面向建筑行业的 LLM 数据自动化

概述

基于 DDC 方法论（第 2.3 章），本技能利用大语言模型（LLM）实现建筑数据处理的自动化。您无需手动编写数据转换代码，只需用自然语言描述需求，LLM 即可生成所需的 Python/Pandas 代码。

参考书籍：《Pandas DataFrame 和 LLM ChatGPT》

“ChatGPT、LLaMA 等 LLM 模型使不具备深厚编程背景的专业人员也能参与企业业务流程的自动化与优化。” —《Data-Driven Construction》（DDC）一书，第 2.3 章

快速入门

选项 1：在线使用 ChatGPT / Claude

直接用自然语言描述您的数据处理任务：

Prompt: “编写 Python 代码，读取一份包含建筑材料信息的 Excel 文件，
筛选 quantity > 100 的行，并保存为 CSV 文件。”

选项 2：本地运行 LLM（Ollama）

# 从 ollama.com 安装 Ollama
ollama pull mistral

# 执行查询
ollama run mistral “编写 Pandas 代码，计算 total_cost = quantity * unit_price”

选项 3：使用 LM Studio（图形界面）

1. 从 lmstudio.ai 下载安装包
2. 安装后选择一个模型（例如 Mistral、LLaMA）
3. 开始与本地 AI 进行对话

核心概念

DataFrame 作为通用数据格式

import pandas as pd

# 建筑项目以 DataFrame 表示
# 行 = 构件，列 = 属性
df = pd.DataFrame({
    'element_id': ['W001', 'W002', 'C001'],
    'category': ['Wall', 'Wall', 'Column'],
    'material': ['Concrete', 'Brick', 'Steel'],
    'volume_m3': [45.5, 32.0, 8.2],
    'cost_per_m3': [150, 80, 450]
})

# 计算总成本
df['total_cost'] = df['volume_m3'] * df['cost_per_m3']
print(df)

面向建筑任务的 LLM 提示词（Prompts）

数据导入：

“编写代码，导入含施工进度计划的 Excel 文件，
解析日期字段，并构建 Pandas DataFrame”

数据筛选：

“筛选 category 为 ‘Structural’ 且成本超出预算上限 50000 的构件”

数据聚合：

“按楼层对施工数据分组，
分别计算每层的总体积与总成本”

报表生成：

“生成汇总报表：按材料类别分组统计用量，
并导出为带格式的 Excel 文件”

典型应用场景

1. 从 PDF 文档中提取数据

# 向 ChatGPT 发送的 Prompt：
# “编写代码，从 PDF 中提取表格并转为 DataFrame”

import pdfplumber
import pandas as pd

def pdf_to_dataframe(pdf_path):
    """从 PDF 文件中提取表格"""
    all_tables = []
    with pdfplumber.open(pdf_path) as pdf:
        for page in pdf.pages:
            tables = page.extract_tables()
            for table in tables:
                if table:
                    df = pd.DataFrame(table[1:], columns=table[0])
                    all_tables.append(df)

    if all_tables:
        return pd.concat(all_tables, ignore_index=True)
    return pd.DataFrame()

# 使用示例
df = pdf_to_dataframe("construction_spec.pdf")
df.to_excel("extracted_data.xlsx", index=False)

2. 处理 BIM 构件数据

# Prompt：“分析 BIM 构件数据，按类别分组并计算体积”

import pandas as pd

def analyze_bim_elements(csv_path):
    """从 CSV 导出文件分析 BIM 构件数据"""
    df = pd.read_csv(csv_path)

    # 按类别分组
    summary = df.groupby('Category').agg({
        'Volume': 'sum',
        'Area': 'sum',
        'ElementId': 'count'
    }).rename(columns={'ElementId': 'Count'})

    return summary

# 使用示例
summary = analyze_bim_elements("revit_export.csv")
print(summary)

3. 成本估算流水线

# Prompt：“基于工程量与单价，生成成本估算结果”

import pandas as pd

def calculate_cost_estimate(quantities_df, prices_df):
    """
    计算项目成本估算

    参数：
        quantities_df: 包含列 [item_code, quantity] 的 DataFrame
        prices_df: 包含列 [item_code, unit_price, unit] 的 DataFrame

    返回：
        包含成本计算结果的 DataFrame
    """
    # 合并工程量与单价数据
    result = quantities_df.merge(prices_df, on='item_code', how='left')

    # 计算成本
    result['total_cost'] = result['quantity'] * result['unit_price']

    # 添加占比统计
    result['cost_percentage'] = (result['total_cost'] /
                                  result['total_cost'].sum() * 100).round(2)

    return result

# 使用示例
quantities = pd.DataFrame({
    'item_code': ['C001', 'S001', 'W001'],
    'quantity': [150, 2000, 500]
})

prices = pd.DataFrame({
    'item_code': ['C001', 'S001', 'W001'],
    'unit_price': [120, 45, 85],
    'unit': ['m3', 'kg', 'm2']
})

estimate = calculate_cost_estimate(quantities, prices)
print(estimate)

4. 施工进度计划数据处理

# Prompt：“解析施工进度计划，计算工期，并识别延误项”

import pandas as pd
from datetime import datetime

def analyze_schedule(schedule_path):
    """分析施工进度计划中的延误情况"""
    df = pd.read_excel(schedule_path)

    # 解析日期字段
    df['start_date'] = pd.to_datetime(df['start_date'])
    df['end_date'] = pd.to_datetime(df['end_date'])
    df['actual_end'] = pd.to_datetime(df['actual_end'])

    # 计算工期
    df['planned_duration'] = (df['end_date'] - df['start_date']).dt.days
    df['actual_duration'] = (df['actual_end'] - df['start_date']).dt.days

    # 识别延误
    df['delay_days'] = df['actual_duration'] - df['planned_duration']
    df['is_delayed'] = df['delay_days'] > 0

    return df

# 使用示例
schedule = analyze_schedule("project_schedule.xlsx")
delayed_tasks = schedule[schedule['is_delayed']]
print(f"延误任务数：{len(delayed_tasks)}")

本地 LLM 部署（无需联网）

使用 Ollama

# 安装
curl -fsSL https://ollama.com/install.sh | sh

# 下载模型
ollama pull mistral      # 通用型，7B 参数
ollama pull codellama    # 专注代码生成
ollama pull deepseek-coder  # 编程任务表现最佳

# 运行
ollama run mistral “编写 Pandas 代码，基于 project_id 合并两个 DataFrame”

使用 LlamaIndex 加载企业文档

# 将企业文档加载至本地 LLM
from llama_index import SimpleDirectoryReader, VectorStoreIndex

# 读取文件夹下所有 PDF
reader = SimpleDirectoryReader("company_documents/")
documents = reader.load_data()

# 构建可检索索引
index = VectorStoreIndex.from_documents(documents)

# 查询您的文档
query_engine = index.as_query_engine()
response = query_engine.query(
    "标准混凝土配合比规范是什么？"
)
print(response)

推荐 IDE

使用 Jupyter 快速搭建环境

pip install jupyter pandas openpyxl pdfplumber
jupyter notebook

最佳实践

1. 从简单开始：使用清晰、具体的提示词启动
2. 持续迭代：根据输出结果不断优化提示词
3. 务必验证：运行前始终检查生成代码的正确性与安全性
4. 做好记录：保存已验证有效的提示词以供复用
5. 保障安全：涉及敏感企业数据时，请优先使用本地 LLM

常用提示词库

数据导入

• “读取 Excel 文件并显示前 10 行”
• “以自定义分隔符与编码方式导入 CSV”
• “将多个 Excel 工作表加载为 DataFrame 字典”

数据清洗

• “基于 element_id 去除重复行”
• “用各列均值填充缺失值”
• “将某列转为数值类型，并妥善处理异常值”

数据分析

• “计算数值型列的描述性统计信息”
• “分析成本与工期之间的相关性”
• “使用 IQR 方法识别离群值”

数据导出

• “导出为含多个工作表的 Excel 文件”
• “以指定编码保存为 CSV 文件”
• “生成格式化 PDF 报告”

参考资料

• 图书：Artem Boiko 著《Data-Driven Construction》，第 2.3 章
• 网站：https://datadrivenconstruction.io
• Pandas 官方文档：https://pandas.pydata.org/docs/
• Ollama：https://ollama.com
• LM Studio：https://lmstudio.ai
• Google Colab：https://colab.research.google.com

后续步骤

• 参阅 pandas-construction-analysis 获取高级 Pandas 操作示例
• 参阅 pdf-to-structured 了解文档结构化处理方案
• 参阅 etl-pipeline 掌握自动化数据流水线构建方法
• 参阅 rag-construction 学习如何在建筑文档上实现 RAG 应用