EastWill数字招投标智能工作台

针对企业招标信息分散、重复公告较多、人工阅读标书与判断业务匹配度耗时的问题，设计并实现数字招投标工作台。统一接入招标平台 API 与目标网站，将公告、正文和附件整理为可检索、可分析的项目数据，帮助业务人员完成机会发现、筛选判断与后续跟进。 系统采用 React＋FastAPI＋MySQL，构建“采集补全→规则初筛→LLM 复核→项目池→推送复核与分发”的处理链路。将企业业务范围与评估口径注入分析流程，输出匹配评分、判断依据、风险和建议动作，并提供对话助手、后台任务中心及运营配置，支持从数据获取到业务使用的完整交付。

多源商机发现与资料解析： 通过统一适配器接入不同招标平台，隔离字段和接口差异；针对无统一 API 的网站，采用 Playwright 获取页面文本、链接及截图，由多模态模型提取公告信息，减少对固定页面选择器的依赖。结合跨平台分层去重与公告版本记录保留来源关系，附件通过 pypdf、python-docx、openpyxl 等工具解析，扫描件补充 OCR，为后续判断提供正文与标书依据。 智能评估与业务协同： 采用规则引擎处理明确排除条件，LLM 结合企业画像、正文及附件评估采购内容，兼顾规则可控性与语义理解能力；对话助手通过意图路由、项目定位和上下文关联调用查询及分析服务。项目池承接负责人、跟进状态与备注，飞书分发连接业务协作；耗时操作由后台线程池执行，通过 SSE＋轮询兜底展示任务进度，支持取消、重试和局部失败查看。

数据链路与业务流程建设： 将招标机会筛选拆解为采集、补全、评估、跟进和分发阶段，明确各阶段的数据输入、状态及人工介入点；实现统一数据源适配、跨平台去重、公告版本管理与附件解析，将不同来源的信息归一到项目数据模型。结合业务评估口径配置关键词、排除规则和分析模板，完成项目池、分析工作台与推送复核流程的前后端联调。 AI 应用与执行可靠性建设： 实现网页多模态提取、企业画像驱动的 LLM 分析及结构化结果处理，设计对话查询、上下文追问和项目歧义确认逻辑，复用现有业务服务完成详情补全与分析。配套模型异常重试、规则降级、调用审计及任务事件记录，并通过后台执行与实时进度反馈，让模型能力形成可操作、可追踪的业务功能。

异构网页提取与数据可信度： 网站结构不统一，模型提取又可能生成页面中不存在的字段或链接。采用 Playwright＋页面文本/截图联合提取＋Pydantic 校验，进一步将标题、预算、日期与页面原文核对，详情及附件链接与实际链接集合校验，不符合条件的数据拒绝入库或清空对应字段；视觉调用失败时回退到文本提取。针对重复公告，将跨平台相似度去重与同来源公告版本识别分开处理，保留来源别名和版本快照，降低误合并与来源丢失风险。 模型异常与长链路局部失败： 模型可能返回截断 JSON、无效评分或与附件状态冲突的结论，采集和分析中的单项失败也可能影响整批任务。采用 结构化解析＋数值归一化＋事实校正，仅对空响应、截断及格式问题追加一次重试，持续失败时明确标记降级并降低评分与置信度。详情请求在数据库写事务外执行，结果逐项通过短事务保存；结合任务心跳、阶段事件和 SSE 状态反馈，保留已完成结果并暴露具体失败环节，便于定位和重试。