Кейс: "👷 Журнал прораба | Задачи и фотоотчёты по проекту"

Бесплатное приложение и автоматизированная система передачи плана работ от менеджера прорабу или исполнителю на строительной площадке через Telegram бота с последующим сбором отчетности о выполнении.

▪️ Напоминания (каждую минуту проверяются) отправляются по времени из таблицы
- Менеджер проекта составляет план задач → Заносит задачи и нужные отчёты в Google Sheets
- n8n проверяет таблицу (Google Sheets) → Ищет запланированные фотоотчеты и задачи для каждого исполнителя
- Бот отправляет напоминания → Прораб или исполнитель на объекте получает список задач и документов для фотоотчётов
- Любые типы задач и отчетов: например журнал работ, сварка, бетон, техника, бухгалтерия

▪️ Процесс отправки статусов задач и отчётов
- Прораб или получатель отвечает на напоминание в виде телеграмм сообщения
- Добавляет комментарий (к задачам) или прикрепляет фото документа (если фотоотчёт)
- Комментарий уходит автоматически в таблицу менеджеру
- Фото загружается в Google Drive → Автоматическое сохранение
- Все данные об отправке и получении записываются → Обратно в Google Sheets


➡️ Чат бот по работе (для прораба или исполнителя):
@BuildLogBot

➡️ Ссылка на таблицу с задачами и отчётами (для менеджера проекта):
https://docs.google.com/spreadsheets/d/15ewB_Z_I0e3bwenniDCc6aQSnfCUsLRLZjidvn9FCHU

📥 Бесплатный pipeline JSON для n8n приложения и инструкции к его установке будут выставлены позже - после тестирования

📑 Начало обсуждения задачи для n8n в группе:
https://t.me/n8n_pipelines/831

Видео по работе и тестированию приложения ⬇️

Видео работы приложения "👷 Журнал прораба | Задачи и фотоотчёты по проекту"

🔗 Ссылки на наше сообщество "🤖 n8n Development".

📢 Канал:
https://t.me/n8ndevelopment
Здесь публикуются важные новости, обновления и кейсы по n8n. Только по делу, без флуда.

💬 Чат:
https://t.me/n8n_pipelines
Обсуждения, вопросы, помощь и обмен опытом между участниками.

Если вы хотите только получать новости — подпишитесь на канал. Если вас интересует опубликованная в канале новость или у вас появились вопросы — переходите в чат чтобы обсудить

——————————

🚀 Начинает строится новый мир, где разработчики станут тратить время на идеи, а не на «проталкивание» данных между сервисами и закрытыми системами.

🤝 Поделитесь с теми, кто устал от сложных решений и хочет создавать рабочие процессы проще и быстрее. n8n — это путь к свободе в разработке - помогите другим открыть мир автоматизации! Поделитесь ссылкой на канал или чат с коллегами, друзьями и теми, кто хочет начать автоматизировать задачи с помощью n8n.

n8n Wokflow ⚡️ Пакетное преобразование и обработка файлов CAD-BIM

Раньше для автоматического преобразования файлов CAD-BIM требовались инструменты поставщиков и много ручных операций в специальных интерфейсах. Теперь, благодаря открытому и бесплатному n8n конвейеру, вы можете пакетно обрабатывать любое количество файлов RVT, IFC, DWG или DGN — за считанные минуты, в автономном режиме, без подключения к Интернету, инструментов вендоров CAD и плагинов.

Конвейер n8n:
1️⃣ Сканирует папки в поисках файлов (с поддержкой подпапок)
2️⃣ Конвертирует каждый файл в базу данных XLSX (полное извлечение данных) и DAE (3D-геометрия)
3️⃣ Проверяет результаты (наличие файлов, размеры)
4️⃣ Генерирует и открывает автоматчиески HTML-отчет с метриками: коэффициент успешности, время, размеры

Реальные результаты:
⚠️ Ручной процесс: 5 минут на файл × 100 файлов = 8+ часов
✅ Автоматизированный конвейер: обрабатывает 100 Мб в минуту, работает ночью = 0 часов вашего времени

Через подобный pipeline я конвертировал и обработал 4,596 IFC, 6,471 Revit и почти 140 тыс. файлов CAD одним нажатием кнопки, чтобы перевести все эти проекту в одну базу данных (https://www.kaggle.com/code/artemboiko/5000-projects-ifc-rvt-datadrivenconstruction-io)

Почему вы будете рано или поздно использовать автоматизированный workflow:
- Единый процесс: обрабатывает все основные форматы/версии в одном рабочем процессе приводя их в единые структуированные форматы
- Открытый исходный код процесса: построен на n8n + Python — прозрачный, независимый от поставщиков
- Простая настройка: используйте LLM (ChatGPT/Claude) для добавления функций; загрузите примеры рабочих процессов с нашего GitHub для справки
- Конфиденциальность данных: работает локально, без интернета, не требует загрузки

Типичные случаи использования:
- архивирование проектов
- передача данных в инструменты BI
- автоматизация еженедельных преобразований

Начните через 10 минут:
1️⃣ Установите node.js b и в терминале запусктите npx n8n (бесплатно, с открытым исходным кодом)
2️⃣ Импортируйте наш документированный рабочий процесс как JSON
3️⃣ Установите пути к папкам c файлами Ревит, IFC, DWG
4️⃣- Нажмите «Запустить»

Забудьте о головной боли с пакетной обработкой CAD/BIM файлов и их организацией. Откройте для себя n8n — мощный инструмент визуальной автоматизации, который превратит ваши рутинные процессы в понятные и удобные workflow-схемы.

Workflow находится под номером 3 в репозитории:
🔗 https://github.com/datadrivenconstruction/cad2data-Revit-IFC-DWG-DGN-pipeline-with-conversion-validation-qto
Файл: n8n_3_CAD-BIM-Batch-Converter-Pipeline.json

Поддерживаемые версии:
✅ Revit 2015–2025
✅ IFC (2x3, 4.1–4.X)
✅ DWG и DGN все версии

Есть вопросы или нужна помощь команды или если у вас есть идеи по тому что вы хотите автоматизировать в работе с CAD-BIM данными пожалуйста напишите в комментариях или отправьте мне личное сообщение.

♻️ Пожалуйста не стесняйтесь перепостить для коллег, работающих с потоками данных в форматах CAD-BIM.

Бесплатное n8n приложение: Менеджмент проекта: универсальная система управления задачами и отчётами через телеграмм и таблицу

Универсальный автоматизированный бесплатный workflow на базе n8n, предназначенный для управления задачами и отчётами в любых отношениях "менеджер-исполнитель". Система использует Telegram-бота как удобный интерфейс для взаимодействия, Google Sheets (или можно подключить к любым другим таблицам) для хранения данных и автоматических напоминаний о задачах и отчётах.

🤖 Демо-бот менеджмента задач: https://t.me/ProjectDiaryBot
▪️ Таблица с задачами и отчётами: https://docs.google.com/spreadsheets/d/14V795nago6Qt7PpECflnuFSTdTvwo-fWEG_n83wgKug
▪️ Видео демонстрации работы: https://t.me/n8n_pipelines/1660

Система подходит для любых отношений "менеджер-исполнитель", где нужно ставить задачи, отслеживать выполнение и собирать отчёты. Система позволяет начать с минимального описания задачи (ID, название, исполнитель, время) и дополнять её реальными данными исполнителя (статус, фото, комментарии, GPS), что делает её универсальной для любых сценариев:

♻️ Строительство. Менеджер проекта и прорабы-подрядчики:
-> Менеджер: Назначает задачи (например, "Уложить плитку 10 м²") и запрашивает фотоотчёты (журнал работ, сварка).
<- Исполнитель: Отправляет статус ("выполнено"), фото и GPS стройплощадки.
Дополнения: Погода, комментарии о проблемах (например, "нет материалов").

♻️ Офис. Менеджер проекта и сотрудники-исполнители:
-> Менеджер: Назначает задачи ("Подготовить презентацию к 15:00") с приоритетами.
<- Исполнитель: Отвечает статусом ("готово") и прикрепляет файл/скриншот.
Дополнения: Комментарии о прогрессе или проблемах.

Начало обсуждения технического задания workflow менеджера задач n8n в группе "n8n Development": https://t.me/n8n_pipelines/831

Скачать полный n8n workflow и инструкции по установки бесплатного приложения:
📥 GitHub: https://github.com/boikoartem/Project-management-with-task-management-and-photo-reports

Англоязычная версия приложения:
📥 GitHub: Project Management: Universal Task and Report Management System
https://github.com/datadrivenconstruction/Project-management-n8n-with-task-management-and-photo-reports

n8n приложение от пользователя Dimon @yobozavrik:
RAG Image Superbase – Изображение + Текст Pipeline

Цель:
Автоматическая обработка PDF-документов с изображениями для извлечения визуального и текстового контента, аннотирования, конвертации и сохранения в векторное хранилище (Supabase) для последующего поиска и анализа.

🔄 Логика пайплайна:
1. Загрузка PDF-документа по URL.
2. Отправка файла в Mistral API для OCR-обработки:
3. Извлечение текста.
4. Извлечение изображений (в base64) и генерация аннотаций к ним.
5. Разделение документа на страницы и изображения.
6. Конвертация изображений и загрузка их в Supabase Storage.
7. Замена локальных ссылок на изображения в тексте на хостинг-ссылки Supabase + аннотация.
8. Разделение текста, генерация эмбеддингов (OpenAI).
9. Сохранение текстов и эмбеддингов в Supabase Vector Store (documents2).

🧩 Потенциальное применение:
- AI-поиск по PDF-документам с изображениями (мануалы, инструкции, отчёты).
- Визуальное аннотирование с возможностью поиска по описанию изображений.
- Поддержка RAG-архитектуры для ассистентов с визуальной памятью.
- Обработка технических или маркетинговых документов с визуальными схемами.

Начало обсуждения кейса в группе: https://t.me/n8n_pipelines/2406

Приложение от Сергей Пермяков - @Serger01:
🗣 Telegram Voice Message Transcriber
Автоматическая транскрибация голосовых сообщений через локальный Whisper-сервер.

📌 Назначение
Этот n8n-воркфлоу реализует приём голосовых сообщений от Telegram-бота, выполняет их транскрибацию через локальный Python-сервер, использующий Whisper, и возвращает результат в тот же чат в виде текстового ответа. Подходит для рабочих чатов, где часто используются голосовые сообщения, обеспечивая быстрый отклик и возможность поиска по содержанию.

🔄 Логика работы
▫️ Telegram Trigger отслеживает новые сообщения
▫️ Условие проверяет, что сообщение — voice и с длительностью > 0
▫️ Загружается файл через Telegram API (getFile по file_id)
▫️ Отправляется POST-запрос на локальный Whisper-сервер (/transcribe)
▫️ Результат возвращается ответом в чат

⚙️ Инфраструктура
- n8n — оркестрация логики
- Telegram Bot API — обработка сообщений и медиа
- Локальный Python-сервер — FastAPI + openai-whisper
- Whisper — локальная ASR-модель (Automatic Speech Recognition)

💡 Сценарии использования
🔹 Голосовые в рабочих чатах → в текст для быстрого поиска
🔹 Транскрибация звонков менеджеров → саммари → в CRM
🔹 Автоответы на основе голосовых команд

📎 Дополнительно
🔹 Пример бота: @desarInput_bot
🔹 В текущей версии нет ограничения по chat_id — может быть добавлено при необходимости

⚡️ Whisper работает локально на домашнем ПК с RTX 3090 в соседней комнате — быстро, без клауда и с уважением к приватности.

Начало обсуждения приложения: https://t.me/n8n_pipelines/2754

⚡️ Бесплатное приложение n8n workflow:
АВТОМАТИЧЕСКАЯ ОЦЕНКА СТОИМОСТИ ГРУПП И ВСЕГО ПРОЕКТА С LLM (работает с Revit, IFC, DWG)
Автор: Артём Бойко (@artemboikoo)

Описание
Это готовое решение на n8n, которое позволяет автоматически рассчитать стоимость разных групп элементов и всего строительного проекта на основании данных из файлов Revit, IFC или DWG. Внутри используются LLM (такие как Grok, OpenAI, Anthropic) — они автоматически классифицируют материалы, ищут цены по базам и онлайн-источникам, а также формируют отчеты в удобном виде.

Как работает pipeline:
1️⃣ Конвертация и загрузка данных
— Файлы Revit/IFC/DWG автоматически конвертируются в Excel-таблицу (DataFrame)
— LLM для каждого параметра в проекте определяет функцию, которую необходимо применить при группировке данных проекта
— Данные очищаются и группируются по выбранному параметру (например, "Type Name", "IfcType" или любого другого)

2️⃣ Классификация элементов
— LLM определяет, какие элементы строительные, а какие нет, и убирает нерелевантные

3️⃣ Анализ материалов и цен
— Каждая группа анализируется отдельно: определяется материал, объем, находятся актуальные цены (например, через базы RSMeans, ÖKOBAUDAT)
— Cчитаетcy итоговая стоимость и уровень уверенности. В ноде "Prepare Enhanced Prompts" можно уточнить промты, чтобы добиться качественных данных по ценам

4️⃣ Генерация отчетов
— Формируется HTML-отчет с диаграммами и Excel-файл с отдельными листами (Summary, Detailed Elements, Material Summary, Top 10 Groups).
— Все отчёты сохраняются в указанную папку проекта

Цель приложения:
• Экономит время и снижает риск ошибок при оценке стоимости
• Не нужно искать цены вручную — всё делает AI LLM
• Учитывает страну, можно работать с локальными или международными базами
• Легко масштабируется — можно обрабатывать тысячи элементов, данные разбиваются на батчи
• Поддержка разных форматов и параметров группировки
• Гибкая настройка под разные задачи

Как начать работу:
• Импортируйте JSON-файл workflow в n8n
• В блоке "Setup - Define file paths" укажите:
— путь к конвертеру и исходному файлу
— нужный параметр группировки (например, "Type Name" или "IfcType")
— страну для выбора цен (например, Germany, Russia и др.)
• Добавьте свои API-ключи (OpenAI, Anthropic, xAI и выберите подходящие модели)
• Запустите workflow — готовые отчёты появятся в вашей папке

Начало обсуждение кейса: t.me/n8n_pipelines/2020
Репозиторий с workflow: github.com/datadrivenconstruction/cad2data-Revit-IFC-DWG-DGN-pipeline-with-conversion-validation-qto
Файл: n8n_5_Construction_Price_Estimation_with_LLM_for_Revt_and_IFC.json