新建项目评审查重

解决什么问题

在新建项目评审里，重复立项往往不是因为缺少制度，而是因为历史项目散落在 PDF 技术规范书、Word 可研报告和 .md 文档中，评审时很难快速回答：这个名称像不像做过？建设范围有没有重叠？技术路线是不是换了个叫法？人工比对容易漏，逐字查又太慢。

这个技能把评审查重放到项目库上完成：输入待评审项目的名称和主要实施内容，必要时指定专业领域或历史库路径，它会从已执行项目中检索相似样本，并把风险位置和评分依据整理成报告，让评审讨论从“感觉像”变成“哪里像、像多少”。

核心能力

• 多维度相似度评分：项目名称占 30%，建设内容占 40%，技术方案占 20%，关键指标重合度占 10%；按权重合成总分。
• 多种算法组合：整体文本使用 TF-IDF + 余弦相似度；关键词集合使用 Jaccard；短项目名称使用 编辑距离；可接入词向量做语义相似度匹配。
• 结构化报告：输出总分、各维度明细、Top N 相似历史项目、高重复片段的位置和内容对比、风险等级以及评审建议。

工作流程

1. 输入解析：读取项目名称、主要建设内容/实施范围；可选读取专业领域和历史项目库路径或文件列表。
2. 历史库加载：从目录加载 PDF、Word (.docx)、TXT、Markdown，提取文本并建立索引。
3. 多维度查重：分别计算名称、内容、技术方案、关键指标相似度，再按权重合成。
4. 结果输出：给出 0–100 总分、明细、最相似项目、重复片段对比、风险等级和建议。

适用边界

• 历史库为空时，应先导入资料；项目名称和主要实施内容是最小有效输入。
• 默认风险阈值为 70% 高风险、50%–70% 中风险、<50% 低风险，可按评审要求调整。
• 专业领域过滤可以缩小范围，但不应替代对跨专业术语和复用方案的判断。
• 历史库越全、分类越清晰，召回越稳定；新完成项目可增量加入。
• 查重结果用于评审参考，最终立项决策仍需结合业务必要性、预算和技术演进。