📖 前情回顾

前四期我们走完了：

bidding-agents/├── main.py# FastAPI入口├── api/│   ├── tender.py# 招标文件API│   ├── bid.py# 投标文件API│   ├── legal.py# 法规查询API│   ├── knowledge.py# 知识库搜索API│   └── feishu.py# 飞书集成API├── services/│   ├── template_service.py# 模板匹配│   ├── generation_service.py# 内容生成│   ├── compliance_service.py# 合规检查│   ├── export_service.py# 文件导出│   └── simple_search.py# 知识库检索├── enterprise-data/# 企业数据└── docker/     ├── Dockerfile     └── docker-compose.yml

@router.post("/generate")async defgenerate_tender(request: TenderRequest):    # 1. 匹配模板     template = template_service.match(         project_type=request.projectType,         procurement_method=request.procurementMethod     )    # 2. 生成内容（调用OpenClaw智能体）     content = await generation_service.generate(         template=template,         project_info=request.dict(),         agent_id="tender-agent"     )    # 3. 合规检查（调用法规顾问）     compliance = await compliance_service.check(content)    # 4. 返回结果return {        "content": content,        "compliance_report": compliance,        "template_used": template.name     }

💡 关键设计

不是AI直接生成完事，而是 模板匹配 → AI填充 → 合规检查 三步走。

为什么？因为纯AI生成的招标文件格式不稳定，今天长这样明天长那样。用模板兜底，AI只负责填内容，格式由模板控制。

图1：招投标AI系统整体架构与数据流转

@router.get("/search")async defsearch_knowledge(q: str, category: str = None):     results = simple_search.search(         query=q,         category=category,         top_k=5     )    return {"results": results}

@router.post("/notify")async defnotify_feishu(task_id: str, event_type: str):    awaitsend_feishu_card(         title="招标文件已生成",         content=f"项目：{task_id}\n状态：{event_type}",         url=f"/tender/detail/{task_id}"     )

图2：招投标AI系统前端界面功能展示

classComplianceChecker:     RULES = [         {"id": "R001", "law": "招标投标法第24条", "check": "投标有效期≥20日"},         {"id": "R002", "law": "87号令第33条", "check": "投标保证金≤估算价2%"},         {"id": "R003", "law": "招标投标法第37条", "check": "评标委员会≥5人单数"},         {"id": "R004", "law": "87号令第59条", "check": "履约保证金≤合同金额10%"},     ]    async defcheck(self, content: str) -> ComplianceReport:        # 第一步：规则引擎硬检查         rule_results = [self._apply_rule(r, content) for r in self.RULES]        # 第二步：AI语义检查（调用法规顾问智能体）         ai_result = await self._ai_check(content)        # 合并结果，去重return self._merge(rule_results, ai_result)

version: '3.8'services:  api:    build: .    ports:       - "8088:8088"volumes:       - ./knowledge-base-md-new:/app/knowledge-base       - ./output:/app/outputenvironment:       - OPENCLAW_API_URL=http://host.docker.internal:3000depends_on:       - redisfrontend:    build: ./src/frontendports:       - "80:80"depends_on:       - apiredis:    image: redis:7-alpineports:       - "6379:6379"

# 构建并启动docker-compose up -d# 查看状态docker-compose ps# 查看日志docker-compose logs -f api

图3：Docker部署架构与容器运行状态

⚠️ 坑1：知识库搜索不能用向量数据库

一开始想用Milvus做向量检索，结果发现：

• 772个中文法规文件，分词效果差

• 法律条文语义相似度高，向量检索区分不开”87号令”和”18号令”

• 部署Milvus又多一个服务，运维成本翻倍

最终方案：先用BM25关键词搜索，够用。等数据量大了再换向量库。

⚠️ 坑2：AI生成内容格式不稳定

同一个模板，今天生成的招标文件格式是对的，明天就可能变。AI不会100%遵守模板格式。

解决方案：模板用占位符（{{项目名称}}），AI只生成占位符的内容，格式由代码控制。

⚠️ 坑3：Docker里访问不到宿主机的OpenClaw

OpenClaw跑在宿主机上，Docker容器里访问localhost:3000访问不到。

解决方案：用host.docker.internal代替localhost（Docker Desktop支持），Linux上加 --add-host=host.docker.internal:host-gateway

下一步的核心任务不是加功能而是打磨质量——让每个模块从”能跑”变成”可靠”

🔮 下期预告

知识库精简与质量提升——772个文件砍到150个核心文件，每个都确保准确可用

📚 系列文章

💬 你在搭建AI系统时遇到过哪些坑？

欢迎在评论区分享你的经验点赞 👍 收藏 ⭐ 转发 🔄 让更多人看到

📌 更多AI实战内容，关注主页查看~