Bid Proposal Manager

입찰/사업/연구 공모 안내문을 파싱하여 벡터화하고, 제출서류 검증 및 관련 정보를 자동 추출하여 Notion 프로젝트 페이지를 생성하는 스킬. PDF, HWP, HWPX, DOCX, 웹페이지 형식의 공고문을 지원하며, PostgreSQL + pgvector로 시맨틱 검색 가능.

parkbeomjun-gkgkgk@parkbeomjun-gkgkgk

Install

openclaw skills install @parkbeomjun-gkgkgk/bid-proposal-manager

Bid/Proposal Manager (입찰·공모 관리 스킬)

입찰, 사업, 연구 공모 안내문을 다양한 포맷(PDF, HWP, HWPX, DOCX, 웹페이지)에서 파싱하여, 핵심 정보를 자동 추출하고 벡터화(PostgreSQL + pgvector)한 뒤, Notion 프로젝트 DB와 하위 페이지로 체계적으로 정리하는 종합 스킬.

아키텍처

text

┌──────────────────────────────────────────────────────────────┐
│                    입력 소스 (Input Sources)                   │
│  PDF │ HWP/HWPX │ DOCX │ 웹페이지(URL)                        │
└────────────┬─────────────────────────────────────────────────┘
             ▼
┌──────────────────────────────────────────────────────────────┐
│             문서 파서 (document_parser.py)                     │
│  포맷 자동 감지 → 텍스트 추출 → 구조화된 섹션 분리              │
└────────────┬─────────────────────────────────────────────────┘
             ▼
┌──────────────────────────────────────────────────────────────┐
│           공고문 분석기 (proposal_analyzer.py)                  │
│  핵심 필드 추출: 사업명, 기한, 자격요건, 제출서류, 예산 등       │
│  제출서류 체크리스트 자동 생성                                   │
│  작성 요령(목차, 분량, 형식) 추출                               │
└────────────┬─────────────┬───────────────────────────────────┘
             │             ▼
             │  ┌──────────────────────────────────────────────┐
             │  │       벡터화 엔진 (vectorizer.py)              │
             │  │  텍스트 → 임베딩 → PostgreSQL + pgvector 저장  │
             │  │  시맨틱 검색, 유사 공고 비교, RAG 지원           │
             │  └──────────────────────────────────────────────┘
             ▼
┌──────────────────────────────────────────────────────────────┐
│          Notion 빌더 (notion_builder.py)                       │
│  프로젝트 DB 생성/업데이트 + 상세 하위 페이지 자동 생성          │
│  제출서류 체크리스트, 일정표, 자격요건 정리                       │
└──────────────────────────────────────────────────────────────┘

워크플로우

Step 1: 공고문 입력

사용자로부터 입찰/공모 안내문을 받는다:

bash

# PDF 파일
python3 scripts/document_parser.py parse --input announcement.pdf --output parsed.json

# HWP/HWPX 파일
python3 scripts/document_parser.py parse --input announcement.hwp --output parsed.json

# DOCX 파일
python3 scripts/document_parser.py parse --input announcement.docx --output parsed.json

# 웹페이지 URL
python3 scripts/document_parser.py parse --url "https://www.g2b.go.kr/..." --output parsed.json

# 여러 파일 일괄 처리
python3 scripts/document_parser.py batch --dir ./announcements/ --output batch_parsed.json

Step 2: 핵심 정보 추출

공고문에서 구조화된 정보를 자동 추출한다:

bash

python3 scripts/proposal_analyzer.py analyze --input parsed.json --output analysis.json

추출 필드:

카테고리	추출 항목
기본 정보	사업명, 공고번호, 발주기관, 공고일, 사업유형
일정	제출마감일, 설명회일, 질의응답 기한, 선정발표일
자격요건	참가자격, 필수조건, 우대조건, 제한사항
제출서류	필수서류 목록, 선택서류, 서류별 양식/형식 요구사항
예산/규모	총 사업비, 정부출연금, 민간부담금, 사업 기간
작성 요령	제안서 목차, 분량 제한, 평가 기준, 배점표
연락처	담당자, 전화번호, 이메일, 접수처

Step 3: 벡터화 및 저장

추출된 텍스트를 임베딩하여 PostgreSQL + pgvector에 저장한다:

bash

# 단일 공고 벡터화
python3 scripts/vectorizer.py store --input analysis.json

# 유사 공고 검색
python3 scripts/vectorizer.py search --query "AI 기반 교통 분석 연구" --top 5

# 특정 공고와 유사한 과거 공고 비교
python3 scripts/vectorizer.py similar --project-id "BID-2026-0042" --top 3

벡터화 대상:

사업명 + 사업 개요 (핵심 벡터)
자격요건 텍스트
제출서류 상세 설명
평가 기준 / 작성 요령 전문

Step 4: 제출서류 검증

사용자가 준비한 서류와 공고 요구사항을 대조 검증:

bash

python3 scripts/proposal_analyzer.py verify \
  --requirements analysis.json \
  --prepared-dir ./my_documents/ \
  --output verification.json

검증 항목:

필수서류 누락 여부 ✅/❌
파일명 규칙 준수 여부
분량(페이지 수) 준수 여부
필수 포함 항목(목차) 확인
제출 기한 경과 여부

Step 5: Notion 페이지 생성

분석 결과를 Notion 프로젝트 DB와 하위 페이지로 자동 생성:

bash

python3 scripts/notion_builder.py create \
  --input analysis.json \
  --database-id "YOUR_NOTION_DB_ID" \
  --create-subpages

Notion 구조:

text

📁 입찰/공모 프로젝트 DB (데이터베이스)
├── 속성: 사업명, 발주기관, 마감일, 상태, 예산, 유형, 자격충족여부
│
├── 📄 [사업명] 상세 페이지
│   ├── 📋 기본 정보 (callout)
│   ├── 📅 주요 일정 (table)
│   ├── ✅ 제출서류 체크리스트 (to-do list)
│   ├── 📝 자격요건 (bulleted list)
│   ├── 💰 예산/규모 (table)
│   ├── 📖 제안서 작성 요령
│   │   ├── 목차 구조
│   │   ├── 분량 제한
│   │   └── 평가 기준/배점표
│   ├── 🔍 유사 공고 (벡터 검색 결과)
│   └── 📎 원본 파일 링크
│
├── 📄 [다른 사업명] 상세 페이지
│   └── ...

문서 파싱 상세

PDF 파싱

bash

# pdfplumber 사용 (표 추출에 강함)
pip install pdfplumber
# 또는 PyMuPDF (fitz) 사용 (일반 텍스트 추출에 빠름)
pip install PyMuPDF

HWP/HWPX 파싱

bash

# hwp5 (한글 파일 텍스트 추출)
pip install pyhwp
# HWPX는 ZIP 기반 XML이므로 직접 파싱
# hwpx → unzip → content.xml → XML 파싱

DOCX 파싱

bash

pip install python-docx

웹페이지 파싱

bash

# requests + BeautifulSoup
pip install requests beautifulsoup4
# 또는 Playwright (JS 렌더링 필요 시)

포맷을 자동 감지하여 적합한 파서를 선택한다. document_parser.py가 이를 처리.

PostgreSQL + pgvector 설정

사전 요구사항

bash

# PostgreSQL 15+ 설치 확인
psql --version

# pgvector 확장 설치
# macOS (Homebrew)
brew install pgvector

# Ubuntu/Debian
sudo apt install postgresql-15-pgvector

# 설치 확인
psql -c "CREATE EXTENSION IF NOT EXISTS vector;"

DB 스키마 생성

bash

psql -f references/db_schema.sql

또는 스크립트로:

bash

python3 scripts/vectorizer.py init-db --db-url "postgresql://user:pass@localhost:5432/biddb"

임베딩 방식

방식	설명	비고
OpenAI API	`text-embedding-3-small` (1536 dim)	API 키 필요
Sentence Transformers	`all-MiniLM-L6-v2` (384 dim)	로컬 무료
Ollama	`nomic-embed-text` (768 dim)	로컬 무료

기본값은 Sentence Transformers (로컬). 환경변수 EMBEDDING_PROVIDER로 변경 가능.

CLI 명령어 요약

bash

# === 문서 파싱 ===
python3 scripts/document_parser.py parse --input FILE --output parsed.json
python3 scripts/document_parser.py parse --url URL --output parsed.json
python3 scripts/document_parser.py batch --dir DIR --output batch.json

# === 공고 분석 ===
python3 scripts/proposal_analyzer.py analyze --input parsed.json --output analysis.json
python3 scripts/proposal_analyzer.py verify --requirements analysis.json --prepared-dir DIR
python3 scripts/proposal_analyzer.py checklist --input analysis.json

# === 벡터화 ===
python3 scripts/vectorizer.py init-db
python3 scripts/vectorizer.py store --input analysis.json
python3 scripts/vectorizer.py search --query "검색어" --top N
python3 scripts/vectorizer.py similar --project-id ID --top N

# === Notion 연동 ===
python3 scripts/notion_builder.py create --input analysis.json --database-id DB_ID
python3 scripts/notion_builder.py update --project-id ID --input analysis.json
python3 scripts/notion_builder.py dashboard --database-id DB_ID

환경변수

bash

# PostgreSQL 연결
export PGHOST=localhost
export PGPORT=5432
export PGDATABASE=biddb
export PGUSER=your_user
export PGPASSWORD=your_password
# 또는 통합 URL
export DATABASE_URL="postgresql://user:pass@localhost:5432/biddb"

# 임베딩 설정
export EMBEDDING_PROVIDER=sentence_transformers  # 또는 openai, ollama
export OPENAI_API_KEY=sk-...                      # OpenAI 사용 시
export OLLAMA_BASE_URL=http://localhost:11434      # Ollama 사용 시

# Notion API
export NOTION_API_KEY=ntn_...
export NOTION_DATABASE_ID=...                      # 기본 프로젝트 DB ID (선택)

보안 및 주의사항

개인정보: 공고문 내 개인정보(담당자 연락처 등)는 벡터화하지 않음
API 키: 환경변수로만 관리, 코드에 하드코딩 금지
DB 백업: 정기적으로 pg_dump를 권장

참고 파일

scripts/document_parser.py — 다중 포맷 문서 파서
scripts/proposal_analyzer.py — 공고문 분석기 + 제출서류 검증기
scripts/vectorizer.py — pgvector 벡터화 엔진
scripts/notion_builder.py — Notion 페이지 자동 생성기
references/db_schema.sql — PostgreSQL + pgvector 스키마
references/field_taxonomy.json — 입찰 분야 분류 및 필드 정의
references/setup_guide.md — 환경 설정 가이드
templates/notion_template.json — Notion 페이지 템플릿 구조

Bid Proposal Manager

Install

Bid/Proposal Manager (입찰·공모 관리 스킬)

아키텍처

워크플로우

Step 1: 공고문 입력

Step 2: 핵심 정보 추출

Step 3: 벡터화 및 저장

Step 4: 제출서류 검증

Step 5: Notion 페이지 생성

문서 파싱 상세

PDF 파싱

HWP/HWPX 파싱

DOCX 파싱

웹페이지 파싱

PostgreSQL + pgvector 설정

사전 요구사항

DB 스키마 생성

임베딩 방식

CLI 명령어 요약

환경변수

보안 및 주의사항

참고 파일

Related skills