招标文件解析（tender-parse）

概述

把一份（可能由多个 PDF 分册组成的）招标文件解析为结构化结果：项目关键信息 + 评审项清单（含定性/定量、主观/客观、单家/横向、分值、评审维度、业务本体），存入 SQLite，并用本地 Web 页面展示，支持点击条目定位回 PDF 原文。

工作分两个阶段，按顺序执行：

阶段一 解析入库：read_pdf.py 逐分册读取 → 通读并提取 → 组装 parse_result.json → save_to_db.py 校验入库
阶段二 结果展示：display_http_server.py 启动本地服务 → 浏览器/present_files 打开页面

目录结构

tender-parse/
├── SKILL.md                  本文件
├── requirements.txt           Python 依赖（阶段一、二共用）
├── scripts/
│   ├── read_pdf.py           读取 PDF 文本/图片块与坐标 → .txt + .blocks.json
│   ├── model.py              数据结构权威定义（pydantic）
│   ├── create_tables.sql     SQLite 建表语句（save_to_db.py 自动执行）
│   ├── save_to_db.py         校验 parse_result.json 并入库
│   └── display_http_server.py 本地展示服务
├── references/
│   ├── data-model.md         数据结构与 DB Schema 详解（字段、类型、JSON 映射）
│   ├── analyze-guide.md      阶段一操作指南（关键信息清单、判定规则、多分册注意事项）
│   └── display-guide.md      阶段二展示服务用法与排错
└── assets/
    └── static/               展示前端（index.html/result.js/result.css + pdf.js 及其字体、cmap、wasm 资源）

环境准备

在虚拟环境中安装依赖（不要污染全局环境）：

python -m venv .venv
.venv/Scripts/pip install -r <skill_dir>/requirements.txt   # Windows
# .venv/bin/pip install -r <skill_dir>/requirements.txt     # macOS/Linux

阶段一：解析入库

开始前先完整阅读 references/analyze-guide.md 与 references/data-model.md，前者给出操作步骤与判定规则，后者是数据结构的权威定义。

建立项目工作目录（如 <项目名>/），PDF 分册放入 pdfs/，中间产物放 blocks/。

对每个分册运行读取脚本（可多次、可并行）：

python <skill_dir>/scripts/read_pdf.py "pdfs/招标文件第1册.pdf" "blocks/vol1"

通读 .txt（每块一行 #B序号 | p页码 | y0:坐标 | 内容），定位招标公告、投标人须知、评标办法中的评审表及被引用的正文条款。
按模型结构组装 parse_result.json：
- key_information：项目名称、招标编号、招标人、招标代理机构、采购方式、预估采购金额、最高投标限价、开标时间等（清单见 analyze-guide.md §3），每条必须带来源段落定位；
- eva_items：逐条评审项，含 listed_text（评审表原文单元格）、link_paragraphs（表外引用）、qua_quan/sub_ob/is_all_org 判定、分值、dimension/substance（判定规则见 analyze-guide.md §4）；
- SematicParagraph 由 .blocks.json 中的连续块合并而成，abs_file_path 必须指向真实所属分册，page_num 是分册内页码。

入库（自动建表 + pydantic 校验，失败会打印错误详情）：

python <skill_dir>/scripts/save_to_db.py --db zbjx.db --input parse_result.json

按 analyze-guide.md §6 的自检清单核对，修正后重新入库（默认全量替换两张表）。

阶段二：结果展示

启动服务（--pdf-dir 指向招标 PDF 所在目录，前端按文件名匹配分册）：

python <skill_dir>/scripts/display_http_server.py --db zbjx.db --pdf-dir "pdfs/" --port 8000

用 present_files 打开 http://127.0.0.1:8000/。
页面功能：关键信息 Tab（点击行 → PDF 红框标注原文出处）、评审项 Tab（左列表/中原文与引用段落/右评审维度卡片，均支持定位）、PDF 翻页缩放。
参数、端点、排错详见 references/display-guide.md。

硬性约束

所有定位数据（SematicParagraph）的 abs_file_path、page_num、bbox 必须真实可回溯，前端依赖它们在 PDF 上画框；坐标错误 = 定位失效。
listed_text 只放评审表原文，link_paragraphs 只放评审表之外的引用，不得混放。
定量项必填分值区间，横向评审维度必填 sort_point/sort_rule；定性项分值为 null 属正常。
一个 SQLite 库对应一个招标项目；换项目新建库，不要混存。
纯扫描件（无文本层）PDF 无法用 read_pdf.py 提取，先告知用户需 OCR，不在本技能范围内。

典型触发语

"帮我解析这份招标文件 / 提取评审项 / 整理关键信息"（附一个或多个 PDF）
"分析评审表，标出哪些是定量、主观、横向评审"
"把解析结果入库并用网页展示给业务人员看"