招投标文本结构化与项目甄别LLM

在处理招投标文档的自动化流程中，系统常面临两个具体问题：一是原始文本中混杂着非项目信息（如企业宣传、行业报告），导致下游流程误触发；二是即使确认为项目文档，从非结构化的标题与正文中准确提取如金额、公司角色等字段，需要复杂的规则和人工校验。

核心挑战与处理流程

本技能针对上述问题，设计了一套确定性处理流水线，核心是分阶段降低歧义。它强制执行“先甄别、再分类、后结构化”的顺序，避免将非项目文本强行结构化。

1. 项目信息甄别：首先调用 项目信息甄别 接口，对输入的标题和正文进行判断。只有结果为“标讯信息”或“拟在建信息”时，才进入后续步骤。若为“非项目信息”或“异常信息”，则直接停止，并输出原因，从而有效隔离非目标文本。
2. 分类与结构化：对于标讯信息，调用 招中标分类推理 接口确定其具体类别。随后，使用 LLM 招中标项目信息结构化 接口进行字段提取。该接口支持自定义规则（如金额单位、电话格式），并在未提供规则时采用一套最小化默认规则（如无证据字段返回空值、金额默认为人民币元）。

关键机制与校验

技能的关键在于其严格的校验与输出规范，确保结果机器可用且可追溯。

• 证据链校验：每一个结构化的字段都必须能在原文中找到直接证据或明确标记为模型推断。万元转元、币种转换等规则被明确执行。
• 错误与状态处理：批量处理时逐条独立，单条失败不污染其他结果。输出中必须包含 原始模型响应、校验状态、缺失字段 和 冲突字段，支持人工快速复核。
• 接口依赖：调用前需确保环境变量 BBIAO_API_KEY 已配置，否则流程终止并提示获取方式。服务地址可通过 BBIAO_SERVER_URL 覆盖，默认为 https://gate.gov-bid.com。

适用边界与注意事项

本技能适用于对招投标文本进行初步的数据清洗与结构化提取，但需注意：

• 它主要处理“文本”本身，不保证其来源的权威性。
• 输出中的结构化 JSON 字段可能不完整（如 缺失字段 所示），需要下游系统或人工处理。
• 当分类接口结果与正文语义冲突时，技能会保留两者并标记，这意味着它更倾向于呈现事实而非强行做单一判断。