招投标信息检索

目的

从全国公共资源交易平台、中国招标投标公共服务平台、中国政府采购网及各省级交易中心等公开渠道检索招投标信息，把散落在搜索结果里的半结构化内容，整理成字段规范、金额可比、可筛选的清单，交付 Markdown 表格（对话内直接看）+ Excel（二次加工）。

核心原则

只做公开信息的检索与整理，不编造、不绕过、不越界。具体红线见文末「硬性约束」。

何时使用

查找某地区 / 某行业近期在招项目（商机挖掘）
查询中标结果与中标单位（竞对分析、市场格局）
跟踪特定招标人的历史采购（如某医院近一年的信息化项目）
定期汇总行业招投标动态

参数与默认值

先解析用户需求，按下表补齐参数。缺失项直接使用默认值并在报告开头标注，不要为填参数而反复追问用户——只在需求歧义会导致结果完全不同时才提问（例如「项目」指代不明）。

| 参数 | 默认值 | |---|---| | 地区 | 全国（需按七大片区分批检索） | | 行业 | 医疗健康（本技能已锁定；临时跨行业检索可显式传 --industry 其他行业关键词） | | 公告类型 | 招标公告（在招项目） | | 时间范围 | 近 30 天（freshness=d30） | | 金额区间 | 不限制 | | 目标条数 | 20–40 条有效记录 |

工作流

第 1 步：构造检索矩阵

可先运行 python scripts/search_matrix.py --region 广州 --industry 医疗健康 按公式自动生成 4–6 组查询词与 freshness 建议（词库见 references/query-cookbook.md），直接复制下发即可；需要自定义时再手工调整。本技能已默认锁定行业为「医疗健康」，可省略 --industry 参数。

读取 references/query-cookbook.md，按「地区词 + 行业关键词 + 公告类型词 + 时间限定」公式，生成 4–6 组互补查询。单条查询必然漏检，多角度并行覆盖是质量的关键。

要点：

site: 语法在当前搜索中不可靠，会返回其他域名的结果。改用「平台名 + 域名片段」作普通关键词。
时间限定优先用 WebSearch 的 freshness 参数，比在关键词里写「近7天」可靠；同时在长查询里补写当前年份。
做商机挖掘时，务必额外检索「采购意向 / 需求公示」——比正式招标公告早 1–3 个月，是提前介入窗口。

第 2 步：执行检索

并行下发多组 WebSearch，浏览结果后：

用 references/sources.md 的域名表判定来源档位（A 类官方可直接引用；B 类聚合需回源核对；C 类内容营销站禁止作为事实来源）。
对 A 类平台的关键公告，用 WebFetch 打开原文抽取精确字段（预算金额、最高限价、项目编号、投标截止时间、代理机构）。搜索摘要常缺金额单位，必须回原文确认。
每条记录必须保留可点击的 url。
WebFetch 回源失败 fallback 流程（B3）：若某条公告 WebFetch 抓取失败（超时/反爬/页面改版），按以下顺序处理，不要直接留空了事：
- 重试 1 次（换 http/https 或补充路径后重试）；
- 仍失败 → 用不同检索词（如项目编号、采购人名称）重新 WebSearch 定位其它镜像/转载页回源；
- 仍无法取得关键字段 → 该条照常入库，但 confidence 保持 medium（不得标 high），并在 note 标注「回源失败，待复核」；它会被自动收入报告末的「待核实清单」，供后续人工补抓。

第 3 步：抽取为结构化 JSON

按 references/field-schema.md 的字段表，把结果写入中间 JSON 文件。要点：

金额照抄原文字符串（如 "31,000,000.00元"），归一化交给脚本，不要在抽取阶段手算。
confidence 由脚本按来源 url 域名自动判定（规则见 references/domains.json，可随时增删域名）：
- A 类官方媒介 → high：公共资源交易平台、政府采购网等；新增兜底规则——所有 .gov.cn 政府站点一律判 A（如 zfcg.gd.gov.cn、ggzy.shaanxi.gov.cn）。
- B 类聚合/转载 → medium：剑鱼标讯(jianyu360.cn)、千里马(qianlima.com)、中国采购与招标网(chinabidding.com.cn) 等第三方标讯平台，必须在备注注明需回官方核对。
- C 类内容营销站 → low：cnhh.com、中项网(ccpc360.com) 等，整行标黄并标注「二手来源需回官方核实」，禁止作为事实来源。
- 人工只需在已用 WebFetch 回源核对后显式标 high；其余留空，脚本自动判定，不必手填。
缺失字段填 null，绝不猜测填充。
用 --print-template 获取空模板，或参考 assets/sample_records.json 中的完整样例（该样例故意包含 1 条无链接记录和 1 条同编号的更正公告，用于演示去重与丢弃规则）：

python scripts/build_report.py --print-template

第 4 步：生成报告

python scripts/build_report.py --input records.json --outdir . --name "医疗健康招投标" --md-columns brief

脚本自动完成：金额归一化为万元、日期标准化、按项目编号去重（同号保留最新并标注「有更正」）、丢弃无链接条目、按发布日期倒序，输出 Markdown + Excel。

--md-columns brief（默认）：对话内展示，列少易读
--md-columns full：全字段，适合存档

Excel 为全字段，含冻结首行、自动筛选、金额数值列（可排序）、原文超链接；可信度 low 的行整行标黄。

Python 解释器优先使用 C:/Users/wtj/.workbuddy/binaries/python/envs/default/Scripts/python.exe（已装 openpyxl）。若环境无 openpyxl，脚本自动降级输出 CSV，不中断。

时间窗口与缓冲带（B2，可选）

需要严格按「近 N 天」卡时间时，加 --window-days N（默认不启用即保留全部）。启用后：窗口内正常保留；落在 [窗口, 窗口+缓冲] 的临近边界条目保留并标注「⚠️临近时间窗口边界」（不再像 freshness 硬阈值那样直接丢临近条目）；超出窗口+缓冲的直接丢弃。缓冲带默认 5 天，可用 --buffer-days 调，--as-of 指定基准日（默认今天）。

python scripts/build_report.py --input records.json --outdir . --name "广州旧改近30天" \
    --window-days 30 --buffer-days 5

HTML 可视化报告（C2，可选）

加 --html 额外输出一份自包含单页 HTML（无外部 CDN，离线可用，浅色主题），含汇总卡片、按类型/地区的柱状图、可筛选可排序明细表，以及「待核实清单」。适合汇报与长期留存。

python scripts/build_report.py --input records.json --outdir . --name "广州旧改近30天" --html

各类报告均会在末尾自动附「待核实清单」（B3）：收录 confidence=low 或 medium 且无金额的条目，提示回 A 类官方平台按项目编号核对后再引用。

增量缓存（可选，适合定期运行）

若每周/每日定期跑同一主题（如「广州老旧小区改造」），加 --cache <path>.json 即可跨次对比，只关注新增与变化：

python scripts/build_report.py --input records.json --outdir . --name "广州旧改周报" \
    --cache ~/.cache/cn-tender-medical/gz-old-community.json --md-columns full

脚本会：按「项目编号 + 公告类型」做缓存键与历史逐条比对；给每条打 状态 列（新增 / 更新 / 未变）；同条目字段变化（金额更正、中标单位公布、状态推进等）判为 更新 并在备注列出变更点（如「变更中标单位: —→某某公司」）；最后写回全量缓存供下次对比。Excel 里 new 行浅绿、updated 行浅橙、low 行浅黄，便于一眼区分。

配合 --only-new 只输出本次新增/更新的条目，适合直接推送给团队或定时任务：

python scripts/build_report.py --input records.json --outdir . --name "广州旧改增量" \
    --cache ~/.cache/cn-tender-medical/gz-old-community.json --only-new

每个订阅主题用独立缓存文件；换主题或重跑历史时另建缓存，避免互相污染。

第 5 步：交付与说明

调用 present_files 呈现 Markdown 与 Excel。在回复中补充：

命中概况（条数、类型分布、地区分布）
值得关注的项目（金额最大、截止时间最近、与用户业务最匹配）
数据局限（哪些条目待核实、时间窗口、覆盖了哪些平台）

硬性约束

不编造任何金额、日期、项目编号、中标单位。缺失一律 —，宁缺勿猜。
只采集公开发布的信息。不尝试登录、不绕过验证码与反爬、不涉及 CA 锁或付费墙内容。招标文件下载需用户自行登录平台。
第三方聚合站数据不可直接引用，必须回 A 类官方平台按项目编号核对。
每份报告必须附免责声明（脚本已自动添加）：数据来自公开渠道，以平台原文为准，不构成投标建议。
公告存在「更正公告」覆盖原文的情况，同项目编号以发布日期最新的一条为准。

参考资源

| 文件 | 用途 | |---|---| | references/sources.md | 平台清单、域名速查、可信度分档 | | references/query-cookbook.md | 检索公式、行业关键词库、时间限定、漏检排查 | | references/field-schema.md | 输出字段规范、金额/日期归一化规则、去重规则 | | scripts/build_report.py | JSON → Markdown + Excel（+ 可选 HTML），含归一化、按域名自动判定可信度、去重；支持 --cache 增量模式（新增/更新/未变标注）、--only-new 增量推送、--window-days/--buffer-days 时间窗口过滤、--html 可视化报告；金额解析支持约/含税/区间 | | scripts/tests/test_amount.py | 金额解析单测（python scripts/tests/test_amount.py，依赖 venv 内 pytest 之外的标准库 unittest） | | scripts/search_matrix.py | 检索矩阵生成器：参数化生成 4–6 组查询词 + freshness 建议 | | references/domains.json | 域名可信度分档（A/B/C），供 build_report.py 自动判定 confidence | | assets/sample_records.json | 9 条真实公告样例，可直接跑 --input 验证脚本行为 |