eric/bid-doctor
1
0
Fork 0
Code Issues Pull Requests Actions 1 Packages Projects Releases Wiki Activity
78 Commits 2 Branches 0 Tags
3344f09563fc01d22b5d65dd55b974af7078f97d
Commit Graph

13 Commits

Author SHA1 Message Date
YANG JIANKUAN
3344f09563 feat(ocr): 扫描件与图片识别——OCR 进文字层、资质库上传识别、大图浏览 
计划见 docs/architecture/vision-plan.md（VS1–VS13，docs/decisions.md）。

- 验证：OCR（RapidOCR + PP-OCRv6 small，CPU）和 DeepSeek Flash 看图在国动投标文件
  和 7 张证书上初测（tech-validation §7，代码 spikes/s5-ocr/）
- OCR 服务 services/ocr（镜像、Compose 服务）：整页转正（含 180°）、红章附近按红色通道重读
- 扫描页和插图识别后并入文字层 v6，句子标 source=ocr；出处标「OCR」（迁移 0013）；
  依据识别文字的问题降级，规则不查扫描附件；国动端到端见 check-eval §16
- 资质库上传识别：添加资质对话框最上面传证书照片，识别后填表，只预填和 OCR 文字
  对得上的字段；识别值留痕、照片挂成附件（迁移 0014，提示词 vision.cert_fields v1）
- 资质库改为查看详情（只读键值 + 附件缩略图），附件用大图浏览控件看，不开新标签页
  （设计规范 §7.23）；PDF 附件按页出预览图

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-05 17:50:13 +08:00
YANG JIANKUAN
e499de7486 feat: 查标第 1 步——上传投标分册 → 检查 → 逐条处理 → 复查沿用 
后端
- check 模块：检查预览、发起、进度、取消、记录；六个阶段（准备投标文件、响应匹配、规则、证据校验、
  状态沿用、汇总）；问题列表、处理、撤销、批量处理（只限提示级）。
- 每条清单项的检查结论 check_item_result（C9，迁移 0005）：「已响应」也带投标原文出处；
  没有校验通过的证据不能判已响应（C3）。级别从清单项算，不让模型定；说明不写整改建议。
- 响应匹配先只有第三层：内存 BM25 检索候选句 + check.match v1 提示词，检索不到不调模型，
  漏答记 missing_answer，模型临时错误只影响那一批。
- 计费：免费版不记流水；专业版 24 小时内复查免扣（记一行 0）；expected_charge 不一致时拒绝不扣点；
  失败、取消退回；投标文件读不出文字按输入问题失败、不扣点。
- 投标分册：类型（volume_kind）和版本；电子投标平台加密格式在上传时拦下。
- 解析流水线前几个阶段拆到 document/pipeline/normalize.py，解析和检查共用。
- ops 模块：反馈接口；致命问题确认无误的说明自动进误报反馈（U4）。
- SK1：Valkey 客户端短超时、SSE 连接池上限。SK2：CI 加 Gotenberg、直接跑 init-roles.sh。

前端
- 上传投标文件并检查页、查标页（进度、覆盖范围、按级别筛选、逐条处理和行内说明、撤销、原文抽屉、
  已处理、本次已解决）；项目头抽成公共组件，加「查标」标签页；工作台「下一步」覆盖查标阶段。

契约、文档：openapi.yaml 加 item-results、volume_kind、coverage 字段；data-model、api-design §10、
架构 §8 / §13（SK14）、AGENTS.md 同步。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-04 11:48:10 +08:00
YANG JIANKUAN
ad34b0cb23 docs: 读标抽取现状、遗留问题和下一步；改正「三项目标全部达标」的说法
Some checks failed
ci / server (push) Has been cancelled
Details
ci / web (push) Has been cancelled
Details
ci / contract (push) Has been cancelled
Details 
- 新增 docs/architecture/extract-status.md：指标两种读法（报告值 / 只按人工标注）、
  已确认的进展、泛化风险（Fable 过拟合评估）、P0–P3 遗留问题、找样本和建留出集的流程
- extract-eval.md、AGENTS.md、架构 SK13、evals/README.md 改正达标说法并指向新文档
- 读标召回率优化暂停，后续专项优化从 extract-status.md 接着做

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 23:37:52 +08:00
YANG JIANKUAN
602703c47c docs(evals): S01–S10 标注集 v1、评测工具和评测报告 
- evals/gold：1,887 个标注单元（AI 标注、逐条裁定，未经人工复核），规范见 GUIDELINES.md
- prepare / run_all / score / gold：导出文字层、批量抽取、打分、标注定位
- docs/architecture/extract-eval.md：修复前后的结果（三项目标全部达标）和剩余问题
- decisions.md 记 M1（只用 Flash）和 Q1–Q4；架构 §13 SK13；AGENTS.md 进度

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 23:19:30 +08:00
YANG JIANKUAN
f99bb8b358 feat(server): 参考 BidEngine 补五项：原因码、截断重跑、项目信息逐项表态、占位符、提示词规则对应校验 
- 待确认记原因码（extract.FAILURES，存在 ai_values.failures），解析结果按原因计数
  （verify_failures）；前端待确认条目显示具体原因
- 相邻分块重叠约 800 字；模型输出被截断或不是合法 JSON 时对半重跑（最多 3 层），
  拆到底仍不完整记 output_incomplete。修复：以前截断时整块条目被当成「没有结果」悄悄丢掉
- 项目基本信息提示词 v2：12 个字段逐项表态 found / ambiguous / not_found，跨分块合并为
  found / absent / needs_review（info_fields）
- 「____元」「××」「（ ）」「待填」等占位符不算取值
- 提示词 substantive v4，qualification / scoring / schedule / tech_param v3：每条禁止事项
  对应一个原因码，对照表在 prompts/README.md
- 顾问（Fable）深读参考项目的结论补进 ref-bid-engine-analysis.md §5；架构 §13 SK12
- 待确认：国动 4 → 2，S02 13 → 3，S06 57 → 55

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 21:59:12 +08:00
YANG JIANKUAN
e3f234ca0b feat: 读标可以走完一份文件；审计待确认区，修规则缺陷、提示词出新版本 
读标操作（FR-M2-07、08）
- 后端：清单项详情（ETag）、修改（If-Match 选填，记 edited_fields 和 AI 原值）、
  采纳（补出处或声明「人工确认、无出处」，可带修改）、删除 / 丢弃与恢复、人工新增、
  替换出处、人工建出处（选同一页的句子）、修改记录（来自审计）、确认清单（不可变版本，
  内容没变复用上一版）、版本列表；正式清单有变化时已确认的清单回到草稿；项目已递交只读
- 重新解析不推翻人工决定：丢弃的不再冒出来，采纳的留在正式清单，人工补过的出处不被覆盖
- 前端：待确认区采纳 / 补上出处后采纳 / 修改后采纳 / 丢弃，正式清单修改、补出处、删除
  （可撤销）、修改记录、新增条目、确认清单；pdf.js 原文查看器（点出处跳页、按坐标框高亮、
  选句补出处），整屏对照布局，J / K 上下条；跨页的一句话合成一处出处显示

待确认审计（架构 §13 SK11）
- 规则只修真正的缺陷：表格框线不算下划线（文字层 v3）；句号后的右括号并进同一句
  （切句 s3-v3）；中文编号小节和冒号编号条目的上级条款，依据沿上级链核对；取值认中文
  数字、同一行单元格和评分因素标题；补几种无效写法；比对引文前去掉我们加进输入的标记
- 不放宽：引文最短 8 个字、编号必须对、证据全部通过
- 提示词新版本：substantive v3，qualification / scoring / schedule / tech_param v2；
  引文复制整句、并列多项不拆、跨页只引上一行，除实质性条款外输入改成纯文本
- BD_AI_MODELS 按提示词声明的能力选模型；离线评测工具 evals/run_extract.py
- 待确认：国动 46 → 4，S02 17 → 13，S06 174 → 57

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 21:32:15 +08:00
YANG JIANKUAN
a95e27a290 feat: 读标补齐五类清单与项目基本信息，修复国动样本暴露的 4 个问题 
- 文字层 v2：页眉页脚带单独成句；写到页尾的句子和下一页首句接续（出处两页各一条）
- 结构识别（最小版）：十进制编号、冒号引出的列表找上级条款；上级条款写明无效的，条目照样认定
- 抽取：资格、评分、日期与递交、技术参数、项目基本信息各一份提示词；实质性条款出 v2
  （认上级条款、补「做无效响应处理」等写法）；各类取值核对；按首句合并；
  拆开被合成一条的列举条款；描述标注方式的句子和表头碎片不当条款；* 号标注
- 项目：解析出的名称、编号、采购人、预算、截止时间、分包写回项目，用户改过的不覆盖
- 前端：清单项显示分值、参数要求、日期、证明材料
- 测试 40 个，新增两页虚构样例

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 19:32:25 +08:00
YANG JIANKUAN
be62440531 docs: 工程骨架落地记录（架构 §13）与 AGENTS.md 工程一节 
- 架构 §13：SK1–SK8，SK1（事件流用 Valkey stream）、SK2（测试不用 testcontainers）待确认
- api-design §10：接口实现进度
- openapi.yaml：ChecklistItem 的必填字段在同一层声明，生成的类型不再是可选
- AGENTS.md：目录结构、常用命令、编码约定、当前进度

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 18:48:10 +08:00
YANG JIANKUAN
5747a523bb docs(architecture): 接口契约 v0.1，确认 API1–API5 
- openapi.yaml：用户端 MVP 主流程的 OpenAPI 3.1 契约（64 个路径、81 个操作）
- api-design.md：约定、鉴权、页面与接口对应、扣点预览、任务与事件、上传、错误码
- data-model.md：清单项 spec 改为按类别分组

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 17:44:28 +08:00
YANG JIANKUAN
0991d0237c docs(architecture): 物理数据模型 v0.1，确认 DM1–DM7 
- data-model.md：约定、租户隔离落地、按模块的表清单、额度流水语义、
  清单项与检查的建模、删除流程、对象存储布局
- schema-draft.sql：40 张表的建表草案（PostgreSQL 16+）
- schema-draft-test.sql：租户隔离、额度流水、审计、删除等 16 项行为测试
- 回写架构 §3.2/§3.11/§9/§12、05 §3、FR-M2-05、FR-M3-03

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 17:34:43 +08:00
YANG JIANKUAN
47242ba9d7 docs(architecture): v0.3 为多人、多登录方式预留表结构（AR11、AR12） 
团队版、企业版、飞书 / 企业微信登录都不在早期版本，但 MVP 的表结构先按
多人、多登录方式建，以后接入不用重构：
- 身份拆成人 / 登录方式 / 成员身份三层，一人一企业在服务层限制
- 项目成员表、统一的权限检查点和可见范围过滤先建好
- 记录「谁」的字段指向人，人不做物理删除；订阅带席位数

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 17:19:21 +08:00
YANG JIANKUAN
604e889ca4 docs(architecture): 完成技术验证 S1–S4，确定 FR-M2-05/06 目标值 
- spikes/：Word 转 PDF（Gotenberg）、格式识别、原句坐标、DeepSeek 抽取四项验证代码与两版提示词；样本派生产物和 .env 不进 git
- tech-validation.md：完整结论。四项都可行：WPS 字体字符集要修正并改用行高调整过的字体；格式识别不需要 Docling；表格内切句待改进；抽取需第三道依据校验与规则兜底
- architecture.md：§3.5 加预处理与字体包，§3.6 证据校验改为三道，§10 回填结论
- 03 功能需求与 decisions.md（TV1）：召回 ≥ 99%、采纳准确率 ≥ 95%、页码 100%、高亮正文 ≥ 98% / 表格 ≥ 95%

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 12:46:49 +08:00
YANG JIANKUAN
94c3bfd688 docs(architecture): 新增技术架构设计 v0.2，记录选型决策 T2–T5、AR1–AR10 
- 架构文档：模块化单体 + 按负载拆进程；后端 Python（FastAPI），前端 Vue 3 + Vite 单页应用；PostgreSQL 做权威数据和任务队列（Procrastinate），Valkey 只存可丢数据；S3 / 本地磁盘存储；Compose 与 Helm 共用镜像；桌面端为客户端外壳
- 文档处理组件参考标擎的做法（§3.13）：转换服务、Docling、标书组装与两遍导出
- UI 不引入带样式框架，视觉自写，复杂交互用 Reka UI 打底（§4.3）
- decisions.md 记录 T2–T5、AR1–AR10；AGENTS.md 同步技术约束与进度

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 11:56:19 +08:00