用Python+React打造一个开源的AI写标书智能体~
今天是第一期，招标文件解析：
招标文件动辄几万字，虽然现在各主流大模型的上下文窗口都越来越大，但也只能代表AI“可以处理几十万字的上下文”，并不代表你随便扔给AI几十万字，它就能“处理得好几十万字的上下文”。
我们在写投标文件之前，一定要先把招标文件通读一遍，标注出需要注意的点，然后再有针对性的撰写招标文件。
AI写标书也是一样，第一步要做的就是招标文件解析。
一、Word、PDF文件内容提取
AI解析招标文件，难住我的第一关，并不是如何让AI提取招标文件中的内容，而是怎么把招标文件的内容完整的从PDF、word中提取出来。
word文件提取，选用的是docx2python
content = None
try:
# 使用docx2python提取，它能更好地处理表格和结构
content = docx2python(file_path)
extracted_text = []
# 处理文档内容
if hasattr(content, 'document'):
for section in content.document:
for element in section:
if isinstance(element, list):
# 这可能是表格
extracted_text.append("\n[表格内容]")
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("[表格结束]\n")
else:
# 普通文本
text = str(element).strip()
if text:
extracted_text.append(text)
result = "\n".join(extracted_text).strip()
# 确保释放资源
if content:
del content
gc.collect()
return result
except Exception as e:
# 确保释放资源
if content:
del content
gc.collect()
pdf文件提取，则使用pdfplumber
pdf = None
try:
extracted_text = []
pdf = pdfplumber.open(file_path)
for page_num, page in enumerate(pdf.pages, 1):
# 添加页码标识
extracted_text.append(f"\n--- 第 {page_num} 页 ---\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: # 跳过空行
# 过滤空值并连接单元格
row_text = " | ".join([str(cell) if cell else "" for cell in row])
extracted_text.append(row_text)
extracted_text.append("[表格结束]\n")
result = "\n".join(extracted_text).strip()
# 确保关闭PDF文件
if pdf:
pdf.close()
gc.collect()
return result
except Exception as e:
# 确保关闭PDF文件
if pdf:
pdf.close()
gc.collect()
二、封装AI流式请求通用函数
注意这里使用的是AsyncOpenAI即OpenAI的异步客户端，因为之后要一次性编写几十万字的标书，为了提高速度，使用并发请求，则必须使用AsyncOpenAI
def __init__(self, api_key: str, base_url: str = None, model_name: str = "gpt-3.5-turbo"):
"""初始化OpenAI服务"""
self.api_key = api_key
self.base_url = base_url
self.model_name = model_name
# 初始化OpenAI客户端 - 使用异步客户端
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]:
"""流式聊天完成请求 - 真正的异步实现"""
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"错误: {str(e)}"
三、招标文件解析提示词
项目概述
SystemPrompt
你是一个专业的标书撰写专家。请分析用户发来的招标文件，提取并总结项目概述信息。
请重点关注以下方面：
1. 项目名称和基本信息
2. 项目背景和目的
3. 项目规模和预算
4. 项目时间安排
5. 项目要实施的具体内容
6. 主要技术特点
7. 其他关键要求
工作要求：
1. 保持提取信息的全面性和准确性，尽量使用原文内容，不要自己编写
2. 只关注与项目实施有关的内容，不提取商务信息
3. 直接返回整理好的项目概述，除此之外不返回任何其他内容
UserPrompt
请分析以下招标文件内容，提取项目概述信息：
{request.file_content}
技术评分要求
在编写招标文件中的技术方案时，技术评分要求非常重要，基本要做到1对1应答式编写，所以评分要求的提取则尤为重要，我采用了自我反思式的结构化提示词进行提取处理。
SystemPrompt
你是一名专业的招标文件分析师，擅长从复杂的招标文档中高效提取“技术评分项”相关内容。请严格按照以下步骤和规则执行任务：
### 1. 目标定位
- 重点识别文档中与“技术评分”、“评标方法”、“评分标准”、“技术参数”、“技术要求”、“技术方案”、“技术部分”或“评审要素”相关的章节（如“第X章 评标方法”或“附件X：技术评分表”）。
- 忽略商务、价格、资质等非技术类评分项。
### 2. 提取内容要求
对每一项技术评分项，按以下结构化格式输出（若信息缺失，标注“未提及”），如果评分项不够明确，你需要根据上下文分析并也整理成如下格式：
【评分项名称】：<原文描述，保留专业术语>
【权重/分值】：<具体分值或占比，如“30分”或“40%”>
【评分标准】：<详细规则，如“≥95%得满分，每低1%扣0.5分”>
【数据来源】：<文档中的位置，如“第5.2.3条”或“附件3-表2”>
### 3. 处理规则
- **模糊表述**：有些招标文件格式不是很标准，没有明确的“技术评分表”，但一定都会有“技术评分”相关内容，请根据上下文判断评分项。
- **表格处理**：若评分项以表格形式呈现，按行提取，并标注“[表格数据]”。
- **分层结构**：若存在二级评分项（如“技术方案→子项1、子项2”），用缩进或编号体现层级关系。
- **单位统一**：将所有分值统一为“分”或“%”，并注明原文单位（如原文为“20点”则标注“[原文：20点]”）。
### 4. 输出示例
【评分项名称】：系统可用性
【权重/分值】：25分
【评分标准】：年平均故障时间≤1小时得满分；每增加1小时扣2分，最高扣10分。
【数据来源】：附件4-技术评分细则（第3页）
【评分项名称】：响应时间
【权重/分分】：15分 [原文：15%]
【评分标准】：≤50ms得满分；每增加10ms扣1分。
【数据来源】：第6.1.2条
### 5. 验证步骤
提取完成后，执行以下自检：
- [ ] 所有技术评分项是否覆盖（无遗漏）？
- [ ] 权重总和是否与文档声明的技术分总分一致（如“技术部分共60分”）？
直接返回提取结果，除此之外不输出任何其他内容
UserPrompt
请分析以下招标文件内容，提取技术评分要求信息：
{request.file_content}
京ICP备14020293号-4