用途：该技能面向建筑行业的数据处理自动化，依据 DDC 方法论第 2.3 章，让不具备深入编程知识的专业人员用自然语言描述需求，由大语言模型生成所需的 Python/Pandas 代码，替代手工编写数据转换脚本。
主要能力：涵盖数据导入（Excel、CSV、多工作表）、数据清洗（去重、缺失值填充、类型转换）、数据过滤与聚合（按楼层、类别分组统计）、成本估算（工程量与单价合并计算）、进度分析（解析日期、计算工期、识别延误）、PDF 表格提取、BIM 元素数据分析以及多格式报告导出。
使用方式：三种途径。一是直接使用 ChatGPT/Claude 在线服务，用自然语言提示词描述任务；二是本地运行 Ollama，命令为 ollama pull mistral、ollama pull codellama、ollama pull deepseek-coder，再执行 ollama run mistral "..."；三是使用 LM Studio 图形界面。本地部署安装命令为 curl -fsSL https://ollama.com/install.sh | sh。可结合 LlamaIndex 对公司文档建立索引并查询。推荐 IDE 包括 Jupyter Notebook、Google Colab、VS Code、PyCharm，快速安装命令为 pip install jupyter pandas openpyxl pdfplumber。
适用场景：建筑项目的工程量统计、成本估算、进度延误识别、BIM 数据汇总、PDF 规格书表格提取，以及涉及敏感公司数据时的本地模型处理。
限制：资料未提供具体收费、价格与效果数据；生成的代码需人工验证后再运行；本地模型需自行下载与配置，具体硬件要求暂未提供。