技能介绍

先解决的问题

一份 30 页以上的 RFP 压下来，投标团队习惯做的第一件事是分工：每个人领几章开始写。问题出在后面：写了两三天才发现某条 FedRAMP / HIPAA / ISO 27001 强制条款自己根本没有认证；对每个需求都报「我们能做」，拿不出可验证的案例；最后对所有机会一视同仁地投入，赢了 50%+ 的单子反而因精力分散而丢掉。

RFP 应答的难点不在写作，在于回答五个策略问题：这份 RFP 到底要求什么、我们的真实匹配度如何、用什么制胜主题去打、胜率大概是多少、到底该不该投。rfp-responder 把这些问题变成一条有强制纪律的工作流。

技能如何工作

第一步：结构化解析 RFP。 scripts/rfp_parser.py 用正则和线索词启发式（must / shall = MANDATORY，should / weighted = WEIGHTED，may / preferred = NICE-TO-HAVE）提取全部需求，保留章节结构、评分标准、截止日期和格式约束。强制资格条款在第一天就会被标出来。

第二步：逐需求做匹配度评分。 把证明点库（案例、认证、客户引述、技术背书）填入 assets/rfp_intake_template.md，交给 scripts/response_drafter.py 生成 STRONG / PARTIAL / GAP 矩阵。核心硬规则：GAP 只呈现，绝不编造补齐，是否关闭差距、联合体投标还是放弃，由管理层决策。

第三步：Shipley 制胜主题。 3-5 个主题必须跨越多个需求形成支撑，只出现在单一需求里的主题会被标记为「装饰性」并剔除。

第四步：胜率估算与决策。 scripts/winrate_predictor.py 基于 Shipley 因子模型（匹配度、在位者、关系强度、决策标准对齐、迟到入场、竞争者数量、交易规模）输出胜率估计、置信区间和 BID / PARTNER-BID / NO-BID 判定；低于 20% 自动触发 NO-BID 建议。

三个脚本均只依赖标准库，支持 --help 与 --sample。另有 7 道强制追问（Matt Pocock grill 纪律），在跑脚本前逐条锁定答案。

适用边界

该用它： 截止 7-14 天的 RFP/RFI/RFQ、安全问卷结构化问答、投标/弃标评审、证明点库到需求的系统化映射。
不该用它： 自由叙事型 proposal（交给 contract-and-proposal-writer）、中标后的合同审阅、营销物料、成交期折扣审批、新产品定价建模——这些阶段的决策逻辑完全不同。

胜率估计是方向性的纪律工具，不是预言机；置信区间通常比点估计更宽，这本身就是刻意的设计。

截图预览

使用场景

收到一份 30+ 页、7 天内交稿的 RFP，需要先把每条需求拆成 MANDATORY / WEIGHTED / NICE-TO-HAVE，识别硬性废标条款。
手上有一个安全问卷（SIG / CAIQ / 买方自拟），需要按条目结构化作答，而不是写一段笼统的叙述。
投标前评审会要用，需要一份包含置信区间的胜率估计和 BID / PARTNER-BID / NO-BID 判断，而不是拍脑袋的直觉。
销售工程有一堆案例和认证，但没有系统把证明点映射到具体需求上，需要先跑一遍 STRONG / PARTIAL / GAP 矩阵再看差距。

适合人员

投标经理，需要在 7 天窗口内给每条需求打标签、按买家的评分标准分配应答精力。
提案负责人，需要在 go / no-go 评审会上拿出可辩护的胜率估计和弃标依据。
销售总监，需要在投入资源前看到 MANDATORY 条款的 STRONG / PARTIAL / GAP 占比。
销售工程师，需要把案例、认证、客户引述按需求逐条对位，找出没有证据支撑的 GAP。

RFP应答策略引擎