蜜獾小标

要解决什么问题

招投标与合同环节里，常见痛点不是「缺模型」，而是上下文太长、条款分散、口径不一致：招标文件、投标响应、合同正文与附件往往跨多份 PDF/Word，人工对照条款编号、资格要求、付款与违约责任时，容易漏项或误读。若把整包材料一次性丢给通用对话，模型也容易在引用具体条款时含糊其辞。

bid-tender-contract-analysis 这类技能面向的，就是在标书—招标—合同这一链路上，用结构化方式组织问题与材料，让大模型在明确任务边界内做文本理解与对照，而不是泛泛总结。

技能如何工作

从规范名与定位看，蜜獾小标（@user_0ccc096f/bid-tender-contract-analysis）把能力收敛在行业专业（professional）场景：

• 材料维度：围绕招标要求、投标响应、合同条款等文本，按你提供的片段或章节发起分析（例如资格符合性、关键商务/技术条款、变更与风险表述）。
• 任务维度：更适合「对照—归纳—指出差异/疑点」类指令，而不是替你做最终合规或法律结论；输出应可追溯到你所引用的原文位置或条款编号（取决于你如何在提示中约束引用方式）。
• 协作方式：作为 Agent Skill 接入后，可把重复性的条款梳理、要点列表、差异表等工作交给模型，人再复核关键节点。

实际效果高度依赖你如何切块上传、是否给出招标/投标/合同的对应关系，以及是否在提示里固定输出格式（表格字段、条款 ID、是否仅引用原文等）。

适用边界与注意点

• 技能不能替代法务、审计或招投标代理的专业判断；涉密或未脱敏材料请勿放入不可信环境。
• 扫描件、复杂版式、表格嵌套等场景，若未先做可检索的文本化，分析质量会明显下降。
• 不同项目模板差异大：首次使用建议先用一小节试跑，确认引用习惯与输出结构符合你的内控要求，再扩展到整包文件。