Skillget

claude-bid-gen

agent
Guvenlik Denetimi
Uyari
Health Uyari
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 8 GitHub stars
Code Gecti
  • Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

AI 生成工程投标技术标/施工组织设计（Chinese construction tender technical proposals）。Extract→plan→write→assemble→compliance 全流程管道，Agent 通用（Claude Code / Codex / pi / hermas）。

README.md

bid-gen — 投标技术文件生成系统

English

工程类招投标的全流程施工组织设计生成管道，从原始招标 PDF/DOCX 抽取，到机器审校 + 合规检查 + 批量投标相似度防围标。

当前形态：脚本管道 + 智能体编排。可移植到任何支持 prompt + bash 工具调用的智能体（Claude Code / Codex / pi / hermas 等）。

目录结构

bid-gen/
├── README.md                    # 本文件
├── requirements.txt             # Python 依赖（必需 + 可选）
├── .env.example                 # API Key 模板
│
├── commands/
│   └── bid-gen.md               # 主提示词（693 行，Step 0-6 工作流定义）
│
├── skills/bid-gen/references/
│   └── extraction-methodology.md # v2 方法论：四阶段闭环 + 八条铁律 + 历史失败案例
│
├── scripts/                     # 26 个 Python 脚本（管道实现）
│   ├── bid_run.py               # 一键编排（Step 1-6）
│   ├── bid_status.py            # 实时进度（只读）
│   ├── bid_extract.py           # Step 1: PDF/Word/Excel 提取 + 分层视觉 OCR
│   ├── bid_vision.py            #         视觉模型（Qwen-VL / GLM-OCR）封装
│   ├── bid_fingerprint.py       #         PDF 指纹采集
│   ├── bid_skeleton_extract.py  # Step 1.5: 骨架 JSON（evaluation/outline/disqualification）
│   ├── bid_facts_extract.py     #           13 字段事实抽取
│   ├── bid_derive.py            #           Tier 2 派生
│   ├── bid_special_extract.py   #           Tier 4 特殊抽取
│   ├── bid_template_match.py    #           Tier 0 范本匹配
│   ├── bid_brain_translate.py   #           JSON → brain.md 自动翻译
│   ├── bid_plan_verify.py       # Step 2: 三铁律校验
│   ├── bid_chart_specs.py       #         图表规格派生
│   ├── bid_variants.py          # Step 2.5: 批量投标配置
│   ├── bid_writer.py            # Step 3: 章节生成（调下游模型）
│   ├── bid_expand.py            #         章节展开辅助
│   ├── bid_reviewer.py          # Step 3.5: 机器审校
│   ├── bid_assemble.py          # Step 4: DOCX 组装（最大脚本，2450 行）
│   ├── bid_charts.py            #         7 渲染器图表生成（2613 行）
│   ├── bid_charts_selftest.py   #         渲染器自检（14/14 应通过）
│   ├── bid_format_audit.py      #         格式审计
│   ├── bid_input_assemble.py    #         输入组装
│   ├── bid_compliance.py        # Step 5: 废标合规扫描
│   ├── bid_similarity.py        # Step 6: 交叉相似度（仅批量）
│   ├── bid_common.py            # 公共工具
│   └── bid_llm_client.py        # LLM 客户端封装
│
├── configs/
│   ├── bid_llm_config.json      # 6 家模型池（GLM/DeepSeek/Qwen/Kimi/MiniMax/豆包）
│   └── bid_vision_config.json   # 视觉 OCR 七类关键词触发规则
│
├── docs/
│   ├── chart_schemas.md         # 7 种图表渲染器精确 schema
│   └── bid-gen-flowchart.html   # 业务流程图（Mermaid，浏览器打开）
│
└── memory/                      # 经验沉淀（feedback 教训 + 脱敏项目案例）
    ├── feedback_bid_*.md        # 反馈教训（写代码必读）
    ├── reference_bid_*.md       # 参考资料
    └── project_*.md             # 历史项目案例（已脱敏：不含客户名/金额/编号）

部署到新智能体

1. 安装依赖

pip install -r requirements.txt
# macOS: brew install pandoc
# Ubuntu: apt-get install pandoc fonts-noto-cjk

2. 配置 API Keys

cp .env.example .env
# 编辑 .env 填入至少一家 LLM API Key（推荐 GLM_API_KEY + DASHSCOPE_API_KEY）

脚本默认从 ~/.env 加载；如需自定义可设 LLM_ENV_FILE=/path/to/.env。

3. 设置 BID_GEN_HOME（可选）

export BID_GEN_HOME=/absolute/path/to/bid-gen

不设也行 — 所有脚本会自动回落到 Path(__file__).parent.parent（即本目录），配置文件从 configs/ 加载。

4. 健康检查

python $BID_GEN_HOME/scripts/bid_run.py --doctor

显示：Python 包是否齐全、26 个脚本是否完整、API Key 是否配置。

5. 跑一个真实项目

python $BID_GEN_HOME/scripts/bid_run.py /path/to/招标文件目录

bid_run.py 在投标项目目录的 output/.bid_run.state.json 维护 checkpoint，每步 ok/fail/skip。Step 2 必须由 LLM 在对话里手工完成（brain/plan/rules），脚本检测缺失会停下等待。

智能体集成要点

主提示词 commands/bid-gen.md 设计为 Claude Code 的 slash command 格式，使用 $ARGUMENTS 占位符接收用户输入的项目目录路径。集成到 hermas 或其他 agent 时：

  1. 提示词加载：把 commands/bid-gen.md 作为系统提示词的核心模块加载
  2. $ARGUMENTS 替换：把 agent 接收的用户参数（投标项目目录路径）注入到 $ARGUMENTS 占位符
  3. $BID_GEN_HOME 替换：可选 — 如果 agent 不会自动展开环境变量，可在加载提示词时把 $BID_GEN_HOME 替换为本目录绝对路径
  4. memory 加载：把 memory/ 19 个 .md 作为持久知识库（feedback 类是写代码时必须遵守的教训，project 类是真实案例参考）
  5. 工具权限：agent 需要 Bash（运行 Python 脚本）+ Read/Write/Edit（操作 brain/plan/rules .md 和章节 .md）

工作流概览（Step 0-6）

步骤 主脚本 输入 输出
Step 1 bid_extract.py 招标 PDF/DOCX/XLSX extracted/*.txt + 视觉 OCR 段
Step 1.5 bid_skeleton_extract.py extracted/ evaluation_method.json / mandatory_outline.json / disqualification.json
Step 2 （LLM 手工） 三 JSON project_brain.md / chapter_plan.md / disqualification_rules.md
Step 2.4 bid_plan_verify.py brain + plan 三铁律校验报告
Step 2.5 bid_variants.py brain variants.json（批量投标配置）
Step 3 bid_writer.py 或 LLM plan + brain output/[VXX/]0X_*.md
Step 3.5 bid_reviewer.py 章节 .md review.json + 严重性分级
Step 4 bid_assemble.py 章节 .md *.docx
Step 5 bid_compliance.py 章节 .md + docx 合规检查报告.md
Step 6 bid_similarity.py 多家 docx（批量） similarity_matrix.json + 相似度检查报告.md

完整流程图见 docs/bid-gen-flowchart.html（Mermaid，可直接浏览器打开）。

核心原则（来自主提示词）

章节锚点 = 「技术标评分表」 ∪ 「施组编制大纲」（语义并集去重），不使用任何固定章节模板。

  • 评分制项目：评分表为主章节锚点
  • 合格制项目：施组编制大纲为主章节锚点
  • 章节标题字面优先复制评分表/大纲原文，禁止自造、概括
  • 评委按评分表/大纲逐条找章节，找不到对应章节 = 扣分 / 废标

v2 核心规则：brain.md 第 5/6/7 节直接从 Step 1.5 三份 JSON 1:1 翻译，禁止凭印象重写（这是历史三个项目暴露的根因 — 详见 skills/bid-gen/references/extraction-methodology.md）。

维护说明

  • 脚本之间通过目录共置 import（如 from bid_common import ...），所以 scripts/ 下 26 个 .py 必须保持在同一目录
  • 新增依赖：同步更新 requirements.txt 和 scripts/bid_run.py 的 REQUIRED_PKGS / OPTIONAL_PKGS
  • 新增配置：放入 configs/，脚本通过 Path(os.environ.get("BID_GEN_HOME", str(Path(__file__).resolve().parent.parent))) / "configs" / "xxx.json" 引用

版本来源

本仓库由早期的个人 Claude Code skill 部署整理为自包含项目：脚本、提示词、配置、记忆全部收拢在本目录，无外部硬编码路径。

Yorumlar (0)

Sonuc bulunamadi