BidMaster Pro - 全流程智能招投标平台

🚀 全流程智能招投标 Agent：4 阶段流水线（招标解读 / 投标生成 / 投标检查 / 文档排版），多 Agent 协同 + 可编排工作流，21 项专业合规检查规则、多 LLM 供应商灵活切换（DeepSeek / 硅基流动 / OpenAI / 通义等），轻量级 Skill 引擎 + 可插拔能力，RAG 知识库（支持语义重排与公司画像过滤），MinerU 扫描件 OCR 抽取，商机监控 + 今日热点聚合，桌面客户端 / 服务端 / Docker 一键部署。喜欢给个 ⭐ Star！

---

📋 项目简介

BidMaster Pro 是基于 AI Agent 架构的全流程智能招投标平台。通过 LLM（大语言模型）、RAG（检索增强生成）和 Skill Engine（技能引擎）三大核心引擎，实现从招标文件解读、投标书自动生成、合规性检查到文档排版输出的完整工作流自动化。

• 智能标书生成: 自动理解招标文件，一键生成高质量投标书
• 投标流程自动化: 大纲生成、内容填充、格式排版一键完成
• 21 项合规检查: 保证金 / 签字盖章 / 有效期 / 一致性 / 重复率 / 价格合理性等全方位审核
• 多 LLM 灵活切换: DeepSeek / 硅基流动 / OpenAI / 通义千问 / Ollama 本地模型，可热切换
• RAG 知识库: 企业资料 / 历史标书向量化存储 + 语义重排 + 公司画像过滤
• 商机监控: 招投标公告自动抓取 + 今日热点聚合 + 关键词精准匹配

---

📸 界面预览

| 页面 | 预览 | | :--- | :---: | | 工作台 | | | 招标解读 | | | 投标生成 - 结构模板 | | | 投标生成 - 正文生成 | | | 投标检查 - 项目模式 | | | 投标检查 - 上传文件模式 | | | 文档输出 | | | 文档输出（无正文） | | | 咨询中心 | |

---

✨ 功能特性

🎯 核心工作流

1. 招标解读 (Interpret)

• 智能文档解析: 支持 PDF/DOCX/TXT 等多格式招标文件解析
• 关键信息提取: 自动识别评分标准、资质要求、技术参数等核心要素
• 风险预警: 多维度风险评估，标记潜在废标风险点
• 评分矩阵: 自动生成评分细则对照表

2. 投标生成 (Generate)

• 大纲生成: 基于招标文件智能生成投标文件大纲
• 内容创作: AI 辅助撰写各章节内容，支持扩写和优化
• 知识检索: RAG 引擎提供企业知识库和历史案例参考
• AI 配图: 智能生成配套图表和示意图

3. 投标检查 (Check)

• 合规性检查: 检查是否符合招标文件强制性要求
• 资格审查: 验证企业资质、业绩、人员等资格条件
• 一致性校验: 确保前后文数据、金额、日期等信息一致
• 重复率检测: 避免内容过度重复或抄袭
• 价格合理性: 分析报价逻辑和竞争性
• 21 项专业检查: 涵盖保证金、签字盖章、有效期等全方位审核

4. 文档输出 (Format)

• 智能排版: 自动调整格式、字体、段落样式
• 模板配置: 支持自定义投标文件模板
• 多格式导出: docx (源) / doc / PDF 三种格式一键导出，docx 为唯一中间格式
• 格式检查 / 差异对比: 与期望模板逐项对比，可自动修正
• 修订模式: 支持多人协作审阅和批注

5. MinerU OCR 集成

• 扫描件抽取: 接入 MinerU 云端 SaaS 或自部署 OpenAPI 服务，从扫描件 PDF / 图片中抽取结构化文字与版面
• 平台化配置: 平台设置 → MinerU OCR Tab 统一管理（云端 / 自部署、API Key、endpoint、超时、轮询策略）
• API 调用: POST /api/mineru/ocr 上传任意文档即可获得 markdown 结果，可被解读/检查流程复用

🚀 辅助功能

咨询中心

• AI 智能问答: 基于知识库与招标文件，提供项目相关的政策、流程、规则问答
• 多轮对话: 支持上下文记忆，可逐步细化问题
• 资料引用: 回答中自动附带来源片段，便于追溯
• 角色化回复: 根据当前用户的角色给出不同视角的建议

资讯中心

• 商机监控: 定时抓取招投标网站最新公告
• 关键词过滤: 精准匹配关注的行业和地区
• 热度分析: AI 评估项目价值和竞争程度

知识库管理

• 向量检索: 基于 ChromaDB 的语义搜索
• 文档管理: 企业资料、历史标书、产品手册集中管理
• 智能问答: 基于知识库的 Q&A 助手

权限管理 (RBAC)

• 角色定义: 管理员、项目经理、编写员、审核员
• 细粒度权限: 菜单级和操作级权限控制
• 团队协作: 多用户协同编辑和审核

---

🏗️ 技术架构

系统架构图

┌─────────────────────────────────────────────────────┐
│                  Desktop Client                      │
│         React + Electron + TypeScript                │
└──────────────────┬──────────────────────────────────┘
                   │ REST API
┌──────────────────▼──────────────────────────────────┐
│                 FastAPI Server                       │
│              (Python 3.12+)                          │
├─────────────────────────────────────────────────────┤
│  Router Layer                                        │
│  ├── Projects  ├── Interpret  ├── Generate          │
│  ├── Check     ├── Format     ├── Skills            │
│  ├── News      ├── Knowledge  ├── RBAC              │
│  └── AI-Image                                       │
├─────────────────────────────────────────────────────┤
│  Core Engines                                        │
│  ┌──────────────┐ ┌──────────────┐ ┌──────────────┐│
│  │ Agent Engine │ │ Skill Engine │ │  RAG Engine  ││
│  │  LangGraph   │ │  Plugin Sys  │ │  ChromaDB    ││
│  └──────────────┘ └──────────────┘ └──────────────┘│
│  ┌──────────────┐ ┌──────────────┐                  │
│  │  LLM Gateway │ │ Doc Engine   │                  │
│  │  LiteLLM     │ │ Multi-Parser │                  │
│  └──────────────┘ └──────────────┘                  │
├─────────────────────────────────────────────────────┤
│  Infrastructure                                      │
│  ├── PostgreSQL (AsyncPG)                           │
│  ├── Redis (Celery Broker)                          │
│  ├── MinIO (Object Storage)                         │
│  └── Celery Worker (Async Tasks)                    │
└─────────────────────────────────────────────────────┘

核心技术栈

后端 (Backend)

| 技术 | 用途 | 版本 | |------|------|------| | FastAPI | Web 框架 | >=0.115 | | Python | 编程语言 | >=3.12 | | SQLAlchemy | ORM 框架 | >=2.0 | | PostgreSQL | 关系数据库 | 16 | | AsyncPG | 异步数据库驱动 | >=0.30 | | Redis | 缓存/消息队列 | 7 | | Celery | 异步任务队列 | >=5.3 | | MinIO | 对象存储 | Latest |

AI & LLM

| 技术 | 用途 | 版本 | |------|------|------| | LiteLLM | LLM 统一接口 | >=1.0 | | LangGraph | Agent 工作流编排 | >=0.2 | | LangChain-Core | LLM 基础组件 | >=0.3 | | ChromaDB | 向量数据库 | >=0.5 | | Sentence-Transformers | 文本嵌入 | >=3.0 | | ONNX Runtime | 文档分类模型 | >=1.17 |

前端 (Frontend)

| 技术 | 用途 | 版本 | |------|------|------| | React | UI 框架 | ^19.0.0 | | Electron | 桌面应用容器 | ^41.0.0 | | TypeScript | 类型系统 | ^5.5.0 | | Vite | 构建工具 | ^7.0.0 | | Zustand | 状态管理 | ^5.0.0 | | React Router | 路由管理 | ^7.0.0 | | TanStack Query | 数据请求 | ^5.0.0 | | Radix UI | 无头组件库 | ^1.1.0 | | TailwindCSS | 样式框架 | ^4.0.0 |

文档处理

| 技术 | 用途 | 版本 | |------|------|------| | python-docx | Word 文档处理 | >=1.1 | | pdfplumber | PDF 文本提取 | >=0.11 | | PyMuPDF | PDF 高级处理 | >=1.24 | | Mammoth | DOCX 转 HTML | >=1.8 | | WeasyPrint | HTML 转 PDF | >=61 | | BeautifulSoup4 | HTML 解析 | >=4.12 |

---

🚀 快速开始

环境要求

• Python: 3.12+
• Node.js: 18+
• PostgreSQL: 16+
• Redis: 7+
• Docker & Docker Compose (推荐)

方式一：Docker 部署（推荐）

# 1. 克隆项目
git clone <repository-url>
cd BidMaster-Pro
2. 配置环境变量
cp .env.example .env
编辑 .env 文件，填写 LLM API Key 等配置
3. 启动服务
docker-compose up -d

启动后自动运行：PostgreSQL (5432) / Redis (6379) / MinIO (9000) / FastAPI (8000) / Celery Worker

• API 文档: http://localhost:8000/docs
• MinIO 控制台: http://localhost:9001

方式二：本地开发

# 后端
python -m venv venv
source venv/bin/activate   # Windows: venv\Scripts\activate
pip install -e .
前端
cd packages/desktop
npm install
启动基础设施
docker-compose up -d postgres redis minio
配置环境变量
cp .env.example .env
编辑 .env，至少配置 BMPLLMAPIKEY / BMPDATABASEURL / BMPREDIS_URL
初始化数据库
alembic upgrade head
启动后端
uvicorn services.main:app --reload --host 0.0.0.0 --port 8000
启动 Celery Worker
celery -A services.celery_app worker --loglevel=info
启动前端桌面应用
cd packages/desktop
npm run electron:dev

---

⚙️ 配置说明

核心环境变量

| 变量名 | 说明 | 默认值 | |--------|------|--------| | BMP_DEBUG | 调试模式 | true | | BMP_PORT | 服务端口 | 8000 | | BMPDATABASEURL | PostgreSQL 连接串 | postgresql+asyncpg://... | | BMPREDISURL | Redis 连接串 | redis://localhost:6379/0 | | BMPCHROMADIR | ChromaDB 存储路径 | ./chroma_db | | BMPLLMDEFAULT_MODEL | 默认 LLM 模型 | deepseek/deepseek-chat | | BMPLLMAPI_KEY | LLM API Key | - | | BMPLLMAPI_BASE | LLM API 地址 | https://api.deepseek.com | | BMPLLMFALLBACK_MODES | 降级模型列表 | ollama/qwen2.5 | | BMPEMBEDDINGMODE | 嵌入模式 (api/local) | api | | BMPEMBEDDINGMODEL | 嵌入模型 | text-embedding-v3 |

MinerU OCR 配置

| 变量 | 说明 | 默认值 | |------|------|--------| | BMPMINERUMODE | cloud (云端) 或 self_hosted (自部署) | cloud | | BMPMINERUAPI_KEY | 云端 API Key / 自部署 Token | - | | BMPMINERUENDPOINT | 服务端点 | https://mineru.net/api/v4 | | BMPMINERUTIMEOUT | 单次请求超时 (秒) | 180 |

也可在 平台设置 → MinerU OCR Tab 页面化配置（自动写入 .env）。

LLM 提供商支持

通过 LiteLLM 支持多种 LLM 提供商，可在平台设置中灵活切换：

• DeepSeek: deepseek/deepseek-chat
• 硅基流动: siliconflow/*
• OpenAI: gpt-4, gpt-3.5-turbo
• 阿里云通义千问: qwen-max, qwen-plus
• Ollama (本地): ollama/qwen2.5, ollama/llama3

---

🔧 核心概念

Skill (技能)

Skill 是核心扩展机制，每个 Skill 代表一个独立的业务能力单元：

from core.skill_engine.base import Skill, SkillContext, SkillResult
class MyCustomSkill(Skill):     name = "mycustomskill"     description = "我的自定义技能"     category = "generate"     version = "1.0.0"
async def execute(self, ctx: SkillContext) -> SkillResult:         param1 = ctx.parameters.get("param1")         response = await ctx.llm.chat(messages=[...])         return SkillResult(success=True, data={"result": response}, tokens_consumed=100)

Agent Pipeline (Agent 流水线)

使用 LangGraph 编排多个 Skill 的执行流程：

pipeline_dsl = {
    "entry": "parse_tender",
    "nodes": [
        {"id": "parsetender", "skill": "tenderparser", "require_gate": True},
        {"id": "extractrequirements", "skill": "requirementextractor"},
        {"id": "generateoutline", "skill": "outlinegenerator"},
    ],
    "edges": [
        {"from": "parsetender", "to": "extractrequirements"},
        {"from": "extractrequirements", "to": "generateoutline"},
    ]
}

Gate Keeper (闸门控制器)

确保工作流按顺序执行，前一阶段未完成则不能进入下一阶段：

gatekeeper.markpassed(project_id, "interpret")
if not gatekeeper.ispassed(project_id, "interpret"):
    raise GateNotPassedException("请先完成招标解读")

---

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

---