從工程量清單（BOQ）到 AI 訓練數據

工程量清單（BOQ）是建築成本估算的骨幹。它們列出項目中的每一種材料、勞工項目和活動，包含數量、單價和金額。對於建築行業的 AI 應用——成本預測、自動估算、工程量核對驗證——BOQ 是主要的訓練數據來源。

問題是：BOQ 的格式極其不統一，將其轉換為結構化訓練數據需要處理格式差異、嵌套層次結構和領域特定術語。本指南介紹了實際操作管線。

BOQ 格式問題

一家建築公司可能擁有以下所有格式的 BOQ：

Excel 試算表，列佈局各異，帶有合併儲存格和彩色編碼的分節
PDF 匯出，來自估算軟體（CostX、Bluebeam、PlanSwift）
掃描紙質文件，來自舊項目
CSV 匯出，來自 ERP 系統
Word 文件，帶有手動創建的表格

即使在同一格式內，結構也各不相同：

承包商 A 的 BOQ： | 項目號 | 描述 | 單位 | 數量 | 單價 | 金額 |

承包商 B 的 BOQ： | 參考 | 工程項目 | 計量單位 | 數量 | 單位價格 | 總價 | 備註 |

相同的信息，不同的列名，不同的順序，不同的粒度。在數百個項目中乘以這個差異，標準化挑戰的規模就變得清晰了。

管線第一階段：攝入和表格提取

對於 Excel/CSV 文件

解析工作表，識別標題行（標題行不一定是第一行）
處理合併儲存格（節標題通常跨越多列）
偵測並保留層次結構（節 → 子節 → 項目 → 子項目）
處理單個工作簿中的多個 BOQ 工作表

對於 PDF 文件

使用佈局分析進行表格偵測（識別網格結構、對齊列）
處理多行儲存格內容的儲存格提取
標題識別（區分列標題與數據行）
跨頁偵測（跨多頁的表格）

對於掃描文件

帶表格感知處理的 OCR
用於表格網格識別的線條偵測
字元置信度評分（標記低置信度提取以供審查）
處理印刷文字旁邊的手寫注釋

管線第二階段：標準化

提取表格後，原始數據需要標準化：

列映射

將各種列名映射到標準架構：

「描述」/「工程項目」/「工程說明」→ description
「單位」/「計量單位」/「U/M」→ unit
「數量」/「估計數量」→ quantity
「單價」/「單位價格」/「單位費率」→ unit_rate
「金額」/「總價」/「總計」→ amount

單位標準化

建築行業使用大量不一致的單位縮寫：

"m3" / "cu.m" / "CUM" / "cubic meter" → m³
"sqm" / "sq.m" / "SQM" / "m2" → m²
"nr" / "no" / "nos" / "each" / "ea" → nr
"rm" / "r.m" / "running meter" / "lm" → rm

層次重建

BOQ 項目是層次性的，但層次結構通常是隱含的：

節號（1.0、1.1、1.1.1）編碼了親子關係
某些格式中縮排層次表示層次結構
粗體/字體大小格式區分節與項目
「合計」和「小計」行表示層次邊界

重建這個層次結構至關重要——它為每個項目提供了上下文。「基礎」下的「混凝土」與「上部結構」下的「混凝土」是不同的。

數值處理

移除千位分隔符（因地區而異：逗號、句點、空格）
解析貨幣符號並標準化
處理計算字段（金額 = 數量 × 單價）並標記不一致
在需要時在測量系統之間轉換

管線第三階段：標注

有了標準化數據，領域專家對記錄進行標注：

工種分類

每個 BOQ 項目映射到一個建築工種：

土木/結構、機械、電氣、管道、HVAC、裝修、景觀等
這種分類支持特定工種的成本模型

材料 vs. 勞工 vs. 設備

BOQ 項目通常將這些捆綁在一起，但 AI 模型受益於區分：

「供應並安裝結構鋼」→ 材料 + 勞工
「鋼結構吊裝起重機租賃」→ 設備
「60 級鋼筋」→ 材料

標準化項目編碼

在適用的情況下映射到標準分類系統：

UniFormat（用於建築元素）
MasterFormat（用於工程成果）
公司特定編碼系統

品質標記

完整性（項目是否包含所有必填字段？）
一致性（金額是否等於數量 × 單價？）
合理性（費率是否在此類型項目的預期範圍內？）

管線第四階段：匯出

標注和標準化的 BOQ 數據根據下游 AI 用例匯出為不同格式：

用於成本估算模型（JSONL）：

{"description": "供應並安裝鋼筋...", "trade": "structural", "unit": "kg", "rate_usd_per_unit": 1.85, "context": "foundations/piling"}

用於文件分類（JSONL）：

{"text": "1.1.3 岩石開挖...", "label": "civil_earthworks"}

用於 RAG 知識庫（分塊文本）： 帶有工種/節元數據的結構化塊，用於檢索增強生成。

領域專家的要求

這個管線不能單靠 ML 工程師運行。標準化規則、工種分類和品質判斷需要建築領域知識：

「C30 等級混凝土」與「30 MPa 混凝土」是否相同？（是的，但只有結構工程師才知道。）
「不可預見地質條件暫定金額」是否應包含在訓練數據中？（取決於模型的目的。）
混凝土的費率 500 美元/m³ 合理嗎？（取決於地區、項目類型和年份。）

這就是為什麼數據準備工具需要對工料測量師和項目經理可用——而不是鎖在 Python 腳本和 CLI 界面後面。像 Ertas Data Suite 這樣的平台將領域專家直接置於標注工作流中，這是他們的知識對訓練數據品質影響最大的地方。

入門

如果您擁有一批 BOQ 並想建立 AI 訓練數據：

從原生數字文件（Excel/CSV）開始——它們比掃描 PDF 更容易處理
在開始處理前定義您的目標架構
在標注架構設計中邀請工料測量師參與
從單一項目類型開始建立管線，然後擴展
預期需要迭代——第一遍處理會揭示您沒有預見到的格式差異