステップ	アクション	テクノロジー
1	ユーザーがテキスト、写真、またはPDFを送信	Telegram Bot API
2	ルーターが入力タイプを検出	コンテンツタイプ分析
3a	テキスト: AIが作業項目を解析	OpenAI / Gemini
3b	写真: Vision AIが要素を抽出	GPT-4 Vision / Gemini 2.0
3c	PDF: ページを抽出して分析	PDF処理 + Vision
4	DDC CWICRでセマンティック検索	Qdrantベクトルデータベース
5	最適なマッチのためのAIリランキング	LLMスコアリング
6	ボットメニューでインタラクティブ編集	Telegramインラインキーボード
7	結果をエクスポート	HTML / Excel / PDF

17のボットアクション:

アクション	説明
`/start`	言語選択メニュー
写真アップロード	AI Vision分析をトリガー
テキストメッセージ	作業項目を解析・抽出
PDFアップロード	図面を処理
数量編集	計算前に変更
作業追加	手動で作業項目を入力
計算	フルコスト見積を実行
詳細表示	各項目のリソースを表示
Excelエクスポート	CSVスプレッドシートをダウンロード
PDFエクスポート	PDFレポートを生成
ヘルプ	使用方法を表示
修正	修正を加えて再分析

機能:

機能	説明
デュアルVision AI	Gemini 2.0 FlashまたはGPT-4 Vision（設定可能）
PDF処理	図面、スキャンしたBOQ、ドキュメント
スマートテキスト解析	リスト、テーブル、自由形式テキストを処理
AIリランキング	マッチ精度を向上
完全な編集	作業項目の追加、削除、変更
マルチフォーマットエクスポート	HTML、Excel、PDF
11言語対応	完全なローカライゼーション

必要な認証情報:

Telegram Bot Token
OpenAI API Key (埋め込み)
Gemini API Key (Vision) または OpenAI GPT-4 Vision
Qdrant URL + API Key

4️⃣ CAD (BIM) コスト見積パイプライン

ファイル: n8n_4_CAD_(BIM)_Cost_Estimation_Pipeline_4D_5D_with_DDC_CWICR.json

Revit/IFC/DWGモデルからの自動コスト見積。BIMデータを抽出し、要素を分類し、作業項目に分解し、完全なリソース内訳付きの4D/5D見積を生成します。

flowchart TB
    subgraph INPUT["入力<br/><i>CAD・写真・テキスト説明</i>"]
        CAD["プロジェクト入力<br/>(テキスト・写真・RVT / IFC / DWG)"]
    end

    subgraph EXTRACT["抽出"]
        CONV["RvtExporter.exe / CADエクスポート / ETL"]
        XLSX[".XLSX<br/>(生データ要素)"]
    end

    subgraph PREP["データ準備"]
        PREP_AI["AI: クリーン＆分類<br/><i>ヘッダー・タイプ・カテゴリー</i>"]
    end

    subgraph STAGE_PLAN["ステージ 1–3: 計画"]
        PLAN["プロジェクト＆フェーズ検出<br/><i>新築 / リノベーション / 解体</i><br/><i>小規模 / 中規模 / 大規模</i><br/><i>要素 → 建設フェーズ</i>"]
    end

    subgraph STAGE4["ステージ 4: 分解"]
        S4["タイプを作業に分解<br/><i>'レンガ壁 240mm' → 煉瓦積み、モルタル、プラスター</i>"]
    end

    subgraph STAGE5["ステージ 5: 価格設定"]
        S5["ベクトルDBで価格設定<br/><i>OpenAI埋め込み + Qdrant</i><br/><i>rate_code、単価、リソース</i>"]
    end

    subgraph STAGE75["ステージ 7.5: 検証"]
        S75["CTOレビュー<br/><i>完全性・重複・欠落作業</i>"]
    end

    subgraph OUTPUT["出力"]
        HTML["HTMLレポート"]
        XLS["XLSレポート"]
    end

    CAD --> CONV --> XLSX
    XLSX --> PREP_AI --> PLAN --> S4 --> S5 --> S75
    S75 --> HTML & XLS

    style INPUT fill:#f4f4f5,stroke:#d4d4d8,color:#18181b
    style EXTRACT fill:#e0f2fe,stroke:#bae6fd,color:#0f172a
    style PREP fill:#ede9fe,stroke:#ddd6fe,color:#1e1b4b
    style STAGE_PLAN fill:#ecfdf5,stroke:#bbf7d0,color:#064e3b
    style STAGE4 fill:#fef9c3,stroke:#fef3c7,color:#78350f
    style STAGE5 fill:#fee2e2,stroke:#fecaca,color:#7f1d1d
    style STAGE75 fill:#e0f2f1,stroke:#bae5e1,color:#134e4a
    style OUTPUT fill:#eef2ff,stroke:#e0e7ff,color:#111827

n8nは400以上のネイティブ統合を提供しています。Google Sheets、Notion、Slack、Airtable、データベース（PostgreSQL、MongoDB）、クラウドストレージなど。このワークフローのすべてのノードはモジュラーです — 以下が可能です:

LLMプロバイダーの交換 (OpenAI ↔ Claude ↔ Gemini ↔ Grok)
ERPやプロジェクト管理システムに接続
結果を任意の宛先にエクスポート (クラウドストレージ、メール、ダッシュボード)
任意のステージを変更 して見積方法論に合わせる

ワークフローはあなたのものです。制限なし。ライセンス料なし。完全なコントロール。

前提条件

コンポーネント	要件	説明
n8n	v1.0+ (v2.0+はセットアップが必要)	見積パイプラインをオーケストレーションするワークフロー自動化プラットフォーム
Qdrant	クラウドまたはセルフホストインスタンス	建設作業項目全体のセマンティック検索用ベクトルデータベース
OpenAI API	埋め込み用 (`text-embedding-3-large`)	BIM要素とコストデータベースマッチング用のベクトル埋め込みを生成
LLM API	OpenAI / Claude / Gemini / xAI Grok	作業項目分類と見積生成用AIモデル
DDC Converter	`RvtExporter.exe`	RevitモデルからBIMデータをExcel/JSONに抽出して処理

ワークフロークイックスタート

ステップ 1: ワークフローをインポート

n8n → 新規ワークフロー → ファイルからインポート → JSONを選択

ステップ 2: 認証情報を設定

TOKENノードでAPIキーを設定:

{
  "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": ""
}

ステップ 3: DDC CWICRをQdrantにロード

対応する言語フォルダからスナップショットをダウンロードしてインポート:

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"

ステップ 4: アクティブ化＆テスト

n8nでワークフローを有効化
Telegramボットの場合: ボットに/startを送信
Webフォームの場合: n8nが提供するフォームURLを開く

n8n 2.0+ セットアップ（必須）

n8nバージョン2.0以降、セキュリティ上の理由からExecute Commandノードはデフォルトで無効になっています。

以下の設定がないと、Execute Commandを使用するワークフロー（特にCAD/BIMパイプライン）は動作しません — ノードがクエスチョンマーク付きで表示されるか、認識されません。

クイックフィックス

Windows (CMD) — 毎回実行:

set NODES_EXCLUDE=[] && npx n8n

恒久的な解決策 — 一度だけ作成:

ファイル C:\Users\YOUR_USER\.n8n\.env を以下の内容で作成:

NODES_EXCLUDE=[]

その後は通常通り npx n8n を実行するだけ。

Docker:

environment:
  - NODES_EXCLUDE=[]

セットアップの確認

n8nを起動
+ をクリック → "Execute Command" を検索
ノードが表示されれば → 完了です！

詳細: n8n 2.0 破壊的変更

サポートされている言語＆価格レベル

コード	言語	価格レベル	通貨	Qdrantコレクション
`AR`	アラビア語	ドバイ	AED	`ddc_ar_dubai`
`DE`	ドイツ語	ベルリン	EUR	`ddc_de_berlin`
`EN`	英語	トロント	CAD	`ddc_en_toronto`
`ES`	スペイン語	バルセロナ	EUR	`ddc_sp_barcelona`
`FR`	フランス語	パリ	EUR	`ddc_fr_paris`
`HI`	ヒンディー語	ムンバイ	INR	`ddc_hi_mumbai`
`PT`	ポルトガル語	サンパウロ	BRL	`ddc_pt_saopaulo`
`RU`	ロシア語	サンクトペテルブルク	RUB	`ddc_ru_stpetersburg`
`ZH`	中国語	上海	CNY	`ddc_zh_shanghai`
`US`	英語	USA	USD	`ddc_usa_usd`
`UK`	英語	UK	GBP	`ddc_uk_gbp`

パイプラインステージ

CAD/BIMワークフローは10段階でデータを処理します:

ステージ	名前	説明
0	BIMデータ収集	DDC ConverterでRevitから要素を抽出
1	プロジェクト検出	AIがプロジェクトタイプを識別（住宅、商業など）
2	フェーズ生成	AIが建設フェーズを作成
3	要素割り当て	AIがBIMタイプをフェーズにマッピング
4	作業分解	AIがタイプを作業項目に分解（"レンガ壁" → 煉瓦積み、モルタル）
5	ベクトル検索	Qdrant経由でDDC CWICRのマッチングレートを検索
6	単位マッピング	BIM単位をレート単位に変換
7	コスト計算	各作業項目の数量 × 単価
7.5	検証	完全性と重複のCTOレビュー
8	集計	フェーズとカテゴリー別に合計
9	レポート生成	HTMLとExcel出力を作成

LLMモデル選択

ワークフローは複数のAIプロバイダーをサポートしています。LLM Modelsセクションで希望のモデルを有効化:

モデル	ノード名	ステータス
OpenAI GPT-4o	`OpenAI LLM`	デフォルト
Claude Opus 4	`Anthropic Chat Model2`	無効
Gemini 2.5 Pro	`Google Gemini Chat Model`	無効
xAI Grok	`xAI Grok Chat Model1`	無効
DeepSeek	`DeepSeek Chat Model`	無効

モデルを切り替えるには: 希望のモデルノードを有効化し、他を無効化。

出力ファイル

レポートはプロジェクトフォルダに保存されます:

project_YYYY-MM-DD.html   ← インタラクティブレポート（ブラウザで開く）
project_YYYY-MM-DD.xls    ← Excel互換スプレッドシート

Qdrantコレクション

ワークフローはlanguage_codeに基づいて正しいコレクションを自動選択:

{LANG}_{CITY}_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR

例: DE_BERLIN_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR

トラブルシューティング

問題	解決策
"Execute Commandがない" (n8n 2.0+)	`NODES_EXCLUDE=[]`環境変数を設定。n8n 2.0+セットアップを参照
"Excelファイルが見つからない"	`path_to_converter`と`project_file`のパスを確認
"Qdrant接続失敗"	認証情報でQdrant URLとAPIキーを確認
"レート制限超過"	バッチサイズを減らすかAPI呼び出し間に遅延を追加
"価格が見つからない"	Qdrantに正しい言語コレクションが存在するか確認
"Telegram Webhookエラー"	ワークフローがアクティブでWebhook URLがアクセス可能か確認
"Vision API失敗"	GeminiまたはOpenAI Vision APIキーが有効か確認

ベクトルデータベース

建設作業項目全体のセマンティック検索用OpenAI text-embedding-3-large埋め込みを持つ、すぐに使えるQdrantコレクション。

ベクトルデータベースにより、コードや複雑なフィルターの代わりに、シンプルな文や短いフレーズを使用して自然言語でデータと「会話」できます。これにより、非常に大きなデータセットでも適切な作業項目やコストラインを見つけることが劇的に高速化されます。

これらのQdrantコレクションは、最新の自動化および統合ワークフロー（例えば、ローコード/ノーコードワークフロー＆パイプラインツール）を介してアプリケーションに接続できます。建設作業項目を検索、フィルタリング、説明するアシスタントを構築したり、セマンティック検索を既存の見積およびプロジェクト管理ツールに直接統合したりできます。

Qdrantベクトルデータベーススナップショット

スナップショットはこのリポジトリの対応する言語フォルダに格納されています（Git LFS経由で保存）。

言語	地域	Qdrantスナップショット
アラビア語	ドバイ	`AR___DDC_CWICR/AR_DUBAI_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
中国語	上海	`ZH___DDC_CWICR/ZH_SHANGHAI_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
ドイツ語	ベルリン	`DE___DDC_CWICR/DE_BERLIN_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
英語	トロント	`EN___DDC_CWICR/EN_TORONTO_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
スペイン語	バルセロナ	`ES___DDC_CWICR/SP_BARCELONA_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
フランス語	パリ	`FR___DDC_CWICR/FR_PARIS_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
ヒンディー語	ムンバイ	`HI___DDC_CWICR/HI_MUMBAI_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
ポルトガル語	サンパウロ	`PT___DDC_CWICR/PT_SAOPAULO_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
ロシア語	サンクトペテルブルク	`RU___DDC_CWICR/RU_STPETERSBURG_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
英語 (UK)	イギリス (GBP)	`UK___DDC_CWICR/UK_GBP_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`
英語 (US)	アメリカ (USD)	`US___DDC_CWICR/USA_USD_workitems_costs_resources_EMBEDDINGS_3072_DDC_CWICR.snapshot`

コレクション

ddc_ar_dubai (アラビア語) · ddc_zh_shanghai (中国語) · ddc_de_berlin (ドイツ語) · ddc_en_toronto (英語) · ddc_sp_barcelona (スペイン語) · ddc_fr_paris (フランス語) · ddc_hi_mumbai (ヒンディー語) · ddc_pt_saopaulo (ポルトガル語) · ddc_ru_stpetersburg (ロシア語) · 🇺🇸 ddc_usa_usd (USA) · 🇬🇧 ddc_uk_gbp (UK)

各コレクションには完全なペイロードメタデータを持つ55,719ベクトルが含まれています。

Dockerデプロイメント

# docker-compose.yml
services:
  qdrant:
    image: qdrant/qdrant:latest
    container_name: ddc-cwicr-qdrant
    ports:
      - "6333:6333"
      - "6334:6334"
    volumes:
      - qdrant_storage:/qdrant/storage
      - ./snapshots:/qdrant/snapshots
    environment:
      - QDRANT__LOG_LEVEL=INFO
    restart: unless-stopped

volumes:
  qdrant_storage:

# 起動
docker-compose up -d

# スナップショットをインポート
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"

# ダッシュボード: http://localhost:6333/dashboard

🌐 Pricing Search API — BuildCalculator.io

建設作業項目を検索するための無料REST API。コスト内訳、労務費、材料費、機器データを完全網羅。55,719項目、11言語対応、各項目84フィールド。

ベースURL： https://buildcalculator.io/api/v1

APIエンドポイント

`GET/POST /api/v1/search` — 建設作業項目の検索

パラメータ	型	デフォルト	必須	説明
`q`	string	—	はい	検索クエリ（最小2文字）。任意の言語で動作
`lang`	string	`en`	いいえ	データベース言語：`en`、`ru`、`de`、`fr`、`es`、`pt`、`zh`、`ar`、`hi`
`top`	integer	5	いいえ	結果数（1～20）

`GET /api/v1/languages` — サポート言語一覧

利用可能なすべての言語と項目数を返します。

`GET /api/v1/stats` — データベース統計

項目数、カテゴリ、言語、メタデータを返します。

APIコード例

cURL：

curl "https://buildcalculator.io/api/v1/search?q=コンクリート基礎&lang=en&top=5"

Python：

import requests

response = requests.get("https://buildcalculator.io/api/v1/search",
    params={"q": "brick masonry walls", "lang": "en", "top": 5})
data = response.json()

for item in data["results"]:
    print(f"{item['name']} — {item['pricing']['total_per_unit']} EUR/{item['unit']}")

JavaScript：

const res = await fetch(
  "https://buildcalculator.io/api/v1/search?q=HVAC+ducting&lang=en&top=3"
);
const data = await res.json();

レスポンス例：

{
  "query": "concrete foundation",
  "language": "en",
  "results_count": 5,
  "results": [
    {
      "rate_code": "KANE_KAME_KAKAME_KAMECON",
      "name": "Concrete preparation device",
      "unit": "m3",
      "currency": "EUR",
      "pricing": {
        "total_per_unit": 167.51,
        "labor_per_unit": 18.80,
        "material_per_unit": 142.92,
        "equipment_per_unit": 4.80
      },
      "cost_breakdown": {
        "labor_pct": 11.3,
        "material_pct": 85.8,
        "equipment_pct": 2.9
      }
    }
  ]
}

エラーコード：

コード	意味	対応
400	クエリが不足または無効	`q`パラメータを確認（最小2文字）
429	レート制限超過	待機して再試行（60リクエスト/分）
500	サーバーエラー	再試行またはサポートに連絡

📖 完全なドキュメント：buildcalculator.io/api-docs

クイックスタート

Python - 表形式データ

import pandas as pd

# Parquet（推奨）
df = pd.read_parquet("DDC_CWICR_EN.parquet")

# Excel
df = pd.read_excel("DDC_CWICR_EN.xlsx")

print(f"レコード: {len(df):,} | フィールド: {len(df.columns)}")
print(df[['rate_code', 'rate_original_name', 'rate_unit', 'total_cost_per_position']].head())

Python - セマンティック検索

from qdrant_client import QdrantClient
from openai import OpenAI

client = QdrantClient("localhost", port=6333)
openai = OpenAI()

# 自然言語で検索
query = "鉄筋コンクリート基礎の打設"
embedding = openai.embeddings.create(
    input=query,
    model="text-embedding-3-large"
).data[0].embedding

results = client.search(
    collection_name="ddc_en_toronto",
    query_vector=embedding,
    limit=5
)

for r in results:
    print(f"[{r.score:.3f}] {r.payload['rate_code']}: {r.payload['rate_original_name']}")

フィルター付き検索

from qdrant_client.models import Filter, FieldCondition, MatchValue, Range

# 部門別
results = client.search(
    collection_name="ddc_en_toronto",
    query_vector=embedding,
    query_filter=Filter(must=[
        FieldCondition(key="department_name", match=MatchValue(value="Concrete and Reinforced Concrete"))
    ]),
    limit=10
)

# 価格範囲別
results = client.search(
    collection_name="ddc_en_toronto",
    query_vector=embedding,
    query_filter=Filter(must=[
        FieldCondition(key="price_est_median", range=Range(gte=1000, lte=50000))
    ]),
    limit=10
)

💻 開発者向けサンプル

examples/ ディレクトリには、複数の言語ですぐに実行できるコードが含まれています。

#	Example	Language	Level
01	Load and explore data	Python, JS, Rust, R	Beginner
02	Semantic search with Qdrant	Python, JS, Rust	Beginner
03	Cost estimation from text	Python, JS	Intermediate
04	Cost estimation from photos	Python	Intermediate
05	BOQ generation & Excel export	Python, JS	Intermediate
06	RAG pipeline (Claude + Qdrant)	Python	Advanced
07	Multi-language cost comparison	Python	Intermediate
08	Data analysis & visualization	Python, R	Intermediate
09	Filtered & faceted search	Python	Intermediate
10	Embedding generation pipeline	Python	Advanced

→ すべてのサンプルを見る

リソース＆コミュニティ

コンサルティング＆トレーニング

私たちは、世界中の大手建設、エンジニアリング、コンサルティング会社、テクノロジー企業と協力し、オープンデータ原則の実装、CAD/BIM処理の自動化、堅牢なETLパイプラインの構築を支援しています。デジタルトランスフォーメーションと相互運用性のための実践的なソリューションを積極的にサポートし、データ品質と分類の課題に焦点を当て、オープンで自動化されたワークフローの採用を推進しています。

ご自身のデータでこのソリューションをテストしたい場合、または実際のプロジェクトタスクにワークフローを適応させることに興味がある場合は、お気軽にお問い合わせください。私たちのチームは、実践的なワークショップ、戦略的コンサルティング、実際のプロジェクトプロセスに合わせたプロトタイプ開発を提供しています。

コントリビューション

DDC CWICRは、建設業界をより効率的、透明、技術的に先進的にすることに専念した無料でオープンなプロジェクトです。私たちは、このミッションを共有する同志を積極的に探しています。有用なソリューションを作成し、コミュニティと共有する準備ができている場合、私たちはあなたの声を届けるお手伝いをします。

DDC CWICRに基づくオープンソースのワークフロー、パイプライン、統合を提出していただくことをお待ちしています。これらは誰でも自由に作業で使用できるツールです。優れたソリューションは、完全な著者帰属付きでGitHubに公開され、数万人のプロフェッショナル購読者にリーチするニュースレターやソーシャルメディアチャンネルで発表されます。これにより、あなたの名前が見積士、BIM専門家、プロジェクトマネージャーの国際コミュニティに直接届きます。

一緒に業界を変えましょう。ソリューションは、件名「DDC Open Workflow」で[email protected]に送信するか、GitHubリポジトリに直接プルリクエストを送信できます。

すぐに使えるCAD-BIM n8nワークフローで建設データ処理を自動化:

AI インストラクション

AI_INSTRUCTIONS/ フォルダには、AIコーディングアシスタントがこの建設コストデータベースを効果的に使用するための包括的なドキュメントが含まれています。

DDC CWICR とは？

DDC CWICR（Construction Work Items, Components & Resources）は、以下を含むオープンソースの建設コストデータベースです：

55,719 の作業項目 — 完全なコスト内訳を含む詳細な建設作業
27,672 のリソース — 地域価格付きの資材、労働力、設備
85 のデータフィールド — 正確な計算のための構造化スキーマ
11 言語 — 地域別価格（EUR、USD、CAD、RUB、CNY など）
事前計算済みエンベディング — セマンティック検索用の 3072 次元 OpenAI ベクトル

リソースベースの方法論

データベースは以下を分離するリソースベースの原価計算アプローチを使用します：

技術規範（不変）— 労働時間、資材数量、設備時間
地域価格（可変）— 時間単価、資材コスト、燃料価格

実際のコスト = 技術規範 × 地域価格

これにより、異なる地域や期間での正確な見積もりが可能になります。

AI インストラクションファイル

ファイル	目的
`INSTRUCTIONS.md`	主要概要、クイックスタート、データ形式
`CLAUDE.md`	Claude Code のパターンと例
`OPENCODE.md`	Opencode の簡潔な説明
`ANTIGRAVITY.md`	GCP統合（BigQuery、Vertex AI、Qdrant）
`DATABASE_SCHEMA.md`	85フィールドの完全なスキーマ参照

n8n ワークフロー — 例とテンプレート

含まれている n8n ワークフローは、コスト見積もりロジックを示す例とテンプレートです。以下のように使用できます：

✅ 迅速な展開のためにそのまま使用
✅ 特定のビジネス要件に部分的に適応
✅ コスト計算方法論を理解するために学習
✅ 任意のプラットフォームでカスタム統合を構築する際の参考

ワークフローは以下を示します：データベースクエリ、作業項目のマッチング、地域価格ロジック、レポート生成。AI はこれらを分析して完全な見積もりプロセスを理解できます。

なぜ重要か

AIアシスタントは以下をサポートします：

自然言語でデータベースを照会
セマンティック検索で作業項目を検索
地域価格でコストを計算
レポートを生成しデータをエクスポート
クラウドサービスとの統合を構築
ワークフロー例からコスト計算方法論を理解

AIクイックスタート

AI対応IDEでプロジェクトを開く
質問する：「コンクリート作業項目とそのコストを表示して」
AIが指示を使用して正しくデータを照会します

書籍: 方法論の詳細は Data-Driven Construction Book をご覧ください

ライセンス — CC BY 4.0

リポジトリ全体は Creative Commons Attribution 4.0 International (CC BY 4.0) の下でライセンスされています。

できること


商用利用	製品、SaaS、アプリ、APIを作成 — 無料、許可不要
コピーと配布	任意の形式でデータを共有
変更と適応	変換、追加、派生作品の作成
AI/MLでの利用	モデルトレーニング、RAGパイプライン、エンベディング
研究での利用	学術論文、レポート、分析

必須事項


帰属表示	使用するたびにソースを必ず明記してください — 以下の例を参照
変更の明記	データを変更した場合、何を変更したかを必ず明記してください
ライセンスの保持	配布時にCC BY 4.0へのリンクを含めてください

帰属表示 — 必須フォーマット

DDC CWICRデータを使用するすべてのプロジェクト、製品、出版物、またはアプリケーションは以下を必ず含める必要があります：

DDC CWICR by Artem Boiko / DataDrivenConstruction
https://github.com/datadrivenconstruction/OpenConstructionEstimate-DDC-CWICR
Licensed under CC BY 4.0

帰属表示の例：

場所	方法
README / ドキュメント	`データソース: DDC CWICR by Artem Boiko / DataDrivenConstruction (CC BY 4.0)`
Webアプリ（フッターまたは「概要」）	`建設コストデータ © Artem Boiko / DataDrivenConstruction — CC BY 4.0`
学術論文	`Boiko, A. (2025). DDC CWICR — Construction Work Items, Costs & Resources. DataDrivenConstruction.`
モバイル / デスクトップアプリ	「概要」画面: `データ: DDC CWICR by DataDrivenConstruction (CC BY 4.0)`
API / SaaS	APIドキュメント: `Powered by DDC CWICR (CC BY 4.0) — datadrivenconstruction.io`

プロジェクトを支援する

これが役立つと思われる場合は、サポートをご検討ください:

建設におけるデータの力を解き放つ
_{統一された構造化データとプロセスのみが残る完全なデータ管理サイクルへ移行}

商標

Autodesk®、Revit®、AutoCAD®、およびDWG™は、Autodesk, Inc.の登録商標または商標です。OpenAI™はOpenAI, Inc.の商標です。QdrantはQdrant Solutions GmbHの商標です。その他のすべてのブランド名、製品名、または商標は、それぞれの所有者に帰属します。

このプロジェクトは、Autodesk、OpenAI、Qdrant、または上記のその他の商標所有者とは一切提携、承認、または後援されていません。

Uh oh!

FilesExpand file tree

README.ja.md

Latest commit

History

README.ja.md

File metadata and controls

DDC CWICR - 建設作業項目、コンポーネント＆リソース + 説明、写真、CAD (BIM) に基づく見積計算のための n8n パイプライン

n8n ワークフロー

テキスト

写真 / PDF

CAD / BIM

目次

AI統合

データベース＆データ

n8n ワークフロー

CAD/BIM パイプライン詳細

ベクトルデータベース

🌐 API

はじめに

コミュニティ

AIプロダクトに最適な燃料

このデータベースがAIに最適な理由

完璧に動作するツール

🎯 DDC Skills

💻 Claude Code & Google Antigravity — AIコーディングアシスタント

n8n — ビジュアルワークフロー自動化

ユニバーサルユースケース

概要

利用可能なフォーマット

データスキーマ

フィールドグループ

コスト計算式

方法論

歴史的背景

統合

ユースケース

n8n ワークフロー — 詳細説明

1️⃣ テキスト見積ボット

今すぐ試す — ライブデモボット

2️⃣ 写真コスト見積ツール

3️⃣ ユニバーサル見積ボット（テキスト + 写真 + PDF）

4️⃣ CAD (BIM) コスト見積パイプライン

前提条件

ワークフロー クイックスタート

ステップ 1: ワークフローをインポート

ステップ 2: 認証情報を設定

ステップ 3: DDC CWICRをQdrantにロード

ステップ 4: アクティブ化＆テスト

n8n 2.0+ セットアップ（必須）

クイックフィックス

セットアップの確認

サポートされている言語＆価格レベル

パイプラインステージ

LLMモデル選択

出力ファイル

Qdrantコレクション

トラブルシューティング

ベクトルデータベース

Qdrantベクトルデータベーススナップショット

コレクション

Dockerデプロイメント

🌐 Pricing Search API — BuildCalculator.io

APIエンドポイント

GET/POST /api/v1/search — 建設作業項目の検索

GET /api/v1/languages — サポート言語一覧

GET /api/v1/stats — データベース統計

APIコード例

クイックスタート

Python - 表形式データ

Python - セマンティック検索

フィルター付き検索

💻 開発者向けサンプル

リソース＆コミュニティ

コンサルティング＆トレーニング

コントリビューション

AI インストラクション

DDC CWICR とは？

リソースベースの方法論

AI インストラクションファイル

DDC CWICR - 建設作業項目、コンポーネント＆リソース
+ 説明、写真、CAD (BIM) に基づく見積計算のための n8n パイプライン

ワークフロークイックスタート

`GET/POST /api/v1/search` — 建設作業項目の検索

`GET /api/v1/languages` — サポート言語一覧

`GET /api/v1/stats` — データベース統計