用Python+React打造一个开源的AI写标书智能体~ **完整代码已开源** 代码很多，文章只放主要代码和提示词，完整代码可以查看开源项目 Github： https://github.com/yibiaoai/yibiao-simple Gitee： https://gitee.com/yibiao-ai/yibiao-simple 今天是第二期，根据解析好的项目概述和技术评分需求，生成投标文件提纲： ![](https://qiniu.markup.com.cn/20250911131512062.png) ![](https://qiniu.markup.com.cn/20250911131512063.png) 一份好的标书，提纲是关键，而生成好的提纲，则有以下几个难点： - **格式化输出**：为了生成正文时，AI能够很好的理解提纲，保证结构不错乱，那么提纲必须是格式化的 - **超出AI输出长度**：几十万字的标书，提纲也不会短，现在AI虽然都号称几十万的上下文，但实际输出也就2千字左右，无法直接完整的长提纲 - **提纲可编辑**：虽然AI能生成比较不错的提纲，但还是没法100%满足要求，所以提纲必须是可编辑的，而且编辑后还不能破坏原有的结构 下面，咱们就来逐项分析一下，如何解决上述难点。 # 一、短标书+能力较强的AI模型 当生成的标书长度要求不高，比如三五万字。且AI能输出的token数比较长，如最新的 `glm-4.5` 和 `doubao-seed-1-6`，大约可以直接输出8000字左右，那么就可以使用下面这种简单的结构。 ## JSON结构 ``` json { "outline": [ { "id": "1", "title": "", "description": "", "children": [ { "id": "1.1", "title": "", "description": "", "children":[ { "id": "1.1.1", "title": "", "description": "" } ] } ] } ] } ``` ## 提示词 **SystemPrompt** ``` markdown 你是一个专业的标书编写专家。根据提供的项目概述和技术评分要求，生成投标文件中技术标部分的目录结构。 要求： 1. 目录结构要全面覆盖技术标的所有必要章节 2. 章节名称要专业、准确，符合投标文件规范 3. 一级目录名称要与技术评分要求中的章节名称一致，如果技术评分要求中没有章节名称，则结合技术评分要求中的内容，生成一级目录名称 4. 一共包括三级目录 5. 返回标准JSON格式，包含章节编号、标题、描述和子章节 6. 除了JSON结果外，不要输出任何其他内容 JSON格式要求： { "outline": [ { "id": "1", "title": "", "description": "", "children": [ { "id": "1.1", "title": "", "description": "", "children":[ { "id": "1.1.1", "title": "", "description": "" } ] } ] } ] } ``` **UserPrompt** ``` Markdown 请基于以下项目信息生成标书目录结构： 项目概述： {overview} 技术评分要求： {requirements} 请生成完整的技术标目录结构，确保覆盖所有技术评分要点。 ``` # 二、长标书+普通AI模型 要想使用如 `glm-4-air` 这样低价的普通模型，也能生成几十万字标书需要的长提纲，那实现起来就复杂多了。 **限制** 1. 上下文短，仅能输出1500字左右 2. 输出结果不稳定，尤其是json这类结构化数据，可能出现格式错误 **思路** 1. 先生成一级目录（要与技术评分要求一一对应） 2. 遍历一级目录，逐个生成二、三级目录（多个AI任务并发生成，要保证每个任务生成的目录和其他任务的不重复） 3. 校验生成的json格式是否标准 4. 最后拼成完整的目录 这种生成工作流，理论上可以生成无限长度的提纲。 ## 生成一级标题 **SystemPrompt** ``` Markdown ### 角色 你是专业的标书编写专家，擅长根据项目需求编写标书。 ### 人物 1. 根据得到的项目概述(overview)和评分要求(requirements)，撰写技术标部分的一级提纲 ### 说明 2. 只设计一级标题，数量要和"评分要求"一一对应 3. 一级标题名称要进行简单修改，不能完全使用"评分要求"中的文字 ### Output Format in JSON { "rating_item":"原评分项", "new_title":"根据评分项修改的标题" } ``` **UserPrompt** ```Markdown ### 项目信息 {overview} {requirements} 直接返回json，不要任何额外说明或格式标记 ``` ## 生成二级标题 为了生成结果稳定，我们不让AI来处理json框架，而是提前用代码拼接好json框架，仅让AI在json框架中填写内容 **拼接json框架** 我这里额外加了一个nodes_distribution，是为了让二三级目录数量不一样，随机了两个重点章节，这样更符合实际情况，这个不重要，感兴趣可以直接查看源码。 下面的代码是拼接json框架的： ``` python def generate_one_outline_json_by_level1(level1_title: str, level1_index: int, nodes_distribution: Dict) -> Dict: # 获取当前一级节点下的二级节点数量和叶子节点分配 level2_count = nodes_distribution['level2_nodes'][level1_index - 1] leaf_distribution = nodes_distribution['leaf_per_level2'][level1_index - 1] # 创建一级节点 level1_node = { "id":f"{level1_index}", "title": level1_title, "description": "", "children": [] } # 创建二级节点 for j in range(level2_count): level2_node = { "id":f"{level1_index}.{j+1}", "title": "", # 二级标题留空 "description": "", "children": [] } # 创建三级节点（叶子节点） leaf_count = leaf_distribution[j] for k in range(leaf_count): level2_node["children"].append({ "id":f"{level1_index}.{j+1}.{k+1}", "title": "", # 三级标题留空 "description": "" }) level1_node["children"].append(level2_node) return level1_node ``` 拼接其他章节的标题，需要传给AI参考，以免生成重复的章节内容 ``` python other_outline = "\n".join([f"{j+1}. {node['new_title']}" for j, node in enumerate(level_l1) if j!= i]) ``` **SystemPrompt** json_outline是前面生成的json框架 ``` markdown ### 角色 你是专业的标书编写专家，擅长根据项目需求编写标书。 ### 任务 1. 根据得到项目概述(overview)、评分要求(requirements)补全标书的提纲的二三级目录 ### 说明 2. 你将会得到一段json，这是提纲的其中一个章节，你需要再原结构上补全标题(title)和描述(description) 3. 二级标题根据一级标题撰写,三级标题根据二级标题撰写 4. 补全的内容要参考项目概述(overview)、评分要求(requirements)等项目信息 5. 你还会收到其他章节的标题(other_outline)，你需要确保本章节的内容不会包含其他章节的内容 ### 注意事项 在原json上补全信息，禁止修改json结构，禁止修改一级标题 ### Output Format in JSON {json_outline} ``` **UserPrompt** ``` markdown ### 项目信息 {overview} {requirements} {other_outline} 直接返回json，不要任何额外说明或格式标记 ``` ## 校验生成json结果是否和传入框架一致 ``` python import json def check_json(json_str: str, schema: str | dict) -> tuple[bool, str]: """ 根据模板 JSON 校验目标字符串的格式是否符合要求 Args: json_str: 要校验的 JSON 字符串 schema: 模板 JSON 字符串或字典对象，用于定义预期的数据结构 Returns: tuple[bool, str]: (是否验证通过, 错误信息) 如果验证通过返回 (True, "")，否则返回 (False, 错误原因) """ try: # 解析输入的 JSON 字符串 try: data = json.loads(json_str) except json.JSONDecodeError as e: return False, f"JSON 解析错误: {str(e)}" # 处理 schema 参数 try: if isinstance(schema, str): schema = json.loads(schema) elif not isinstance(schema, dict): return False, "schema 必须是 JSON 字符串或字典对象" except json.JSONDecodeError as e: return False, f"schema 解析错误: {str(e)}" def check_structure(target, template, path=""): # 处理数字类型（int 和 float 可以互换） if isinstance(template, (int, float)) and isinstance(target, (int, float)): return True, "" # 检查基本数据类型 if type(template) != type(target) and not (isinstance(template, (int, float)) and isinstance(target, (int, float))): return False, f"路径 '{path}' 的类型不匹配: 期望 {type(template).__name__}, 实际 {type(target).__name__}" # 如果是列表类型 if isinstance(template, list): if not template: # 如果模板列表为空，则允许任何列表 return True, "" if not target: # 如果目标列表为空，但模板不为空 return False, f"路径 '{path}' 的列表为空，但期望有内容" # 检查列表中的每个元素是否符合模板中第一个元素的格式 template_item = template[0] for i, item in enumerate(target): is_valid, error = check_structure(item, template_item, f"{path}[{i}]") if not is_valid: return False, error return True, "" # 如果是字典类型 elif isinstance(template, dict): # 检查所有必需的键是否存在，并且值的类型是否正确 for key in template: if key not in target: return False, f"路径 '{path}' 缺少必需的键 '{key}'" is_valid, error = check_structure(target[key], template[key], f"{path}.{key}") if not is_valid: return False, error return True, "" # 对于其他基本类型，返回 True return True, "" is_valid, error = check_structure(data, schema) return is_valid, error if not is_valid else "" except Exception as e: return False, f"未预期的错误: {str(e)}" ``` 在执行过程中，设置3次重试，如果校验没通过，再重新执行一次，以保证成功率 ![](https://qiniu.markup.com.cn/20250911131512064.png) # 完整代码已开源 Github： https://github.com/yibiaoai/yibiao-simple Gitee： https://gitee.com/yibiao-ai/yibiao-simple