标书制作全流程专家

在企业标书制作过程中，商务资料、报价底稿等敏感信息需要高度保密。传统云工具虽便捷，但数据上传可能违反企业安全政策或导致泄露。许多团队面临“数据是否安全”的困境，尤其在竞争性磋商或公开招标中，需要本地化处理以规避风险。

具体问题背景

标书制作涉及多个环节：解读招标文件、生成响应文档、合规自检。云端服务常要求数据上传，可能引发隐私担忧。用户需确保招标文件只被本地读取、投标文件在本机生成，且商务敏感资料不进入AI推理流。这催生了对完全离线、零费用标书工具的需求。

技能工作原理

本技能提供本地隐私标书制作全流程，核心依赖Python 3和LibreOffice，全程不联网、不调用云端API。关键工作流如下：

• 智能解读：使用extract.py（需pypdf库）抽取PDF文本，生成interpret.json，分析8个维度如项目信息、废标红线、评分标准等。
• 生成投标文件：基于facts.json驱动，通过gen_docx.py用纯Python生成.docx文件，支持多标包选择，缺字段自动用【待填】占位。
• 合规审查：规则化逐条比对废标项、资格审查、符合性等，输出带风险分级的HTML报告和待办清单。
• 商务部分框架：生成空模板（如gen_biz_framework.py），用户可离线填写公司信息、业绩、报价等敏感数据，确保这些资料零进AI流程。
• 技术方案生成：针对非敏感技术正文（如服务方案、质量管控），使用gen_tech_solution.py生成.docx，并支持页数控制——通过LibreOffice本机渲染核对真实页数，超限时自动提示精简。

所有产物落本地目录（如local-privacy-bid-files/），事实来源为facts.json，质量取决于助手读取标书后的准确填写。

注意事项与边界

• 能力限制：本技能覆盖事实抽取、结构生成和规则化审查，但缺少专属招投标知识库与控标算法。遇到冷门领域或强控标判断，需人工复核或向代理机构书面确认。
• 依赖环境：需安装Python 3，extract.py依赖pypdf（首次运行自动提示安装）；页数控制依赖LibreOffice（soffice），未安装时回退字数估算并注明以Word/WPS为准。
• 占位符与事实驱动：生成文档含【待填】占位符，合规审查会列为待办清单，提交前必须补全，否则可能被判无效。所有生成都基于facts.json，准确性至关重要。
• 本地运行约束：任何脚本不得发起网络请求，确保零云端交互。但这也意味着遇到复杂判断时，主观研判可能需要人工干预。