推荐语
AI助力标书制作，告别繁琐格式调整，让投标人重获自由！ 核心内容： 1. 标书制作的痛点：格式调整与图片插入的繁琐流程 2. AI解决方案：智能解析招标文件，自动提取并精准插入附件 3. 实践案例：知识库管理与企业资质图片的自动化处理
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
"投标人员的时间守恒定律：格式调整耗时 = 插入图片数 × 标书页数/10" ⏰
在企业的日常经营中，经过投标判断助手确定标底后，就来到了让无数投标人闻风丧胆的标书撰写阶段。以算力领域为例，一份标书通常包含：
📖 前言：当算力遇上格式强迫症
- 格式的执念：虽然算力招标对技术参数允许合理波动，但对标书格式却有着"像素级"要求。不同招标单位的格式模板差异，足以让最淡定的投标人抓狂。
- 图片的迷宫：如何在保证技术准确性的同时，把企业资质图片精准插入到标书指定位置？这不仅是技术问题，更是艺术！
📥 输入输出样例
graph LR A[招标文件] --> B[智能解析] B --> C[自动提取附件] C --> D[精准插入图片] D --> E[完美格式标书]
🎬 产品演示：眼见为实
🎯 知识库：AI的"记忆宫殿"
数据是LLM的血液，没有数据的Agent就像没有汽油的超跑 —— 只能看不能开
我们采用"分治策略"管理企业资质：
💡 工作流：标书生成的"流水线"
温馨提示：本流程已通过ISO-9001"防加班"认证 🕒
🛠️ 前处理三剑客
- DOCX标题提取器 - 专业的"目录生成师"
import requestsimport tempfileimport osimport refrom collections.abc import Generatorfrom typing import Any, Dict, List, Optionalfrom io import BytesIOfrom docx import Documentfrom dify_plugin import Toolfrom dify_plugin.entities.tool import ToolInvokeMessageclass DocxTitleTool(Tool): def _invoke(self, tool_parameters: dict[str, Any]) -> Generator[ToolInvokeMessage]: """ 提取DOCX文件中的标题
Args: tool_parameters: 包含docx文件和title_level参数 """ uploaded_file = tool_parameters.get('docx') title_level = tool_parameters.get('title_level', 1)
if not uploaded_file: yield self.create_text_message("请上传DOCX文件") return
try: title_level = int(title_level) if title_level < 1 or title_level > 9: yield self.create_text_message("标题级别必须在1-9之间") return except (ValueError, TypeError): yield self.create_text_message("标题级别必须是有效的数字") return
try: file_url = "http://api:5001" + uploaded_file.url response = requests.get(file_url)
if response.status_code != 200: yield self.create_text_message(f"文件下载失败，状态码: {response.status_code}") return
with tempfile.NamedTemporaryFile(suffix='.docx', delete=False) as temp_file: temp_file.write(response.content) temp_file_path = temp_file.name
try: headings_result = self._extract_headings_by_level(temp_file_path, title_level)
if not headings_result: yield self.create_text_message("未在文档中找到指定级别的标题") return
yield self.create_json_message({ "result": headings_result, "summary": f"成功提取了{title_level}级及以上的标题" })
finally: if os.path.exists(temp_file_path): os.unlink(temp_file_path)
except Exception as e: yield self.create_text_message(f"处理文件时发生错误: {str(e)}")
def _get_heading_level(self, paragraph) -> Optional[int]: """ 获取段落的标题级别
Args: paragraph: 文档段落对象
Returns: int: 标题级别 (1-9)，如果不是标题则返回None """ style_name = paragraph.style.name.lower()
if 'heading' in style_name: match = re.search(r'heading\s*(\d+)', style_name) if match: return int(match.group(1))
if '标题' in style_name: match = re.search(r'标题\s*(\d+)', style_name) if match: return int(match.group(1))
if hasattr(paragraph, '_p') and hasattr(paragraph._p, 'pPr'): pPr = paragraph._p.pPr if pPr is not None and hasattr(pPr, 'outlineLvl_val'): outline_level = pPr.outlineLvl_val if outline_level is not None: return outline_level + 1
try: if hasattr(paragraph.style, '_element') and hasattr(paragraph.style._element, 'pPr'): pPr = paragraph.style._element.pPr if pPr is not None: outline_lvl = pPr.find('.//{http://schemas.openxmlformats.org/wordprocessingml/2006/main}outlineLvl') if outline_lvl is not None: val = outline_lvl.get('{http://schemas.openxmlformats.org/wordprocessingml/2006/main}val') if val is not None: return int(val) + 1 except: pass
return None
def _extract_headings_by_level(self, file_path: str, max_level: int) -> List[Dict[str, List[str]]]: """ 提取指定级别的标题
Args: file_path: DOCX文件路径 max_level: 最大标题级别
Returns: List[Dict[str, List[str]]]: 按用户要求格式返回的标题列表 """ try: doc = Document(file_path)
headings_by_level = {} for level in range(1, max_level + 1): headings_by_level[level] = []
for paragraph in doc.paragraphs: if not paragraph.text.strip(): continue
heading_level = self._get_heading_level(paragraph)
if heading_level is not None and heading_level <= max_level: headings_by_level[heading_level].append(paragraph.text.strip())
result = [] level_names = { 1: "一级标题", 2: "二级标题", 3: "三级标题", 4: "四级标题", 5: "五级标题", 6: "六级标题", 7: "七级标题", 8: "八级标题", 9: "九级标题" }
for level in range(1, max_level + 1): if headings_by_level[level]: level_name = level_names.get(level, f"{level}级标题") result.append({level_name: headings_by_level[level]})
return result
except Exception as e: raise Exception(f"提取标题时发生错误: {str(e)}")
- 招标文件分析 - LLM的"格式侦探"
你是一个招标文件分析助手，在招投标领域，乙方投标文件，必须按照甲方招标文件中规定的格式进行撰写参考输出格式：{"开始标题":”XXX“,”结束标题“:"XXX"}{{/no_think
import re,jsonfrom typing import Listimport jsondef main(arg1): tmp = re.sub(r"<think>[\s\S]*?</think>", "", arg1, flags=re.DOTALL) tmp = re.sub(r'^\s*```(?:json)?\s*\n?', '', tmp,flags=re.IGNORECASE) tmp = re.sub(r'\n?```\s*$', '', tmp) tmp = tmp.replace(r'\n', '\n').replace(r'\"', '"').strip() result=tmp return { 'result':result }
- DOCX章节提取器 - 精准的"文档外科医生"，代码逻辑如下:
定义 ElementInfo: 元素类型: 'paragraph' 或 'table' XML内容: 字符串 文本内容: 字符串 (用于预览) 索引: 整数 分区格式: 字典 (可选)定义 SectionInfo: 标题: 字符串 元素列表: [ElementInfo]定义 PageFormatInfo: 页面宽度, 高度, 方向, 四周边距: 整数/字符串定义 DocumentExtractResult: 章节列表: [SectionInfo] 页面格式: PageFormatInfo 源文件路径: 字符串 元素总数: 整数 抽取信息: 字典 分区格式列表: [字典] (可选) 样式XML: 字符串 (可选) 编号XML: 字符串 (可选)类 DocxExtractor: 初始化(文档路径): 加载DOCX文档 获取页面格式(章节索引=0): 尝试从文档获取页面设置 失败则返回默认A4格式 查找单章节(开始标题, 标题级别=1, 结束标题=None): 预处理标题(移除空格) 收集所有文档元素(段落+表格) 遍历元素: - 发现匹配的开始标题 → 创建新章节 - 继续收集元素直到: a) 遇到结束标题 b) 遇到同级标题(无结束标题时) 返回找到的章节列表 抽取单章节(开始标题, 标题级别=1, 结束标题=None): 调用查找单章节 收集分区格式信息 确定最终页面格式: 优先使用提取的分区格式 否则调用获取页面格式 构建DocumentExtractResult对象 返回结果类 DocxExtractorTool (继承Tool): 执行入口(参数): 验证必要参数(文档文件, 开始标题) 下载DOCX文件 → 保存为临时文件 创建DocxExtractor实例 调用抽取单章节方法 处理结果: 添加成功元数据 转换为JSON格式 生成输出文件 异常处理: 值错误/通用错误 → 生成错误JSON文件 返回处理结果(文件blob或错误信息)
🔄 迭代环节：图片与文字的"相亲大会"
遍历所有xml数据，查找对应的图片
{ "element_type": "paragraph", "xml_content": "<w:p>7-2纳税证明</w:p>", "text_content": "7-2纳税证明", "index": 642}
智能匹配流程：a.文字："7-2纳税证明"发出相亲请求b.知识库：匹配到纳税证明图片集c.LLM媒人：生成"结婚证"（XML数据）d.输出：文字+图片的完美组合
你是一个json数据处理专家，请将数据A，按照参考格式，进行构造，然后返回一个新的json数据如果待处理数据还有图像，则生成element_type为picture。数据A:{{检索到的图片url.result数据B：{{如果只有文字，输出格式参考 { "element_type": "paragraph", "xml_content": "xxxx", "text_content": "xxx", "index": xxx, "section_format": null }如果是图像，输出格式参考{ "element_type": "picture", "image_path": "XXX, "index": XXX}
🎉 后处理：标书诞生的"高光时刻"
函数 assemble_document(输入: 抽取结果, 输出路径, 是否清理分区属性): 尝试: 创建临时目录和DOCX基础结构 初始化XML内容列表 添加DOCX文档头部到XML列表
收集所有元素并按原始索引排序 遍历每个元素: 如果元素类型是图片: 从Docker获取图片数据 生成图片XML并保存到媒体目录 将图片XML添加到内容列表 如果元素类型是段落或表格: 获取元素XML内容 根据标志决定是否清理分区属性 将处理后的XML添加到内容列表
添加DOCX文档尾部到XML列表 将完整XML写入document.xml文件
创建辅助文件: [Content_Types].xml 主关系文件(.rels) 文档关系文件(document.xml.rels) 样式文件(styles.xml) 编号文件(numbering.xml)
将临时目录打包为DOCX文件 输出处理统计信息
异常处理: 抛出错误信息 最终: 清理临时目录
使用xml标签，确保了生成标书的格式的正确性，而且自动插入图片，节省了投标人员一部分时间。
💫 技术价值：拯救周末，从我做起
通过XML标签实现：
最终效果：投标人员终于可以笑着交标书，而不是熬夜改格式 😄
如果这篇技术分享对您的AI落地实践有所启发，欢迎点赞、转发！
有任何技术问题或合作意向，欢迎在评论区留言交流 ~~~
粤ICP备14082021号
免费POC，
零成本试错
