招标文件智能生成Agent【附带源码】

该文章已生成可运行项目,

传统招标文件撰写依赖专业人员经验,耗时数天且标准不一,尤其在AI项目招标中,技术参数、评审标准、知识产权条款等专业内容易遗漏或不规范。本系统面向AI项目招标场景,采用7个Agent(需求解析Agent、招标公告撰写Agent、技术需求书撰写Agent、招标文件格式整理Agent、标的评审方案Agent、标的合同草案撰写Agent 和 汇总整合Agent)串行流水线协作模式,用户仅需输入一段话的建设需求,系统即可自动完成需求解析、招标公告、技术需求书、投标文件格式、评审办法、合同草案等全流程生成。通过智能化的需求结构化提取和跨板块一致性校验,确保招标文件的完整性和专业性,将传统数天的工作压缩至分钟级,大幅提升招标效率和质量。

作者:百度 谭文涛

图片

面向AI项目招标场景的智能文件撰写系统,7个Agent串行流水线协作,自动生成完整招标文件。

系统架构

用户输入 → [需求解析] → [招标公告] → [技术需求书] → [投标文件格式] → [评审办法] → [合同草案] → [汇总整合] → 完整招标文件

Agent清单

#

Agent

职责

AI项目关注重点

1

需求解析

自由文本 → 结构化JSON

数据/算法/算力三要素提取

2

招标公告

生成招标公告

供应商AI案例要求、联合体规则

3

技术需求书

生成技术需求书(核心)

数据规范、算法指标、算力环境

4

投标文件格式

生成格式规范

技术架构自解释力、实施计划模板

5

评审办法

生成评审标准

技术参数权重(≥60%)、算法性能评分

6

合同草案

生成合同草案

知识产权归属、数据使用权、SLA

7

汇总整合

合并+一致性校验

跨板块指标一致性校验

快速开始

1. 安装依赖

pip install requests

2. 运行

# 默认使用百度千帆LLM
python3 main.py "某省政务服务平台大模型智能问答系统建设项目,预算500万元,要求支持政务领域知识图谱,响应时间不超过2秒,并发用户数不低于1000,项目周期12个月,知识产权归采购方所有"

# 切换到本地Ollama
python3 main.py --ollama "某省政务服务平台大模型智能问答系统建设项目,预算500万元,要求支持政务领域知识图谱,响应时间不超过2秒,并发用户数不低于1000,项目周期12个月,知识产权归采购方所有"

# 从文件读取需求描述
python3 main.py --file requirements.txt
python3 main.py --file 'docs/requirements.pdf'

# 查看帮助
python3 main.py help

3. 输出

所有输出保存在 output/ 目录:

文件

说明

bidding_document.md

完整招标文件(Markdown)

bidding_document.html

可视化报告(HTML)

structured_requirements.json

结构化需求(JSON)

01_招标公告.md

 ~ 05_合同草案.md

各板块独立文件

execution_stats.json

执行统计

配置

环境变量

# LLM后端选择
export LLM_PROVIDER=qianfan      # qianfan 或 ollama

# 千帆API
export QIANFAN_API_KEY=your_api_key
export QIANFAN_MODEL=ernie-x1-turbo-32k

# Ollama
export OLLAMA_BASE_URL=http://localhost:11434
export OLLAMA_MODEL=qwen2.5:7b

配置文件

修改 config.py 中的默认值。

项目结构

bidding-doc-generator/
├── main.py                      # 主入口
├── config.py                    # 全局配置
├── core/
│   ├── llm_client.py            # LLM调用(千帆+Ollama双后端)
│   ├── prompt_loader.py         # 提示词加载器
│   ├── orchestrator.py          # 串行流水线编排器
│   └── html_report.py           # HTML报告生成器
├── agents/
│   ├── base_agent.py            # Agent基类(提示词从MD加载)
│   ├── requirement_parser.py    # 需求解析Agent
│   ├── announcement_writer.py   # 招标公告Agent
│   ├── tech_spec_writer.py      # 技术需求书Agent
│   ├── bid_format_writer.py     # 投标文件格式Agent
│   ├── evaluation_writer.py     # 评审办法Agent
│   ├── contract_writer.py       # 合同草案Agent
│   └── integration_agent.py     # 汇总整合Agent
├── prompt/                      # 提示词目录(Markdown)
│   ├── requirement_parser.md
│   ├── announcement_writer.md
│   ├── tech_spec_writer.md
│   ├── bid_format_writer.md
│   ├── evaluation_writer.md
│   ├── contract_writer.md
│   └── integration_agent.md
├── output/                      # 输出目录
└── docs/
    └── design.md                # 设计文档

提示词管理

各Agent的提示词以Markdown文件形式存储在 prompt/ 目录,Agent初始化时自动加载。修改提示词只需编辑对应MD文件,无需改动代码。

LLM后端

后端

模型

认证

端点

百度千帆

ernie-x1-turbo-32k

bce-v3 API Key

/v2/chat/completions

本地Ollama

qwen2.5:7b

/v1/chat/completions

降级策略

每个Agent都内置规则引擎兜底模板,当LLM调用失败时自动降级,确保系统可用性。

项目源码

详见文章顶部绑定资源包

本文章已经生成可运行项目
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

twt250

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值