这是一个面向投标/评标场景的结构化抽取工具。支持上传 PDF、Word 或 Excel 格式的招标文件，自动提取项目基础信息、投标资格、技术与商务要求、评标办法等关键条款，并还原目录层级与跨页表格。输出结构化 JSON/Excel，适用于招标文件智能生成、AI 辅助评标及招投标知识库建设。

https://github.com/intsig-textin/xparse-sample-projects

接下来我们主要讨论一件事：如果目标是从一份很长的招标文件里稳定产出结构化结果，系统应该怎么搭。重点不是场景背景，而是中间层怎么定义、任务怎么拆、Prompt 为什么这样写。

如果只是让大模型“总结一份招标文件”，实现并不难；难的是把一份上百页的长文档稳定拆成可展示、可复用、可继续治理的结构化结果。

这类工具真正要完成的是下面这条链路：

所以这里的核心不是“抽字段”三个字，而是先把长文档抽取问题拆成多个边界明确的小任务。

如果目标是长文档结构化，推荐把链路拆成四层：

三、先把解析层的输入输出定义对

这里最容易写错。真正调用的不是 

 接口，而是 TextIn 的二进制流解析接口：

POST https://api.textin.com/ai/service/v1/pdf_to_markdown

请求头和请求体在代码里是这样组织的：

headers = {
    "x-ti-app-id": TEXTIN_APP_ID,
    "x-ti-secret-code": TEXTIN_SECRET_CODE,
    "Content-Type": "application/octet-stream",
}

params = {
    "parse_mode": "auto",
    "page_count": 200,
    "dpi": 144,
    "table_flavor": "html",
    "apply_document_tree": 1,
    "markdown_details": 1,
    "page_details": 1,
    "apply_merge": 1,
    "paratext_mode": "none",
}

resp = await client.post(
    "https://api.textin.com/ai/service/v1/pdf_to_markdown",
    headers=headers,
    params=params,
    content=file_bytes,
)

可以把它理解成下面这个输入输出契约：

Headers:
- x-ti-app-id
- x-ti-secret-code
- Content-Type: application/octet-stream

Query:
- parse_mode=auto
- page_count=200
- dpi=144
- table_flavor=html
- apply_document_tree=1
- markdown_details=1
- page_details=1
- apply_merge=1
- paratext_mode=none

Body:
- PDF 文件的原始字节流

如果你做的是 Web 工具，通常会在本地后端再包一层 

 方便浏览器上传和鉴权隔离；但那只是工程封装，不是上游解析接口本身的协议。

四、为什么中间层必须是`markdown+pages`

这一步决定了后面能不能把长文档拆稳。

也就是说，解析完成之后，整个系统处理的对象就不再是 PDF，而是 

五、长文档不要全文直抽，先按标题切块

招标文件最难的地方不是字段多，而是篇幅长、章节多、不同章节关心的问题完全不同。如果直接把全文塞给一个总 Prompt，结果很难稳。

更合理的做法是先按标题切块。代码里的切块入口就是：

function parseMarkdownToChunks(md: string): Chunk[] {
  const lines = md.split('\n');
  const headerMatch = line.match(/^#{1,2}\s+(.*)/);
}

这一步做的不是“抽取”，而是把文档转成一批更短、更聚焦的 chunk。

切完之后，再按关键词做模块路由，例如：

const MODULE_KEYWORDS = {
  basic: ['招标公告', '项目概况', '联系方式'],
  qualification: ['资格', '资质', '财务', '联合体'],
  evaluation: ['评标', '评审', '评分', '分值'],
  submission: ['投标文件', '递交', '开标', '保证金'],
  invalid_risk: ['无效标', '否决', '废标条款'],
  annex: ['附件', '格式', '表单', '清单'],
};

六、Prompt 不是“让模型抽字段”，而是定义模块契约

这里最值得学的不是“用了大模型”，而是 Prompt 把输入输出边界写得很死。

你是一个“招投标文件基础信息（basic）抽取器”。
你的任务：仅抽取【基础信息 basic】模块，并输出严格合法的 JSON。

【核心硬性原则：禁止捏造】
1) 你只能从输入的 Markdown 原文中抽取信息。
2) 如果原文没有明确出现某字段：该字段 value 必须为 "" 或 null。
6) 【溯源原子性原则——最高优先级】
- 每个 value 必须来自原文中一处连续段落/句子的逐字摘录。

为什么要这么写，而不是只写一句“请抽取基础信息”？

 四种。这个设计很关键，因为招标文件天然是半结构化文档，不同信息的最佳表达形式并不一样。

这比把所有字段强行压成同一种平铺结构更稳。

七、输入、Prompt、输出必须一一对应

要让这套架构可维护，至少要把三件事先对齐：

输入不是全文，而是某个模块命中的 Markdown 片段。前端会把命中的 chunk 重新拼成模块输入：

moduleData[key].markdown += `\n\n### ${c.title_path}\n` + c.content;

 模块的，并不是整份标书，而是“资格要求相关片段”。

以资格要求模块为例，Prompt 直接固定了三个 section：

这意味着这个模块的职责只有三件事，不会在一次抽取里又去掺杂评标办法或附件格式。

前端模块配置也会定义同样的 section key。这样一来，页面渲染不需要再猜字段，只要按约定好的 key 读取结果即可。

也就是说，这里不是“先让模型自由返回，再想办法接结果”，而是先把输入范围、Prompt schema、页面结构统一好，再让模型往固定壳子里填内容。

八、和传统做法相比，差别在哪里

如果目标是做工程化工具，而不是做一次性演示，这套方案和传统方式有两个本质区别。

纯文本加正则在字段非常固定时还可以用，但招标文件章节名称、段落顺序、表格表达方式都经常变化，规则一旦堆多，维护成本会非常高。

全文单 Prompt 很适合快速做一个效果展示，但它很难同时解决下面几个问题：

​项目介绍：​这是一个面向投标/评标场景的结构化抽取工具。支持上传 PDF、Word 或 Excel 格式的招标文件，自动提取项目基础信息、投标资格、技术与商务要求、评标办法等关键条款，并还原目录层级与跨页表格。输出结构化 JSON/Excel，适用于招标文件智能生成、AI 辅助评标及招投标知识库建设。

招投标文件结构化：为什么不要全文直抽？先切块再按模块定义输入输出（附GitHub项目地址）

这是一个面向投标/评标场景的结构化抽取工具。支持上传PDF、Word或Excel格式的招标文件，自动提取项目基础信息、投标资格、技术与商务要求、评标办法等关键条款，并还原目录层级与跨页表格。输出结构化JSON/Excel，适用于招标文件智能生成、AI辅助评标及招投标知识库建设。

人工智能

后端

开发工具

面向投标评标场景的结构化抽取工具，支持PDF/Word/Excel文件自动解析，精准提取项目信息、投标资格、技术要求等关键条款。采用四层架构设计，通过markdown中间层实现文档切块和模块化抽取，输出结构化JSON/Excel数据。系统支持招标文件智能生成、AI辅助评标及招投标知识库建设，大幅提升招投标工作效率。

路由

GitHub

JSON

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

招投标文件结构化：为什么不要全文直抽？先切块再按模块定义输入输出（附GitHub项目地址）

招投标文件结构化：为什么不要全文直抽？先切块再按模块定义输入输出（附GitHub项目地址）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐