HUDC Bidding Information Capture

Intelligently analyzes SGCC bidding documents in Word/PDF/Excel formats, extracting 23 key fields with automated qualification backfilling and deadline highl...

JKTLLSQAQ@jktllsqaq

Install

openclaw skills install @jktllsqaq/hudc-bidding-information-capture

hbdc · 国网招标文件分析 Skill (v6)

目录约定

text

~/Desktop/sgcc_files/
├── 项目A/
│   ├── xxx-招标公告.docx          ← 主公告 (docx 或 pdf, 自动识别)
│   ├── 公告附件_资质要求.xlsx      ← 可选, 资质占位符回填用
│   └── 重要提醒.docx               ← 自动忽略
├── 项目B/
│   └── xxx-采购公告.pdf
├── 散文件_招标公告.docx            ← 根目录散放, 当成单独项目
└── ...

输出报告: ~/Desktop/sgcc_result.xlsx

执行方式

直接运行固定脚本, 禁止自己写代码替代:

bash

python3 ~/.openclaw/workspace/skills/hbdc/scripts/analyze.py

v6 核心策略

1. Word/PDF 主抽 → Excel 补盲 → 段落回退

优先级	来源	说明
1	Word/PDF 表格	主公告里的包级明细表
2	xlsx 附件	需求表/资质附件补充
3	Word/PDF 正文	无表格时段落扫描 (标记需手动补盲)

2. PDF 专属标题提取

用 pdfplumber 字符级字号定位封面最大字号文字作为项目名称, 比正则扫描段落更准确。PDF 读取失败后自动切换参数重试一次, 若仍失败则在终端明确提示。

3. "详见附件X" 占位符识别与回填

资质列若为 详见附件1 / 详见附件二 等纯占位符:

自动扫描同目录下 xlsx 中的资质表
按 (分标编号, 包号) 主键回填
找不到时降级为项目级通用资质 (前缀 【通用】)

4. 关键词去冗余

长词命中后自动丢弃其子串短词:

咨询服务 命中 → 丢弃 咨询
储能系统 命中 → 丢弃 储能
宣传服务 命中 → 丢弃 宣传

5. 资质列合并策略

text

包级 资质条件 + 业绩要求 + 主要人员
  ↓ (为空或占位符)
xlsx 附件资质表回填
  ↓ (仍为空)
项目级资格要求章节 (过滤套话后, 前缀 【通用】)

过滤的模板套话: 依法注册、失信被执行人、信用中国、联合体、破产、黑名单等。

保留的实质条款: 甲/乙/丙级、建造师、ISO、安全生产许可证、总承包、业绩等。

输出 23 列

#	列名	来源
1	序号	自动
2	项目名称	PDF字号法 → 段落正则
3	招标编号	正则
4	分标编号	Word表格 → xlsx
5	分标名称	Word表格 → xlsx
6	包号	Word表格 → xlsx
7	需求部门/签订单位	Word表格 → xlsx
8	子项目名称	Word表格 → xlsx
9	项目概况与招标范围	Word表格 → xlsx
10	资质/资格要求	包级聚合 → 附件回填 → 项目级兜底
11	合同文本编号	Word表格 → xlsx
12	实施地点	Word表格 → xlsx
13	工期/服务期	Word表格 → xlsx
14	报价方式	Word表格 → xlsx
15	预算金额(万元)	Word表格 → xlsx (元自动换万元)
16	最高限价	Word表格 → xlsx
17	招标起止时间	正则 (截止时间染色)
18	开标时间地点 ✨	正则
19	投标保证金 ✨	正则 (含"不收取"判断)
20	评标办法 ✨	正则 (综合评估/合理低价/综合评分等)
21	联系人及电话 ✨	正则 + xlsx 联系人字段
22	匹配关键词	关键词引擎 (去冗余)
23	匹配来源	Word表格 / PDF表格 / Excel附件 / 正文

截止时间染色规则

颜色	条件
🔴 红色	距截止 ≤ 3 天
🟡 黄色	距截止 ≤ 7 天
⬜ 灰色	已过截止时间
无色	7 天以上, 正常

执行流程

步骤一: 运行脚本

bash

python3 ~/.openclaw/workspace/skills/hbdc/scripts/analyze.py

步骤二: 汇报结果

向用户汇报:

扫描了多少个项目 + 每个项目识别的元数据 (名称/编号/时间/开标/保证金/评标办法)
每个项目「抽出多少包级记录 → 关键词命中多少条」
命中记录的来源标签
报告路径: ~/Desktop/sgcc_result.xlsx
特别提醒「来源是 Word/PDF正文」的项目 — 需手动补盲

步骤三: AI 辅助补盲

对以下情况主动接管:

PDF 表格抽取失败 → 直接打开 PDF 阅读页面内容手动填写
来源标签为「Word/PDF正文」→ 手动定位关键章节填补字段
项目名称识别错误 → 从原文找正确标题
资质/资格要求 仍含 "详见附件" → 读取对应附件补全

步骤四: 回答追问

用户问某项目细节时, 直接读取对应文件夹下的 word/pdf/xlsx 展示。

自定义关键词

编辑 config/keywords.json 文件, 修改后无需改动脚本:

json

{
  "keywords": {
    "我的自定义类": ["关键词A", "关键词B"]
  },
  "short_keywords": {
    "我的自定义类": ["短词"]
  }
}

禁止行为

禁止自己编写分析脚本, 必须运行 analyze.py
禁止用文件名匹配关键词, 必须读文件内部内容
禁止打开浏览器, 本技能只操作本地文件
禁止直接在 SKILL.md 里修改关键词, 使用 config/keywords.json