标书智能体（二）——生成标书提纲代码+提示词

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：

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

1. {
2.   "outline": [
3.     {
4.       "id": "1",
5.       "title": "",
6.       "description": "",
7.       "children": [
8.         {
9.           "id": "1.1",
10.           "title": "",
11.           "description": "",
12.           "children":[
13.               {
14.                 "id": "1.1.1",
15.                 "title": "",
16.                 "description": ""
17.               }
18.           ]
19.         }
20.       ]
21.     }
22.   ]
23. }

复制代码

提示词

SystemPrompt

1. 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：{
2.   "outline": [
3.     {
4.       "id": "1",
5.       "title": "",
6.       "description": "",
7.       "children": [
8.         {
9.           "id": "1.1",
10.           "title": "",
11.           "description": "",
12.           "children":[
13.               {
14.                 "id": "1.1.1",
15.                 "title": "",
16.                 "description": ""
17.               }
18.           ]
19.         }
20.       ]
21.     }
22.   ]
23. }

复制代码

UserPrompt

1. 请基于以下项目信息生成标书目录结构：
3. 项目概述：
4. {overview}
6. 技术评分要求：
7. {requirements}
9. 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。

复制代码

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

• 上下文短，仅能输出1500字左右
  
• 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

• 先生成一级目录（要与技术评分要求一一对应）
  
• 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）
  
• 校验生成的json格式是否标准
  
• 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

1. ### 角色
2. 你是专业的标书编写专家，擅长根据项目需求编写标书。
4. ### 人物
5. 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
7. ### 说明
8. 2. 只设计一级标题，数量要和"评分要求"一一对应
9. 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
11. ### Output Format in JSON
12. {
13.         "rating_item":"原评分项",
14.         "new_title":"根据评分项修改的标题"
15. }

复制代码

UserPrompt

1. ### 项目信息
3. <overview>
4. {overview}
5. </overview>
7. <requirements>
8. {requirements}
9. </requirements>
12. 直接返回json，不要任何额外说明或格式标记

复制代码

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：

1. def generate_one_outline_json_by_level1(level1_title: str, level1_index: int, nodes_distribution: Dict) -> Dict:
2.     # 获取当前一级节点下的二级节点数量和叶子节点分配
3.     level2_count = nodes_distribution['level2_nodes'][level1_index - 1]
4.     leaf_distribution = nodes_distribution['leaf_per_level2'][level1_index - 1]
5.    
6.     # 创建一级节点
7.     level1_node = {
8.         "id":f"{level1_index}",
9.         "title": level1_title,
10.         "description": "",
11.         "children": []
12.     }
13.    
14.     # 创建二级节点
15.     for j in range(level2_count):
16.         level2_node = {
17.             "id":f"{level1_index}.{j+1}",
18.             "title": "",  # 二级标题留空
19.             "description": "",
20.             "children": []
21.         }
22.         
23.         # 创建三级节点（叶子节点）
24.         leaf_count = leaf_distribution[j]
25.         for k in range(leaf_count):
26.             level2_node["children"].append({
27.                 "id":f"{level1_index}.{j+1}.{k+1}",
28.                 "title": "",  # 三级标题留空
29.                 "description": ""
30.             })
31.         
32.         level1_node["children"].append(level2_node)
33.    
34.     return level1_node

复制代码

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

1. other_outline = "\n".join([f"{j+1}. {node['new_title']}"
2.                     for j, node in enumerate(level_l1)
3.                     if j!= i])

复制代码

SystemPrompt
json_outline是前面生成的json框架

1. ### 角色
2. 你是专业的标书编写专家，擅长根据项目需求编写标书。
4. ### 任务
5. 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
7. ### 说明
8. 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)
9. 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
10. 4. 补全的内容要参考项目概述(overview)、评分要求(requirements)等项目信息
11. 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
13. ### 注意事项
14. 在原json上补全信息，禁止修改json结构，禁止修改一级标题
16. ### Output Format in JSON
17. {json_outline}

复制代码

UserPrompt

1. ### 项目信息
3. <overview>
4. {overview}
5. </overview>
7. <requirements>
8. {requirements}
9. </requirements>
11. <other_outline>
12. {other_outline}
13. </other_outline>
16. 直接返回json，不要任何额外说明或格式标记

复制代码

校验生成json结果是否和传入框架一致

1. import json
2. def check_json(json_str: str, schema: str | dict) -> tuple[bool, str]:
3.     """
4.     根据模板 JSON 校验目标字符串的格式是否符合要求
5.    
6.     Args:
7.         json_str: 要校验的 JSON 字符串
8.         schema: 模板 JSON 字符串或字典对象，用于定义预期的数据结构
9.         
10.     Returns:
11.         tuple[bool, str]: (是否验证通过, 错误信息)
12.         如果验证通过返回 (True, "")，否则返回 (False, 错误原因)
13.     """
14.     try:
15.         # 解析输入的 JSON 字符串
16.         try:
17.             data = json.loads(json_str)
18.         except json.JSONDecodeError as e:
19.             return False, f"JSON 解析错误: {str(e)}"
20.         
21.         # 处理 schema 参数
22.         try:
23.             if isinstance(schema, str):
24.                 schema = json.loads(schema)
25.             elif not isinstance(schema, dict):
26.                 return False, "schema 必须是 JSON 字符串或字典对象"
27.         except json.JSONDecodeError as e:
28.             return False, f"schema 解析错误: {str(e)}"
29.         
30.         def check_structure(target, template, path=""):
31.             # 处理数字类型（int 和 float 可以互换）
32.             if isinstance(template, (int, float)) and isinstance(target, (int, float)):
33.                 return True, ""
34.                
35.             # 检查基本数据类型
36.             if type(template) != type(target) and not (isinstance(template, (int, float)) and isinstance(target, (int, float))):
37.                 return False, f"路径 '{path}' 的类型不匹配: 期望 {type(template).__name__}, 实际 {type(target).__name__}"
38.                
39.             # 如果是列表类型
40.             if isinstance(template, list):
41.                 if not template:  # 如果模板列表为空，则允许任何列表
42.                     return True, ""
43.                 if not target:  # 如果目标列表为空，但模板不为空
44.                     return False, f"路径 '{path}' 的列表为空，但期望有内容"
45.                     
46.                 # 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
47.                 template_item = template[0]
48.                 for i, item in enumerate(target):
49.                     is_valid, error = check_structure(item, template_item, f"{path}[{i}]")
50.                     if not is_valid:
51.                         return False, error
52.                 return True, ""
53.                
54.             # 如果是字典类型
55.             elif isinstance(template, dict):
56.                 # 检查所有必需的键是否存在，并且值的类型是否正确
57.                 for key in template:
58.                     if key not in target:
59.                         return False, f"路径 '{path}' 缺少必需的键 '{key}'"
60.                     is_valid, error = check_structure(target[key], template[key], f"{path}.{key}")
61.                     if not is_valid:
62.                         return False, error
63.                 return True, ""
64.                
65.             # 对于其他基本类型，返回 True
66.             return True, ""
67.                
68.         is_valid, error = check_structure(data, schema)
69.         return is_valid, error if not is_valid else ""
70.         
71.     except Exception as e:
72.         return False, f"未预期的错误: {str(e)}"

复制代码

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

完整代码已开源

Github： https://github.com/yibiaoai/yibiao-simple
Gitee： https://gitee.com/yibiao-ai/yibiao-simple

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！