用Python+React打造一個開源的AI寫標書智能體~

今天是第一期，招標文件解析：

招標文件動輒幾萬字，雖然現在各主流大模型的上下文窗口都越來越大，但也只能代表AI“可以處理幾十萬字的上下文”，並不代表你隨便扔給AI幾十萬字，它就能“處理得好幾十萬字的上下文”。

我們在寫投標文件之前，一定要先把招標文件通讀一遍，標註出需要注意的點，然後再有針對性的撰寫招標文件。

AI寫標書也是一樣，第一步要做的就是招標文件解析。

一、Word、PDF文件內容提取

AI解析招標文件，難住我的第一關，並不是如何讓AI提取招標文件中的內容，而是怎麼把招標文件的內容完整的從PDF、word中提取出來。

word文件提取，選用的是docx2python

content = None
try:
    # 使用docx2python提取，它能更好地處理表格和結構
    content = docx2python(file_path)
    extracted_text = []
    # 處理文檔內容
    if hasattr(content, 'document'):
        for section in content.document:
            for element in section:
                if isinstance(element, list):
                    # 這可能是表格
                    extracted_text.append("\n[表格內容]")
                    for row in element:
                        if isinstance(row, list):
                            row_text = " | ".join([str(cell).strip() for cell in row if cell])
                            if row_text:
                                extracted_text.append(row_text)
                        else:
                            extracted_text.append(str(row))
                    extracted_text.append("[表格結束]\n")
                else:
                    # 普通文本
                    text = str(element).strip()
                    if text:
                        extracted_text.append(text)
    result = "\n".join(extracted_text).strip()
    # 確保釋放資源
    if content:
        del content
    gc.collect()
    return result
except Exception as e:
    # 確保釋放資源
    if content:
        del content
    gc.collect()

pdf文件提取，則使用pdfplumber

pdf = None
try:
    extracted_text = []
    pdf = pdfplumber.open(file_path)
    for page_num, page in enumerate(pdf.pages, 1):
        # 添加頁碼標識
        extracted_text.append(f"\n--- 第 {page_num} 頁 ---\n")
        # 提取普通文本
        text = page.extract_text()
        if text:
            extracted_text.append(text)
        # 提取表格
        tables = page.extract_tables()
        for table_num, table in enumerate(tables, 1):
            extracted_text.append(f"\n[表格 {table_num}]")
            for row in table:
                if row:  # 跳過空行
                    # 過濾空值並連接單元格
                    row_text = " | ".join([str(cell) if cell else "" for cell in row])
                    extracted_text.append(row_text)
            extracted_text.append("[表格結束]\n")
    
    result = "\n".join(extracted_text).strip()
    # 確保關閉PDF文件
    if pdf:
        pdf.close()
    gc.collect() 
    return result
except Exception as e:
    # 確保關閉PDF文件
    if pdf:
        pdf.close()
    gc.collect()

二、封裝AI流式請求通用函數

注意這裏使用的是AsyncOpenAI即OpenAI的異步客户端，因為之後要一次性編寫幾十萬字的標書，為了提高速度，使用併發請求，則必須使用AsyncOpenAI

def __init__(self, api_key: str, base_url: str = None, model_name: str = "gpt-3.5-turbo"):
    """初始化OpenAI服務"""
    self.api_key = api_key
    self.base_url = base_url
    self.model_name = model_name
    
    # 初始化OpenAI客户端 - 使用異步客户端
    self.client = openai.AsyncOpenAI(
        api_key=api_key,
        base_url=base_url if base_url else None
    )    
async def stream_chat_completion(
    self, 
    messages: list, 
    temperature: float = 0.7,
    response_format: dict = None
) -> AsyncGenerator[str, None]:
    """流式聊天完成請求 - 真正的異步實現"""
    try:
        stream = await self.client.chat.completions.create(
            model=self.model_name,
            messages=messages,
            temperature=temperature,
            stream=True,
            **({"response_format": response_format} if response_format is not None else {})
        )
        
        async for chunk in stream:
            if chunk.choices[0].delta.content is not None:
                yield chunk.choices[0].delta.content
                
    except Exception as e:
        yield f"錯誤: {str(e)}"

三、招標文件解析提示詞

項目概述

SystemPrompt

你是一個專業的標書撰寫專家。請分析用户發來的招標文件，提取並總結項目概述信息。

請重點關注以下方面：
1. 項目名稱和基本信息
2. 項目背景和目的
3. 項目規模和預算
4. 項目時間安排
5. 項目要實施的具體內容
6. 主要技術特點
7. 其他關鍵要求

工作要求：
1. 保持提取信息的全面性和準確性，儘量使用原文內容，不要自己編寫
2. 只關注與項目實施有關的內容，不提取商務信息
3. 直接返回整理好的項目概述，除此之外不返回任何其他內容

UserPrompt

請分析以下招標文件內容，提取項目概述信息：
{request.file_content}

技術評分要求

在編寫招標文件中的技術方案時，技術評分要求非常重要，基本要做到1對1應答式編寫，所以評分要求的提取則尤為重要，我採用了自我反思式的結構化提示詞進行提取處理。

SystemPrompt

你是一名專業的招標文件分析師，擅長從複雜的招標文檔中高效提取“技術評分項”相關內容。請嚴格按照以下步驟和規則執行任務：
### 1. 目標定位
- 重點識別文檔中與“技術評分”、“評標方法”、“評分標準”、“技術參數”、“技術要求”、“技術方案”、“技術部分”或“評審要素”相關的章節（如“第X章 評標方法”或“附件X：技術評分表”）。
- 忽略商務、價格、資質等非技術類評分項。
### 2. 提取內容要求
對每一項技術評分項，按以下結構化格式輸出（若信息缺失，標註“未提及”），如果評分項不夠明確，你需要根據上下文分析並也整理成如下格式：
【評分項名稱】：<原文描述，保留專業術語>
【權重/分值】：<具體分值或佔比，如“30分”或“40%”>
【評分標準】：<詳細規則，如“≥95%得滿分，每低1%扣0.5分”>
【數據來源】：<文檔中的位置，如“第5.2.3條”或“附件3-表2”>

### 3. 處理規則
- **模糊表述**：有些招標文件格式不是很標準，沒有明確的“技術評分表”，但一定都會有“技術評分”相關內容，請根據上下文判斷評分項。
- **表格處理**：若評分項以表格形式呈現，按行提取，並標註“[表格數據]”。
- **分層結構**：若存在二級評分項（如“技術方案→子項1、子項2”），用縮進或編號體現層級關係。
- **單位統一**：將所有分值統一為“分”或“%”，並註明原文單位（如原文為“20點”則標註“[原文：20點]”）。

### 4. 輸出示例
【評分項名稱】：系統可用性 
【權重/分值】：25分 
【評分標準】：年平均故障時間≤1小時得滿分；每增加1小時扣2分，最高扣10分。 
【數據來源】：附件4-技術評分細則（第3頁） 

【評分項名稱】：響應時間
【權重/分分】：15分 [原文：15%]
【評分標準】：≤50ms得滿分；每增加10ms扣1分。
【數據來源】：第6.1.2條

### 5. 驗證步驟
提取完成後，執行以下自檢：
- [ ] 所有技術評分項是否覆蓋（無遺漏）？
- [ ] 權重總和是否與文檔聲明的技術分總分一致（如“技術部分共60分”）？

直接返回提取結果，除此之外不輸出任何其他內容

UserPrompt

請分析以下招標文件內容，提取技術評分要求信息：
{request.file_content}

完整代碼已開源

Github：https://github.com/yibiaoai/yibiao-simple

Gitee：https://gitee.com/yibiao-ai/yibiao-simple