写过标书的人都知道一件事:让 AI 一次性生成整本技术标,结果要么漏答评分点、要么踩到废标条款。问题不在于 AI 不够聪明,而在于"标书编制"本质上是一个合规问题——它需要严格的流程、可追溯的决策、逐项应答的证据链,而不是一篇漂亮的作文。

tender-writer 把这件事拆成 5 个必须依次完成、每一步都可以停下来审查的阶段,让 AI 负责体力活(解析、拆解、组装、核查),把判断权永远留在你手里。

• ✅ 评分办法逐项拆成 CSV 矩阵,每一分都对应具体应答段落,杜绝漏答
• ✅ own / partner / reference 三级素材隔离,从机制上防止"引用了竞品业绩"这种事故
• ✅ 全阶段人工确认,不允许一键生成整本标书
• ✅ 四种使用方式:Claude Code(最佳)、Cline/Qwen Code、纯对话 AI、手动模式
• ✅ venv 完全隔离,双击 install.bat 即可,不污染系统 Python

flowchart LR
    A[招标文件<br/>PDF / docx] --> B[阶段 1<br/>解析]
    B --> B1[tender_brief.md<br/>结构化摘要]
    B1 --> C[阶段 2<br/>评分矩阵]
    C --> C1[scoring_matrix.csv<br/>逐分拆解]
    C1 --> D[阶段 3<br/>提纲反推]
    D --> D1[outline.md<br/>章节骨架]
    D1 --> E[阶段 4<br/>分章节撰写]
    E --> E1[tender_response.docx<br/>主交付物]
    E1 --> F[阶段 5<br/>合规终审]
    F --> F1[compliance_report.md<br/>漏答与废标核查]

    style B fill:#FFF4E6,stroke:#D97757
    style C fill:#FFF4E6,stroke:#D97757
    style D fill:#FFF4E6,stroke:#D97757
    style E fill:#FFF4E6,stroke:#D97757
    style F fill:#FFF4E6,stroke:#D97757

每个阶段之间必须人工 review 中间产物再推进——这是整套方案的第一原则,也是它和"一键生成标书"类工具的根本区别。

# 1. 放到项目的 .claude/skills/ 目录下
git clone https://github.com/Hugin-Z/tender-writer.git .claude/skills/tender-writer

# 2. 双击 install.bat 准备 Python 环境(venv 隔离)
cd .claude/skills/tender-writer && install.bat

# 3. 在项目根目录启动 Claude Code,把招标文件拖进对话
claude
# > "帮我编制 XX 项目的技术标"

Claude Code 会自动加载 SKILL.md,按五阶段工作流引导你完成整本标书。其他 AI 工具(Cline / Qwen Code / 纯对话 AI)的使用方式见 详细文档 →

• 📄 完整示例:一个脱敏的政府采购项目全流程
• 📘 完整使用文档
• 📙 工作流设计哲学(为什么是 5 个阶段,为什么严禁一键生成)

全流程自动化,SKILL.md 自动触发,Python 脚本通过 run_script.bat 自动调用,中间产物自动落盘到 output/。

操作步骤:

1. 进入你打算放投标项目的工作目录(例如 D:\我的投标项目\xxx标书\)。
2. 在该目录下创建 .claude\skills\ 子目录(若不存在),把整个 tender-writer 文件夹复制进去。最终路径形如 D:\我的投标项目\xxx标书\.claude\skills\tender-writer\。
3. 进入 tender-writer 文件夹,双击 install.bat 完成 Python 环境准备(详见下面"环境准备"一节)。
4. 在你的工作目录下启动 Claude Code(claude)。
5. 把招标文件拖进对话框,或者直接说:
   • "帮我解读这份招标文件,准备编制技术标"
   • "帮我编制 xxx 项目的技术方案"
   • "我要写投标书,先帮我做评分矩阵"

Claude Code 会通过 SKILL.md 中的触发关键词自动加载本 skill,并按五阶段工作流引导你完成整本标书。

这类 AI 能读写本地文件、能执行 shell 命令,但不一定支持 Claude 的 SKILL.md 自动加载机制。需要你手动告诉它"按这份文档干活"。

操作步骤:

1. 把整个 tender-writer 文件夹复制到你的工作目录(放在哪个子目录都可以,例如 xxx标书\tender-writer\)。
2. 进入 tender-writer 文件夹,双击 install.bat 完成 Python 环境准备。
3. 在工作目录下启动你的 AI 工具(Qwen Code / Trae / Cline 等)。
4. 手动给 AI 一句指令,让它把 SKILL.md 当作工作指南,例如:

   "请先读取 tender-writer/SKILL.md,严格按照其中描述的五阶段工作流帮我编制技术标。所有 Python 脚本通过 tender-writer/run_script.bat 调用。我要处理的招标文件是:D:\xxx\招标文件.pdf。"

5. AI 读完 SKILL.md 后,会按阶段调用 parse_tender.py → build_scoring_matrix.py → docx_builder.py → compliance_check.py,中间产物正常落盘到 output/。
6. 每个阶段结束后,你必须人工 review 中间产物(output/tender_brief.md、output/scoring_matrix.csv 等),确认无误后再让 AI 推进下一阶段。

⚠️ 这类 AI 没有 SKILL.md 的自动加载和自动触发机制,工作流的"分阶段验证"原则需要你主动看护——不要让 AI 一次性把五个阶段全跑完。

这类 AI 不能读写本地文件,也不能执行 Python 脚本。但它可以读懂 markdown、可以做多轮对话、可以"模拟"脚本的输出格式。整套方案仍然可用,只是中间产物需要你手动复制粘贴保存。

操作步骤:

1. 在你用的 AI 平台上,新建一个专属对话或"智能体"。建议起名 "标书编制助手"。
2. 把以下文件作为知识库上传给 AI(几乎所有主流国产 AI 都支持知识库上传或多文件附件):
   • SKILL.md —— 五阶段工作流和禁止事项
   • references/scoring_dimensions.md —— 四大评分维度详解
   • references/compliance_rules.md —— 废标风险与合规清单
   • references/doc_format_spec.md —— 中文标书排版规范
   • references/phrase_library.md —— 话术库骨架
   • templates/tender_brief.md —— 招标解读模板
   • templates/scoring_matrix.csv —— 评分矩阵模板
   • templates/outline_template.md —— 提纲骨架
3. 每次开新投标项目时,把招标文件(PDF 或 docx)也上传到这个对话/智能体里。
4. 在对话中明确要求 AI 按五阶段推进,例如:

   "你已经读过 SKILL.md 的五阶段工作流。请先执行阶段 1:招标文件解析,严格按 templates/tender_brief.md 的字段输出,缺失字段标注【待补充】,不要脑补。等我确认后再进入阶段 2。"

5. AI 每输出一个阶段的产物(tender_brief.md / scoring_matrix.csv / outline.md / 章节正文),你手动复制保存到工作目录的 output/ 子目录下(自己手动建一个)。
6. 阶段 4(分章节撰写)完成后,把 AI 输出的 markdown 内容手工粘贴到 Word,然后参照 references/doc_format_spec.md 应用正确的字体字号、页边距、目录、页眉页脚。
7. 阶段 5(合规终审)由 AI 对照 references/compliance_rules.md 的检查清单逐项核查,输出合规报告。

⚠️ 方式三的取舍:

• Python 脚本无法执行(parse_tender.py / build_scoring_matrix.py / compliance_check.py / docx_builder.py 都跑不了),但 AI 可以模拟它们的输出格式(脚本的 docstring 写得很清楚,AI 看一眼就懂要输出什么)。
• docx 自动生成无法实现,最终需要你手工排版到 Word(参考 references/doc_format_spec.md)。
• 覆盖度自动核查无法实现,需要你或 AI 人工对照 scoring_matrix.csv 逐项打钩。
• 但五阶段工作流、四条设计原则、禁止事项、话术库、合规清单都可以正常生效——这才是这套方案最有价值的部分。

打开命令提示符(在开始菜单搜 cmd),输入:

python --version

如果显示 Python 3.10.x 或更高版本,直接进入第二步。

如果提示"不是内部或外部命令",或版本低于 3.10,请去官网下载安装:python.org/downloads

⚠️ 安装时一定要勾选 "Add Python to PATH" 选项,否则后续步骤会失败。

进入 tender-writer 文件夹,双击 install.bat。

脚本会自动:

• 检查 Python 是否已安装
• 在 tender-writer 文件夹内创建一个隔离的虚拟环境(.venv\)
• 把所有依赖装到这个虚拟环境里(完全不影响你电脑上其他 Python 项目)

整个过程根据网速一般需要几分钟。看到"环境准备完成"就可以使用了。

💡 venv 完全隔离,不污染系统环境。哪天不想用了,直接删除 tender-writer\.venv\ 文件夹即可。

推荐命令顺序:

run_script.bat parse_tender.py "D:\项目\xxx招标文件.pdf"
run_script.bat build_scoring_matrix.py output/tender_brief.md
run_script.bat generate_outline.py output/scoring_matrix.csv
run_script.bat docx_builder.py --out output/tender_response.docx --project "项目名" --bidder "投标人"
run_script.bat append_chapter.py output/tender_response.docx output\chapter_01.md
run_script.bat compliance_check.py output/tender_response.docx output/scoring_matrix.csv

素材库辅助命令:

run_script.bat add_company.py "某某科技有限公司" partner --alias "某某科技"
run_script.bat ingest_assets.py 业绩 own_default
run_script.bat triage_unsorted.py
run_script.bat triage_unsorted.py --apply

回归测试:

python -m unittest discover -s tests -v

说明:

• tests/ 会把整个 tender-writer/ 复制到系统临时目录后再执行，不会直接改你的正式素材库。
• 这些临时测试副本在测试结束后会自动删除；即使残留，也可以直接手动删除。
• 正式目录下的 tests/ 代码、output/ 成果和真实 assets/ 素材不要当成“测试垃圾”直接清掉。

重要:这五个阶段必须严格依次进行,每个阶段都要 review 中间产物再推进下一步。这是为了确保最终标书不漏答、不踩雷,绝不允许跳过或一键生成。

tender-writer 维护两套长期资产,职责完全分开,不能混用:

一句话:能直接抄进标书的放 assets/,只能参考风格的放 references/knowledge_base/。

所有进入 assets/ 或 knowledge_base/ 的素材,都必须在 companies.yaml 中注册一个 company_id,并标明 company_type。三种类型差异巨大:

🔴 reference 是高压线。即使用户说"这家公司的某段写得很好,抄一下",也必须拒绝。违反就是合规事故。

新增公司请在 Claude Code 中说"新增公司",AI 会引导你完成注册并自动创建对应目录。不要手动编辑 companies.yaml。

材料入库有三个入口,根据你对材料的了解程度选择:

适用:你清楚地知道这份材料是某家公司的资质 / 业绩 / 简历 / 图表 / 话术。

操作:

1. 直接把文件丢到对应目录的 _inbox/ 里:
   • assets/类似业绩/<company_id>/_inbox/
   • assets/团队简历/<company_id>/_inbox/
   • assets/公司资质/<company_id>/_inbox/
   • assets/通用图表/<company_id>/_inbox/
   • assets/标准话术/<company_id>/_inbox/
2. 在 Claude Code 中说一句:
   • "处理业绩 inbox"
   • "处理 own_jiao 公司的简历 inbox"
   • "处理 partner_xinda 的资质 inbox"

AI 会调用 extract_text.py 提取文字、按 schema 结构化、追加索引、归档原文件、生成摄入报告。

适用:你拿到一份混合材料(例如往期完整投标包),内部同时包含案例、业绩、简历;或者你不确定该归到哪一类。

操作:

1. 把文件丢到根目录的 _inbox_unsorted/ 里。
2. 在 Claude Code 中说:
   • "处理 _inbox_unsorted"
   • "我有一堆材料不知道怎么分类"

AI 会逐份扫描、生成分类建议(目标类别 + 目标公司 + 判断理由 + 目标路径),等待你逐条确认后才会分发。

适用:要登记一家新的 partner 或 reference 公司。

操作:在 Claude Code 中说"新增公司",AI 会询问公司全称、类型、描述,生成 id,自动追加到 companies.yaml,并(若为 own/partner)自动初始化 assets/ 下的对应子目录。

无论走哪个入口,摄入完成后都要:

1. 查看 AI 生成的摄入报告或 triage 报告
2. 逐条 review 新生成的 .md 文件,补全标注为 TODO:待人工确认 的字段
3. 把 frontmatter 的 review_status 从 pending 改为 approved
4. 删除文件末尾的 ## TODO 清单 区块

⚠️ 只有 review_status=approved 的素材才能被新标书引用。pending 状态视为未入库。

只要你的对话中出现以下任一关键词,Claude Code 会自动加载本 skill;其他 AI 工具识别到这些词时也建议你主动让它读取 SKILL.md:

• 招标文件、招标公告、采购文件、采购需求
• 投标、技术标、商务标、投标书、投标方案、投标响应文件、应答文件
• 技术方案应答、技术方案、需求应答
• 评分办法、评标办法、评分矩阵
• 废标条款、实质性响应、★条款、▲条款、资格要求
• 政府采购、竞争性磋商、单一来源采购
• 标书编制、标书撰写、智慧城市标书、数字乡村标书
• 处理 inbox、处理 _inbox_unsorted、新增公司、素材摄入

1. 只处理技术标,不处理商务标(报价表、商务条款应答、付款条件等)和价格标。
2. 只针对中文政府类项目,英文标书或纯商业项目的国际标不在范围内。
3. 不替代法务对废标条款的最终判断。compliance_check.py 只是辅助核查,关键废标风险点仍需法务/标书经理人工复核。
4. PDF 解析依赖 pdfplumber,扫描件 PDF(非文字 PDF)无法直接识别,需先 OCR 转换。
5. 本地化信息(项目所在地的地理、产业、人口等)必须由用户人工提供或确认,模型不会编造。
6. 方式三(纯对话 AI)下,docx 自动排版、覆盖度自动核查、繁简自动转换等依赖 Python 脚本的能力都无法使用。
7. 素材摄入流程依赖 extract_text.py 和 venv,在方式三下也无法自动执行,只能由用户手动整理后让 AI 按 schema 模板填写。

tender-writer/
├── SKILL.md                      ← skill 主入口,Claude Code 会自动加载;其他 AI 也可手动读取
├── README.md                     ← 你正在看的这份文档
├── companies.yaml                ← 公司注册表(集中事实来源,所有公司在此登记)
├── requirements.txt              ← Python 依赖清单
├── install.bat                   ← 一键环境准备脚本(双击运行)
├── run_script.bat                ← 通过 venv 调用脚本的入口
│
├── references/                   ← 知识参考与学习材料
│   ├── scoring_dimensions.md     ← 四大评分维度详解
│   ├── compliance_rules.md       ← 废标风险与合规清单
│   ├── doc_format_spec.md        ← 中文标书排版规范
│   ├── phrase_library.md         ← 通用话术骨架
│   └── knowledge_base/           ← 学习参考材料库(只学风格,不进正文)
│       ├── 历史标书案例/
│       ├── 评标专家偏好/
│       ├── 行业术语对照/
│       └── 失败教训/
│
├── assets/                       ← 可调用成品素材库(按公司隔离)
│   ├── .ingest_history.json      ← 摄入去重记录
│   ├── 公司资质/<company_id>/
│   ├── 类似业绩/<company_id>/
│   ├── 团队简历/<company_id>/
│   ├── 通用图表/<company_id>/
│   └── 标准话术/<company_id>/
│
├── _inbox_unsorted/              ← 待分类材料临时区(触发 triage 流程)
│
├── scripts/                      ← Python 脚本
│   ├── parse_tender.py           ← 阶段 1:招标文件解析
│   ├── build_scoring_matrix.py   ← 阶段 2:评分矩阵构建
│   ├── compliance_check.py       ← 阶段 5:合规终审
│   ├── docx_builder.py           ← docx 构建工具模块
│   └── extract_text.py           ← 通用文本提取(供素材摄入流程调用)
│
└── templates/                    ← 输出模板
    ├── tender_brief.md
    ├── scoring_matrix.csv
    └── outline_template.md

• install.bat 报错:大概率是 Python 未安装或未加入 PATH。重新装一次 Python 并勾选"Add to PATH"。
• install.bat 卡在下载依赖:可能是网络问题,可以手动用国内镜像:pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple(也可以直接编辑 install.bat 把 pip install 那行改成带 -i 参数的版本)
• 脚本找不到:确认你是在 tender-writer 文件夹内运行的,且 .venv 目录已生成。
• 解析 PDF 没文字:你的 PDF 可能是扫描件,需要先用 OCR 工具转成文字版 PDF。
• Excel 打开 CSV 中文乱码:本方案生成的 CSV 是 UTF-8 with BOM,正常情况下 Excel 不会乱码。如果仍乱码,用 WPS 打开,或者用记事本另存为时选 ANSI 编码。
• 方式三下 AI 输出的内容超出对话长度:让 AI 一章一章输出,不要一次性输出全部正文。这本来就是工作流的硬性要求。
• AI 把 reference 类型的材料写进了 assets:这是高压线违规,立即停止并要求 AI 撤回,把材料移回 references/knowledge_base/。SKILL.md 第三章和第十章已经明确禁止此行为,如果反复发生请反馈给方案维护人。

如有其他问题,联系方案维护人:laplace.dice@gmail.com

• 当前版本:v1.1
• 维护方式:本方案设计为团队内复制分发,任何人都可以在自己副本里改进 references、templates、assets,然后回流到主版本(注意:回流时不要回流 assets/ 下的具体素材——那是各团队各自的资产)。