🏗️ decoration-quote-engine

装修硬装报价引擎 · 已落地生产验证：DXF 墙线拓扑重建 → 工程量提取 → 确定性报价 → HTTP / MCP 服务

Python ezdxf shapely FastAPI MCP Docker

配套智能体项目：interior-ai-agent（LangGraph 编排层，经 MCP 调用本引擎与软装目录）软装单价目录（独立仓库）：soft-mcp-server

✨ 它解决什么问题

装修报价长期依赖人工量房 + Excel 套价，存在三个痛点：

慢且不可复现 —— 同一张户型图，不同设计师出价差异大，客户难以比价。
黑盒 —— 客户看不到「面积怎么来、单价怎么定」，信任成本高。
LLM 幻觉 —— 直接让大模型算钱，金额随温度波动、无法审计。

本引擎用确定性代码替代人工套价：几何算量 + 规则报价全部可复现、可审计，仅在「风格识别」「置信度不足」等少数卡点引入人工确认（HITL）。

📦 它做什么（真实案例 · 南京·新块1）

输入一张量房后的原始墙体图（DWG→DXF，无任何闭合房间线），输出可直接给客户看的硬装 + 软装报价：

新块1.dxf（套内 60.48㎡，两室两厅）
  → 墙线 topo 重建，自动围合 7 个房间 + 干湿区分类
     餐厅/主卧/客厅/次卧=dry，厨房/卫生间/阳台独立分区
  → 门 5 / 窗 5 / 垭口 1 自动识别
  → 硬装报价 标准档 ¥94,806.79（70 项明细）
  → 软装预算 奶油风格 标准档 ¥109,100
  → 客户整装预算 ≈ ¥203,907（硬装 + 软装）

全程零 LLM 调用——算量与算钱都是确定性代码，同一输入永远得到同一输出。

🧱 架构（四层）

┌─────────────────────────────────────────────────────────────┐
│  编排层  interior-ai-agent (LangGraph)                       │
│  intent 解析 / 多轮改价 / HITL 人工确认 / 案例图检索          │
└───────────────┬───────────────────────────┬─────────────────┘
                │ MCP stdio                  │ MCP stdio
                ▼                             ▼
┌───────────────────────────┐   ┌─────────────────────────────┐
│  硬装引擎 (本仓库)         │   │  软装目录 soft-mcp-server     │
│  parse_dxf                │   │  soft_catalog                │
│  compute_quote            │   │  compute_soft_budget         │
│  generate_report          │   └─────────────────────────────┘
└───────────────┬───────────┘
                │ 内部 importlib 加载 soft_prices.py
                ▼
┌───────────────────────────┐
│  A 层  src/service.py      │  FastAPI：/quote /soft /health /reports
│  + Docker / docker-compose │  可被任意前端 / 系统直接 HTTP 调用
└───────────────────────────┘

🧠 核心设计

1. 墙线拓扑重建（src/agents/hard/takeoff.py）

原始墙体图往往没有闭合的房间多段线。本引擎用 shapely.polygonize + networkx 从纯墙线段自动围合房间，再按文字标注 / 面积启发式判定房间功能（厨房 / 卫生间 / 阳台），输出带置信度的工程量 JSON：

ROOM 图层闭合多段线优先（confidence 0.90）
无 ROOM 图层时走 wall_polygonize 墙线围合（confidence 0.75）
confidence < 0.70 触发人工核对（HITL）

2. 规则报价引擎（src/agents/hard/cost.py）

单价表按 zone（dry/wet/kitchen/balcony/all）× basis（计量依据）驱动，内置一线业务规则：

规则	说明
门按套计	木门 1298 元/套；门套按 `2×高+宽` 算延米，入户门单边、垭口双边
瓷砖品牌统一	同空间墙/地砖自动选同一品牌（两种品牌有 200 元小单费）
地面材质分支	铺瓷砖→含铺贴人工、免地垫宝；铺地板→需地垫宝找平、踢脚线赠送
水电分档	1室1厅≤60平 8500；2室以上≤75平 10000；>75平按建筑面积×140（建面=套内/0.75）
石膏板平顶	只算衣柜柜头：投影面积×(柜深/柜高)，非全屋满吊
橱柜/定制柜估算	按套内面积-户型对照表自动估延米/投影面积，可用实测值覆盖
提问点机制	层高、卧室瓷砖还是地板、下沉找平——计算前必须确认

3. 档次分档（tier）—— 激活「预算调高 / 调低」

单价表（config/unit_price_nanjing_mq.csv）每行带 tier 列：最简 / 标准 / 轻奢 / 通用（不分档）。

标准 为锚点（即原南京美全价目表基线）；最简 / 轻奢 缺项时自动回退到 标准，保证任何档位都能算全。
分档价差覆盖：木门、强化地板、瓷砖（300/800 系列）、钛合金门、集成吊顶、开关插座、定制柜等主材。
语义归一：低档/经济→最简，中档/性价比→标准，高档/豪华→轻奢。
同一套工程量下，三档真实金额（新块1）：最简 ¥83,735 / 标准 ¥94,807 / 轻奢 ¥107,596。

4. MCP Server（src/mcp_server/server.py）

引擎以 MCP stdio 协议对外暴露 3 个工具，可被 LangGraph Agent、Claude Desktop、Cursor 等任意 MCP Host 调用：

Tool	输入 → 输出
`parse_dxf`	DXF 路径 → 工程量 JSON + confidence + 房间摘要
`compute_quote`	takeoff JSON + ProjectConfig（层高/地面材质/品牌偏好/tier）→ 报价 JSON
`generate_report`	报价 JSON → 打印友好 HTML

5. A 层 HTTP 服务（src/service.py）

FastAPI 把引擎封装成 HTTP 接口，软装目录经 importlib 按路径加载（规避双 src 包命名冲突），输出自动落盘到 output/，HTML 报价单通过 /reports 静态挂载直接预览。

📁 项目结构

decoration-quote-engine/
├── src/
│   ├── core/                     # 数据模型 / DXF IO / 几何工具 / 配置
│   │   ├── models.py             # Takeoff / HardQuote / ProjectState
│   │   ├── dxf_io.py
│   │   ├── geometry.py
│   │   └── config/               # 单价表加载
│   ├── agents/hard/
│   │   ├── takeoff.py            # DXF 解析 + 墙线拓扑重建 + 工程量提取
│   │   ├── cost.py               # 规则报价引擎（ProjectConfig + zone/basis 匹配）
│   │   └── quote_report.py       # 报价 JSON → HTML
│   ├── mcp_server/server.py      # quote-mcp-server（FastMCP stdio）
│   └── service.py                # A 层 FastAPI：/quote /soft /health /reports
├── config/
│   └── unit_price_template.csv   # 单价表格式模板（真实价目表不入库）
├── output/                       # 运行产物（takeoff/quote/报价单 JSON+HTML）
├── tests/                        # pytest（takeoff 回归 + MCP 全链路冒烟）
├── Dockerfile                    # python:3.13-slim
├── docker-compose.yml            # 挂载 soft-mcp-server，端口 8000
├── .dockerignore
├── requirements.txt              # fastapi / uvicorn / ezdxf / shapely / networkx
├── docs/
│   ├── deploy.md                 # 部署与端点说明
│   └── case_study.md             # 落地复盘（真实数据）
└── 装修报价智能体_技术方案文档.md

🚀 快速开始

A. CLI 跑通整条链路

pip install -r requirements.txt

# 1) DXF → 工程量
python -m src.agents.hard.takeoff path/to/户型.dxf output/takeoff.json

# 2) 工程量 → 硬装报价（需按 config/unit_price_template.csv 准备单价表）
python -m src.agents.hard.cost output/takeoff.json config/你的单价表.csv output/quote.json

# 2b) 带档次：--tier 最简/标准/轻奢
python -m src.agents.hard.cost output/takeoff.json --tier 轻奢 output/quote_lux.json

# 3) 报价 → HTML 报价单
python src/agents.hard/quote_report.py output/quote.json output/quote.html

# 直接起 MCP Server（stdio）
quote-mcp-server

# 测试
pytest tests/ -q

B. HTTP 服务（A 层）

# 设置软装目录仓库路径（docker-compose 通过 SOFT_REPO_PATH 注入）
export SOFT_REPO_PATH=/path/to/soft-mcp-server

uvicorn src.service:app --host 0.0.0.0 --port 8000

端点	方法	说明
`/health`	GET	健康检查
`/quote`	POST	`multipart/form-data`：dxf 文件 + `style`/`tier`/`floor_height`/`city`，返回硬装报价 JSON + `report_url`
`/soft`	POST	JSON：`{style, tier, rooms?}`，返回软装预算 JSON
`/reports/*`	GET	已生成的 HTML 报价单（静态目录）

# 调硬装报价
curl -F "dxf=@新块1.dxf" -F "style=奶油" -F "tier=标准" http://localhost:8000/quote

# 调软装预算
curl -X POST http://localhost:8000/soft -H "Content-Type: application/json" \
  -d '{"style":"奶油","tier":"标准"}'

C. Docker 部署

# 在 docker-compose.yml 中设置 SOFT_REPO_PATH 指向本地 soft-mcp-server
docker compose up --build
# → http://localhost:8000/health

详见 docs/deploy.md。

🧾 真实落地效果（新块1 · 南京）

维度	结果
套内面积	60.48 ㎡
自动围合房间	7 间（4 dry + 厨房 + 卫生间 + 阳台）
门窗识别	门 5 / 窗 5 / 垭口 1
解析方式 / 置信度	wall_polygonize / 0.75（触发人工核对提示）
硬装（标准档）	¥94,806.79（70 项）
软装（奶油·标准档）	¥109,100
客户整装预算	≈ ¥203,907

硬装三档：最简 ¥83,735 / 标准 ¥94,807 / 轻奢 ¥107,596 软装五风格（标准档）：现代简约 ¥98,190 / 奶油 ¥109,100 / 中古 ¥114,555 / 法式 ¥125,465 / 新中式 ¥130,920

完整复盘见 docs/case_study.md，全部原始产物在 output/。

⚠️ 已知边界

单价表基于南京市场（2026），其他城市需替换 config/ 下的价目表
房间围合依赖墙线基本闭合；低置信度结果会在 JSON 中给出 warnings，由上层做人工确认（HITL）
橱柜延米 / 衣柜投影面积默认按户型规则估算，精确报价需实测值覆盖
A 层服务通过 importlib 按文件路径加载软装目录的 soft_prices.py，需正确设置 SOFT_REPO_PATH