夜雨聆风大家好，我是有鱼
上一篇文章分享了我用 DeepSeekV4Pro写完一份标书，才发现很多人把它用浅了。文章发出后，比较多私信说要详细教程的。
这篇就把整个流程拆开讲清楚。
这套方法不仅适用于标书制作。凡是工作内容涉及大量资料读取、规则比对、文档编写和格式整理，都可以套用同一套思路，比如方案书、汇报材料、制度文件、数据分析报告等。
首先大家要明白一点，真正决定最终质量的，也不是提示词有多长，而是三件事：
资料是否完整； 规则是否写清楚； 验收是否足够严格。
下面以Windows环境下的DeepSeek API + Claude Code为例，从零开始演示。 已经完成Claude Code安装和模型配置的读者，可以直接跳到“六、整理项目资料”，从标书工作流开始看。
说明：工具版本和模型名称可能更新。安装或配置时如发现界面不同，以 DeepSeek、Claude Code官方最新文档为准。
先看完整流程：AI做标书不是“一键生成”
整个过程可以压缩成 7 步：
准备招标文件和企业资料 ↓建立项目文件夹和 CLAUDE.md ↓提取废标项、评分项和指定格式 ↓生成“评分项—响应章节—证明材料”映射 ↓确认大纲后分章节编写 ↓合并 Word 并检查格式 ↓人工复核、签章和提交这7步中，AI可以承担前六步的大量机械工作，但最终的事实确认、法律承诺和投标责任仍然属于企业。
4分钟生成的是初稿，不是可以跳过审核、直接盖章提交的最终标书。
一、先明确边界：哪些内容适合交给AI
技术响应文件通常包含大量重复但要求严谨的工作：
阅读招标文件并提取采购需求； 拆解评分标准； 生成技术方案和服务方案； 按条款编写响应内容； 整理偏离表、承诺书和响应表； 套用指定章节结构与文档格式； 对照评分项检查是否漏答。
这些任务很适合交给能够读取本地文件、调用工具并持续执行的智能体。
但以下内容仍然必须由人最终确认：
报价、税率、付款条件； 营业执照、资质证书及有效期； 法定代表人、授权代表和签章信息； 业绩合同、人员证书及原件一致性； 实质性条款、废标项和法律承诺； AI 无法从资料中确认的型号、参数、工期和服务能力。
AI可以承担大量编制工作，但不能替企业承担投标责任。
更稳妥的定位是：让AI负责“读、写、整理、比对”，让人负责“确认、授权、签章、担责”。
二、准备DeepSeek API
进入 DeepSeek API开放平台，注册并登录账号，完成充值后创建 API Key。https://platform.deepseek.com
API Key创建后通常只完整展示一次，建议立即复制并保存到安全位置。
API按实际输入、输出内容计费。招标文件较大、反复生成次数较多时，消耗也会增加，正式制作前可以先用小文件跑通流程。
三、安装Claude Code
Claude Code是一个运行在终端里的智能体工具。它可以进入指定文件夹，读取其中的PDF、Word、Markdown、Excel 和图片等资料，并在获得授权后创建或修改文件。
Windows PowerShell可以执行：
irm https://claude.ai/install.ps1 | iex也可以使用WinGet：
winget install Anthropic.ClaudeCodemacOS、Linux或WSL可以执行：
curl -fsSL https://claude.ai/install.sh | bash安装完成后，在终端输入：
claude --version能够正常显示版本号，就说明安装成功。
Windows用户如果启动时提示Git或Bash相关错误，先安装Git for Windows，再重新打开终端。仍有问题时，可以在Claude Code中运行：
/doctor它会检查当前环境中的常见配置问题。
四、把Claude Code接到DeepSeek
Windows用户的全局配置文件通常位于：
C:\Users\你的用户名\.claude\settings.json
如果没有 settings.json，可以在 .claude文件夹中新建一个。注意文件后缀必须是 .json，不能是隐藏了后缀的 settings.json.txt。
可以使用下面这份配置：
{"env":{"ANTHROPIC_BASE_URL":"https://api.deepseek.com/anthropic","ANTHROPIC_AUTH_TOKEN":"请替换为你的 DeepSeek API Key","ANTHROPIC_MODEL":"deepseek-v4-pro[1m]","ANTHROPIC_DEFAULT_OPUS_MODEL":"deepseek-v4-pro[1m]","ANTHROPIC_DEFAULT_SONNET_MODEL":"deepseek-v4-pro[1m]","ANTHROPIC_DEFAULT_HAIKU_MODEL":"deepseek-v4-flash","CLAUDE_CODE_SUBAGENT_MODEL":"deepseek-v4-flash","CLAUDE_CODE_EFFORT_LEVEL":"max"},"permissions":{"defaultMode":"acceptEdits"}}把占位文字替换成自己的 API Key，保存文件，然后重新启动 Claude Code。
输入：
你当前使用的是什么模型？如果能够正常回复，并显示对应的 DeepSeek 模型，说明配置已经生效。
制作正式标书时，建议：
使用资料副本，不要直接操作唯一原件； 单独建立项目文件夹； 保留阶段版本； 执行删除、覆盖、批量移动等操作前进行确认； 输出文件先另存新版本，再人工复核。
效率很重要，但可回退比“少点几次确认”更重要。
五、安装处理Word、PDF、Excel的Skills
Claude Code本身负责理解任务和调度工具，Skills则可以理解为一套已经写好的专业操作规范。
例如：
读取和生成Word； 提取PDF内容； 处理Excel表格； 生成演示文稿； 检查文档格式； 按固定流程制作投标文件。
下载Skills资源包并解压后，把其中的skills文件夹复制到：
C:\Users\你的用户名\.claude\最终目录类似这样：
C:\Users\你的用户名\.claude\skills
如果目录中已经存在skills文件夹，先检查是否有同名内容，再合并复制，不要直接覆盖自己的既有配置。
完整Skills资源包、示例配置和模板文件，可在公众号后台回复 “标书” 获取。
六、整理项目资料：先把“原料”准备好
很多人使用AI做标书效果不好，不是模型能力不够，而是扔进去的资料本身就很混乱。
建议每个项目单独建立一个文件夹，并按下面的结构整理：
某项目投标文件/├─ 01-招标文件/├─ 02-评分标准与采购需求/├─ 03-企业资质与商务资料/├─ 04-历史标书与参考方案/├─ 05-指定格式与模板/├─ 06-待确认资料/├─ 07-AI输出/└─ CLAUDE.md
文件名也要尽量具体。
不要使用：
新建文档1.docx扫描件2.pdf最终版最新版真的最终版.docx可以改成：
招标文件-XX系统建设项目.pdf评分办法-技术部分.pdf公司资质-营业执照.pdf参考标书-同类项目技术方案.docx模板-技术偏离表.docx如果 PDF 是扫描图片，不能复制文字，最好先做 OCR。否则 AI 可能只能看到图片，无法稳定提取条款、页码和表格内容。
资料整理得越清楚，AI 猜测得越少；AI 猜测得越少，标书风险就越低。
七、写好 CLAUDE.md：把你的经验变成执行规则
项目文件夹中最关键的文件，不是某一句“万能提示词”，而是 CLAUDE.md。
Claude Code 进入项目后，会优先读取这个文件。可以把它理解为这个项目的长期工作说明书。
新建一个 Markdown 文件，命名为：
CLAUDE.md
内容不需要写得特别长，但要把边界、资料来源、章节要求和验收规则交代清楚。下面是一份可以直接改的基础模板：
# 项目目标根据当前文件夹中的招标文件、评分标准、企业资料和参考模板，生成技术响应文件初稿。# 核心原则1. 不编造企业资质、人员、业绩、参数、承诺和证明材料。2. 无法从资料确认的内容，统一标记为【待确认】。3. 招标文件要求优先于历史标书和通用模板。4. 所有实质性条款、废标项和星号条款必须单独列出。5. 输出前检查评分项是否逐条响应。# 文件读取顺序1. 先读取招标文件和评分办法。2. 再读取采购需求、技术参数和指定格式。3. 然后读取企业资料和历史参考标书。4. 最后生成缺失资料清单。# 章节要求1. 技术偏离表放在技术响应文件首页。2. 方案章节按照评分标准的顺序组织。3. 每个评分项都要有对应章节，不得合并漏答。4. 招标文件有固定表格时，优先复用原表结构。5. 承诺内容必须与现有资料和实际履约能力一致。# 输出要求1. 先输出投标要求摘要和风险清单。2. 再输出“评分项—响应章节—证明材料”对应表。3. 大纲确认后再生成完整文件。4. 输出文件保存到“07-AI输出”文件夹。5. 每次修改生成新版本，不覆盖上一版本。# 验收要求1. 检查章节完整性。2. 检查评分项覆盖率。3. 检查偏离表与正文是否一致。4. 检查是否存在未经资料支持的数字、名称和承诺。5. 输出待人工确认事项清单。
这份文件最重要的作用，是把你脑子里的经验固化下来。
例如，你知道某类项目通常把采购需求放在第五章，评分标准放在第四章，就可以直接写清楚；你知道偏离表必须放在首页，也可以写进规则；你有固定的技术方案大纲，同样可以提前放进去。
真正可复用的不是一次提示词，而是一套能反复执行的规则。
八、在项目文件夹中启动 Claude Code
进入资料所在文件夹，在空白处按住 Shift 再点击鼠标右键，选择“在终端中打开”或“在此处打开 PowerShell”。
也可以先打开 PowerShell，再用 cd 命令进入项目目录。
进入正确目录后输入：
claude
启动后，先不要直接让它生成整份标书。
更稳妥的做法是先进入计划模式：
/plan计划模式会先分析资料和任务，给出准备执行的步骤。此时它不会急着大规模修改文件，方便提前发现理解偏差。
九、第一条指令怎么写
可以直接使用下面这段：
请先读取当前项目中的 CLAUDE.md，并按照其中的规则工作。第一阶段不要生成完整标书，先完成以下任务：1. 识别招标文件、评分标准、采购需求、指定格式和参考资料；2. 提取实质性条款、废标项、星号条款和必须提交的证明材料；3. 输出“评分项—分值—响应内容—建议章节—资料来源”的对应表；4. 输出技术响应文件大纲；5. 列出缺失资料、冲突信息和所有需要人工确认的内容；6. 对无法确认的信息不得自行编造。完成后暂停，等待我确认大纲。
这一步的目的，是先确认它“准备怎么做”，而不是等整份文件生成以后再返工。
如果计划中存在明显问题，可以直接修改：
技术偏离表需要放在首页，请读取招标文件中的偏离表格式，保持列名和顺序一致，并重新调整大纲。或者：
评分标准中的每一个评分项必须单独建立响应章节，不能把多个评分项合并成一段通用描述。请重新输出评分映射表。十、确认大纲后，再生成完整文件
当评分映射、风险清单和大纲都没有问题后，再让它进入正式编制阶段：
大纲确认通过。请按照已确认的大纲生成技术响应文件初稿，并遵守以下要求：1. 每个评分项都要形成明确响应；2. 优先使用项目资料中的真实信息；3. 没有证据支持的内容标记为【待确认】，不得补写；4. 复用招标文件中的指定表格；5. 技术偏离表、正文参数和承诺内容必须保持一致；6. 文档完成后，再输出一份自检报告和待确认事项清单；7. 保存为新文件，不覆盖原始资料。
如果系统提示文件太大，需要拆分处理，不必强行要求一次生成。
可以改为分阶段执行：
先提取招标要求； 再生成评分映射； 按章节逐个编写； 最后合并文档； 统一检查格式、编号和交叉引用。
文件越复杂，越应该拆分。一次性塞进大量资料并要求“一键出成品”，看似省事，实际更容易漏项。
十一、如何修改，而不是推倒重来
AI 生成初稿后，修改指令要具体到位置、依据和结果。
效果较差的说法是：
写得不好，重新写。更有效的说法是：
请修改“项目实施方案”章节：1. 按评分标准拆成实施准备、进度计划、质量控制、风险管理和验收交付；2. 每一部分增加可执行动作、责任角色和交付物；3. 删除无法从企业资料中证明的人员数量和服务承诺；4. 保留原章节编号；5. 修改后列出本次变更内容。如果需要承诺书，也不要只说“写一份承诺书”，而是把依据讲清楚：
请读取招标文件中所有要求投标人承诺的条款，再参考“历史承诺书模板.docx”的格式，生成本项目承诺书。每项承诺注明对应的招标条款来源；无法确认的承诺标记为【待法务或负责人确认】。AI 不怕要求多，怕的是要求模糊、资料冲突、验收标准缺失。
十二、4分钟出稿，真正节省的是什么
这次案例中的标书规模不大，资料也比较集中。从确认计划到生成技术响应文件初稿，大约用了4分多钟。
生成效果如下：
当然，这里的“4分钟”不是说4分钟后就可以直接盖章投标。
真正被压缩的是这些机械工作：
从几百页文件中查找要求； 反复复制章节和表格； 根据评分项搭建大纲； 把历史材料迁移到新项目； 生成通用方案初稿； 对照条款做第一轮完整性检查。
以前，大量时间消耗在“找资料、搬内容、调结构”上。现在，人可以把更多精力放到真正影响得分的事情上：判断响应策略、核实证据、优化方案和控制风险。
十三、把固定流程做成自己的标书 Skill
如果经常参与同一类型项目，或者长期投某一家招标单位，可以进一步把流程做成专用 Skill。
例如把这些经验固化进去：
招标文件的常见章节位置； 评分标准的提取规则； 技术偏离表的固定格式； 方案章节的标准大纲； 企业资料的目录结构； 资质和业绩的匹配逻辑； 承诺书的生成规则； 输出文件的命名规范； 提交前的检查清单。
以后再遇到同类项目，只需要放入新的招标文件和经过脱敏的企业资料，就可以按照固定流程执行。
这一步的价值，不是做出一个更长的提示词，而是把个人经验变成团队可以重复使用、持续改进的数字化流程。
当经验只能存在于某个人脑子里，它只是能力；当经验可以被稳定执行，它才开始成为资产。
十四、最终提交前，至少检查这 10 项
无论 AI 输出效果多好，正式提交前都建议逐项检查：
[ ] 招标文件要求的章节是否完整； [ ] 每一个评分项是否有明确响应； [ ] 实质性条款和废标项是否全部处理； [ ] 技术偏离表与正文参数是否一致； [ ] 企业名称、项目名称、编号是否准确； [ ] 人员、资质、业绩是否有真实材料支持； [ ] 工期、质保期、服务承诺是否经过确认； [ ] 目录、页码、标题编号和交叉引用是否正确； [ ] 是否残留【待确认】、占位符或其他项目名称； [ ] 最终文件是否完成签字、盖章和格式复核。
尤其要全文搜索这些高风险词：
待确认待补充示例占位XXX某项目根据实际情况填写很多低级错误，不是AI不会写，而是文件生成后没有经过真正的交付检查。
十五、这套流程最容易踩的 8 个坑
1. settings.json 实际保存成了 .txt
Windows默认可能隐藏文件扩展名。看起来叫 settings.json，实际文件名却是 settings.json.txt，Claude Code自然无法读取。
解决方式：在资源管理器中打开“显示文件扩展名”，确认文件真实后缀。
2. API Key 被截图或同步到公开位置
配置截图、网盘分享和公开代码仓库都可能暴露Key。一旦泄露，应立即在平台删除旧Key并重新创建。
3. 扫描版 PDF 没做 OCR
文件能打开，不代表AI能稳定读取。纯图片扫描件中的文字、表格和页码可能无法正确提取。
解决方式：先完成OCR，再让AI提取条款；关键表格仍要人工对照原件。
4. 一开始就要求生成整份标书
资料越多，一次性生成越容易出现漏项、章节错位和前后矛盾。
更稳妥的顺序是：先提取要求，再做评分映射，然后确认大纲，最后分章节生成并合并。
5. 只给历史标书，不给本次招标规则
历史标书只能提供写法和格式，不能替代本次招标文件。两者冲突时，必须以本次招标文件为准。
6. 没有明确禁止 AI 补写未知信息
人员数量、项目经验、技术参数和服务承诺一旦被模型自行补全，就可能成为投标风险。
解决方式：在CLAUDE.md中明确规定，无法确认的内容统一标记为【待确认】，禁止猜测。
7. 直接覆盖唯一原件
智能体具备文件修改能力后，错误操作的影响也会放大。
解决方式：使用资料副本，输出到独立文件夹，每次修改生成新版本，保留可回退节点。
8. 生成Word后没有检查最终版式
正文内容正确，不代表目录、分页、表格宽度、字体、页眉页脚和签章位置都正确。
最终交付前必须打开Word逐页检查；条件允许时，再转成 PDF 做一次完整视觉复核。
这8个问题看起来都不复杂，但任何一个出现在正式投标文件里，都可能让前面的效率提升失去意义。
写在最后
以前做标书，拼的是谁更熟练、谁熬得更晚、谁复制粘贴得更快。
现在更重要的能力正在变化：
能不能把资料整理成 AI 能理解的结构； 能不能把经验写成明确规则； 能不能把评分标准转化为执行清单； 能不能发现 AI 输出中的事实风险； 能不能建立一套可重复、可检查、可回退的流程。
AI不会自动让标书变得专业。
但一个懂业务、懂规则、懂验收的人，使用合适的智能体以后，确实可以把大量重复工作压缩到过去难以想象的程度。
本教程涉及的配置文件、CLAUDE.md模板、Skills资源包、标书指令模板和配套示例，已整理为完整资料。
需要的读者，可在公众号后台私信回复：
标书 关键词获取下载方式。
如果你已经在用AI做标书，也欢迎留言说说：你现在最耗时间的环节，是读招标文件、写技术方案、整理商务资料，还是最后的格式检查？
如果有需要，下一篇我可以继续拆解：怎样把固定的标书制作流程做成专用 Skill，包括目录结构、规则文件、检查项和后续迭代方法。
