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

8 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
b7432643dd feat(check): 候选句带同一行的单元格；提示词 check.match v2 
检索常命中投标人照抄要求原文的那一格，响应和偏离写在同一行的别的格里，模型看不到。现在候选句在表格里
时，把同一行（同一页、上下范围重叠）的单元格一起交给模型，也可以引用；v2 说明怎么读一行。
开发集 17 份上查标召回 30% → 50%，带标志词的问题 2% → 54%，规矩投标文件上的误报略降，输入 token +44%；
漏响应和响应对象错位变差，下一轮看（docs/architecture/check-eval.md §3）。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-04 13:58:02 +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
f98fd51128 fix(server): 按 S01–S10 评测修复读标抽取（F1–F8、口径 Q1–Q4） 
- 合并时待确认条目不再借正式条目进清单，没通过的类别记在 pending_categories
- 结构识别：章（按章跳过不相干的部分）、表后「上述……否则无效」说明、★ 节标题
- INVALID 补写法；输出用到上限 92% 按截断处理，拆到底时采用已有输出
- 格式范本正文、整表概括句不收；项目信息多看评标方法所在分块
- WPS 旧版 DOC 直接修正字体表字符集；表格按单元格切句（s3-v4）
- 口径：★ 节继承实质性、★ 定义为计分项时降为重要、「必须/应」声明记 keyword 规则、
  政府采购资格条件按 87 号令第六十三条带无效类别
- 提示词 substantive v5，qualification / schedule / tech_param v4

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
ad7fba6021 feat(server): 工程骨架后端——上传 → 解析 → 清单最小链路 
- core：配置（prod 拒绝默认密钥 / dev 短信 / 假模型）、租户事务 + 行级安全策略、
  problem+json 错误码、信封加密与签名下载、对象存储、事务内入队、Valkey stream 事件流、权限点
- identity：手机号 HMAC 存储、注册、登录（挤下线需确认，API3）、服务端会话
- billing：额度流水只追加，预扣 / 结算 / 退回，一笔预扣只有一个结局
- document：分片上传、按文件头识别格式、Gotenberg 转换、文字层与稳定句子编号
- checklist：标注规则识别、模型抽取、三道校验、标注类条款规则兜底、重跑对齐
- ai：提示词注册表（extract.substantive v1 来自 S4 v2）、假模型、OpenAI 兼容供应商、ai_call 流水
- 迁移：data-model 基线、套餐、Procrastinate、会话状态函数
- 测试 30 个：租户隔离、额度、失败退回、对象加密、契约一致性
- Compose（含 migrate）、镜像、CI

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-11-03 18:48:10 +08:00