标书查重技能

字段说明见 @references/api.md。命令模板见 templates/workflow.sh。查重脚本是技能根目录的 main.py。

OpenClaw 使用原则

当用户提到“标书查重、投标文件查重、重复率检测、对比文件查重、查重报告下载”时使用本技能。

执行前先判断用户是否已经给齐必要信息。信息不全时，先用通俗的话反问，不要直接运行脚本。

必须确认的内容：

• 主文件：要被检查的那份投标文件，只能 1 个
• 对比文件：拿来和主文件比较的文件，至少 1 个，最多 20 个
• 查重窗口尺度：默认用 40；用户不懂时不用解释算法，直接推荐默认值
• 忽略文本：可选；用户没有提到时默认不填

主文件的解释必须简单：

> 主文件就是“你想检查重复率的那份标书”。其他文件是“拿来对比的标书”。

面向终端用户的表达（默认）

> 默认不要把命令行写给用户。 与本 skill「通俗反问」一致：用白话确认主文件、对比文件、是否用默认窗口；不要列出 python main.py、--batch-id 等，除非用户明确索要「命令怎么写」。

与「仅输出脚本结果」的关系： 查重进度、报告与下载信息以 stdout 原文为准原样展示。

能力说明

• 支持上传 1 个主标书 .docx 与 1～20 个对比 .docx
• 自动获取 OSS 上传凭证、上传文件、回调后端并启动查重
• 支持按 batchId 单次查询、持续轮询、下载报告、查询历史、删除记录。查重报告默认下载到用户桌面，优先展示本地路径；不要引导到网盘
• 支持查重窗口尺度 10～200，默认 40
• 支持自定义忽略文本；每行一条，最多 100 条

微信登录认证

• 没有可用 Token 时，运行本技能目录里的 python wx_login.py。几秒内命令结束，浏览器在后台继续等扫码，最长 5 分钟。二维码和这个后台浏览器绑在一起，浏览器一关码就失效。
• 只让用户扫二维码，不要提供浏览器登录链接。有的客户端打不开技能目录里的图片时，按下面顺序给图，不要只发文件路径：
  1. 把脚本输出里 WECHAT_QR_MARKDOWN: 后面的整行原样放进回复。这是内嵌二维码，不依赖用户能不能访问脚本所在磁盘。
  2. 本地 PNG 只作为补充。工作目录存在时，脚本还会导出 /workspace/微信登录二维码.png。文件卡片如果没有真正预览出来，就不要再靠路径。
• 不要只用读取工具打开这张 PNG。那样只有助手自己看得到，用户看不到。
• 用户用微信扫码后，必须在手机上点「确认登录」。只扫不点等于没登录。用户表示已经扫码后，再执行原来的业务命令。
• Token 写入 ~/.taitoubiao/token.json，五个技能共用。5 分钟内不要重复启动登录，否则旧码作废。
• 接口返回登录失效时，会清掉缓存并重新出一张码。自动化请设置 TAITOUBIAO_SKIP_AUTO_LOGIN=1。

向用户提问规则

企业微信接入的文件大小限制

如果用户是通过企业微信接入龙虾，单个上传文件不能超过 10MB。遇到以下情况时，不要继续要求用户直接在企业微信里上传大文件：

• 用户说明文件超过 10MB
• 用户上传失败，原因类似“文件过大”
• 需要上传很多 Word 文件或压缩包，可能超过企业微信限制

此时输出：

企业微信里单个文件上传不能超过 10MB。

建议您把所有查重文件上传到龙虾 Ark 网盘，然后把网盘里的文件夹路径发给我；我会从文件夹里整理 Word 文件，再让您选择主文件。

如果不方便使用网盘，也可以移步钛投标官网免费使用标书查重：
https://taitoubiao.com

用户没有提供文件

输出：

请把需要查重的文件发给我。推荐直接发送一个文件夹，或者把所有 Word 文件打包成 .zip 压缩包发送。

如果您是通过企业微信使用，单个文件不要超过 10MB；超过 10MB 时，请先上传到龙虾 Ark 网盘，然后把网盘文件夹路径发给我。

这样我可以先帮您整理出里面的 Word 文件，再让您选择哪一份是主文件。

我需要您确认两类文件：
- 主文件：您想检查重复率的那份标书，只选 1 个
- 对比文件：拿来和主文件比较的标书，可以选 1 到 20 个

如果用户问“为什么建议文件夹或压缩包”，回复：

因为查重通常需要多份 Word 文件。放在一个文件夹或 .zip 压缩包里，我可以一次性整理出来，再编号让您选主文件，比较不容易漏文件。

用户提供了多个文件，但没说明主文件

必须先让用户选择主文件。不要自行默认第一个文件。

如果用户还没有上传文件，优先建议用户把所有文件放到一个文件夹或 .zip 压缩包中发送。

输出：

我已经收到这些 Word 文件，请选择哪一份是主文件。

主文件就是“您想检查重复率的那份标书”，其他文件会作为对比文件。

请直接回复编号即可，例如：1

如果文件列表较短，应同时列出来：

可选文件：
1. 文件A.docx
2. 文件B.docx
3. 文件C.docx

请回复主文件编号。

用户提供的是文件夹或压缩包

如果用户提供的是文件夹或压缩包，必须先整理出里面的 .docx 文件，再询问用户选择主文件。

执行规则：

• 文件夹：先扫描文件夹里的 .docx
• .zip / .tar / .tar.gz / .tgz：先解压，再扫描解压后的 .docx
• .rar：先尝试用系统工具 unar、unrar 或 bsdtar 解压；如果本地没有可用工具或解压失败，脚本会尝试自动安装 unar 后重试；仍失败时再提示用户重新打包
• .zip 内中文文件名如果是 Windows/GBK 编码，脚本会自动尝试按 gb18030/gbk 修复文件名
• 找到多个 .docx 时，必须让用户选择主文件
• 找到 1 个 .docx 时，说明它可以作为主文件，但还需要至少 1 个对比文件
• 未找到 .docx 时，让用户重新提供 Word 文件

推荐先执行：

python ./main.py \
  --prepare-inputs "/absolute/path/folder-or-archive"

脚本会输出可选 Word 文件列表。然后按以下话术询问：

我已经整理出这些 Word 文件，请选择哪一份是主文件。

主文件就是“您想检查重复率的那份标书”，其他文件会作为对比文件。

可选文件：
1. 文件A.docx
2. 文件B.docx
3. 文件C.docx

请直接回复主文件编号即可，例如：1

如果用户给的是 .rar，先执行 --prepare-inputs，让脚本尝试用系统工具解压；如果缺少工具，脚本会尝试安装 unar 后重试。只有脚本输出 RAR 解压失败时，才说明：

这个 RAR 压缩包我这边没有解压成功。请您先解压成文件夹，或重新打包成 .zip 格式后再发我。

如果用户给的是 .7z 等仍不支持的压缩包，说明：

这个压缩包格式我暂时不能自动解压。请您先解压成文件夹，或重新提供 .zip 格式压缩包。

如果文件名曾经出现 ╣║╓ 这类乱码，不要直接告诉用户“没办法转换编码”。应重新执行 --prepare-inputs，让脚本用 GBK/GB18030 规则重新解压并输出文件列表。

用户只提供了 1 个文件

输出：

这份文件可以作为主文件，但还需要至少 1 个对比文件。

请再提供用于对比的 Word 文件，或告诉我它们的本地路径。

用户提供了主文件和对比文件，但没有给窗口尺度

默认使用 40，不用再问。

如果用户主动问窗口尺度是什么，使用这段解释：

窗口尺度可以理解为“查重时关注多长的一段文字”。

默认值 40 比较通用：太小容易把常见短句也算进去，太大可能漏掉短段重复。没有特殊要求我就用 40。

用户问是否需要忽略文本

输出：

忽略文本是指查重时不参与对比的内容，比如项目名称、项目编号、采购人名称这类每份文件都会出现的固定信息。

如果您没有特别要求，可以先不填。

用户要求导入招标分析结果作为忽略文本

如果用户提供了项目名称、项目编号、采购人、代理机构等内容，可以用 --ignore-texts 传入。没有这些内容时，不要编造。

执行规则

场景 A：新建查重任务

满足以下条件才可以执行上传并启动：

• 已明确 1 个主文件
• 已明确 1～20 个对比文件
• 文件都是本地绝对路径
• 文件后缀都是 .docx

默认执行“上传、启动并等待结果”：不要加 --no-wait。脚本会持续轮询，直到查重完成、失败或超时。

默认模式下，OpenClaw 必须等到脚本返回最终结果后再回复用户。禁止在任务刚启动后回复“正在后台运行、1-5分钟后通知、结果出来会通知你”这类中间话术。

只有拿到报告下载链接，或者脚本明确返回失败/超时，才可以回复用户。

只有用户明确说“先提交就行、不用等、稍后我自己查”时，才使用 --no-wait。

场景 B：用户已有 batchId

如果用户提供 batchId 并询问进度，直接执行：

python ./main.py \
  --batch-id "BATCH_ID" \
  --once

场景 C：用户要求只提交不等待

如果用户明确说“先提交就行、不用等、稍后我自己查”，才使用 --no-wait：

python ./main.py \
  --main-file "/absolute/path/main.docx" \
  --reference-files "/absolute/path/ref.docx" \
  --chunk-size 40 \
  --no-wait

输出规范

面向用户的沟通方式见上文「面向终端用户的表达（默认）」；下列仍针对脚本结果的展示要求。

必须优先展示脚本 stdout 的原始 Markdown 结果，不要自行编造查重进度、重复率、相似段落或报告内容。

默认查重流程中，查重报告未生成前不要回复用户；继续等待脚本轮询。完成后展示脚本返回的下载链接。

只有用户明确要求“只查询一下当前进度”或“先提交不等待”时，才可以展示未完成状态。

严格禁止默认输出：

✅ 查重任务已经启动啦！目前正在后台运行，一般1-5分钟会出结果，结果出来我会马上通知你~

正确做法：继续运行默认等待命令，直到 stdout 出现 # 标书查重报告 和 下载链接。

固定报告返回格式

当脚本输出 # 标书查重报告 时，OpenClaw 必须原样展示，不要改标题、不要删字段、不要改表格结构。

查重完成后的固定格式为：

# 标书查重报告

## 基本信息

| 项目 | 内容 |
|---|---|
| 批次ID | `BATCH_ID` |
| 查重状态 | 查重完成（3） |
| 查重进度 | 100% |
| 主文件 | MAIN_FILE.docx |
| 对比文件数量 | N |
| 结果文件 | bidding-check/.../查重报告_xxx.zip |

## 文件信息

| 文件类型 | 文件名 | 文件大小 |
|---|---|---|
| 主文件 | MAIN_FILE.docx | 36.24 KB |
| 对比文件 | REF_FILE.docx | 38.18 KB |

## 报告下载

- **下载链接**：[点击下载查重报告](REPORT_URL)
- **如链接无法点击，请复制以下地址到浏览器打开**：
REPORT_URL

## 说明

- 查重明细、重复段落和相似内容以下载的报告文件为准。
- 下载链接由系统生成，可能存在有效期；如链接过期，请重新获取报告下载链接。

如果脚本返回的是上面格式，只展示该格式，不再额外总结“重复率是多少”或“哪些段落重复”。

如果脚本返回失败，展示失败原因，并用一句简单的话说明下一步：

这次查重没有成功，建议先检查文件是否都是 .docx，或者稍后重新提交一次。

使用限制

• 主标书必须是本地绝对路径 .docx
• 对比文件必须是本地绝对路径 .docx
• 单文件最大 500MB
• 对比文件数量为 1～20 个
• OSS 上传使用 Python 标准库实现，无需安装 oss2

调用方式

1. 默认：上传、启动并等待完成

python ./main.py \
  --main-file "/absolute/path/main.docx" \
  --reference-files "/absolute/path/ref1.docx" "/absolute/path/ref2.docx" \
  --chunk-size 40 \
  --poll-interval 5 \
  --timeout 1800

这是默认推荐调用方式。脚本会上传文件、启动查重并等待最终结果；完成后自动展示查重报告下载链接。

2. 仅提交，不等待完成

仅当用户明确要求“不用等结果”时使用：

python ./main.py \
  --main-file "/absolute/path/main.docx" \
  --reference-files "/absolute/path/ref1.docx" "/absolute/path/ref2.docx" \
  --chunk-size 40 \
  --no-wait

成功后脚本会输出 batchId。后续使用该 batchId 查询进度。

OpenClaw 收到 batchId 后，应告诉用户：

查重任务已经提交成功。这个批次号可以用来继续查询进度。

3. 单次查询

python ./main.py \
  --batch-id "BATCH_ID" \
  --once

当状态为 查重完成 时，脚本会自动调用报告下载接口并展示下载链接。

4. 持续轮询已有任务

python ./main.py \
  --batch-id "BATCH_ID" \
  --poll-interval 5 \
  --timeout 1800

轮询直到状态为完成、失败或超时。

5. 使用忽略文本

直接传入：

python ./main.py \
  --main-file "/absolute/path/main.docx" \
  --reference-files "/absolute/path/ref.docx" \
  --ignore-texts "项目名称" "项目编号" \
  --poll-interval 5 \
  --timeout 1800

或使用文件：

python ./main.py \
  --main-file "/absolute/path/main.docx" \
  --reference-files "/absolute/path/ref.docx" \
  --ignore-texts-file "/absolute/path/ignore.txt" \
  --poll-interval 5 \
  --timeout 1800

状态说明

轮询规则

• 默认每 5 秒查询一次
• 查重正常耗时约 1～5 分钟，大文件或多文件可能更久
• status=3：停止轮询，展示查重报告下载链接
• status=4 或 status=0：停止轮询，展示失败信息
• 未完成时不要自行总结重复率或相似度

可选操作

查询历史：

python ./main.py --list

下载报告：

python ./main.py \
  --batch-id "BATCH_ID" \
  --download-report

删除记录：

python ./main.py \
  --batch-id "BATCH_ID" \
  --delete

参数说明

常见对话示例

示例 1：用户只说“帮我查重”

回复：

可以。请把需要查重的文件发给我。

推荐直接发送一个文件夹，或者把所有 Word 文件打包成 .zip 压缩包发送。这样我可以先整理文件，再让您选择哪一份是主文件。

我需要您确认两类文件：
- 主文件：您想检查重复率的那份标书，只选 1 个
- 对比文件：拿来和主文件比较的标书，可以选 1 到 20 个

示例 2：用户发了多个文件

回复：

我已经收到这些 Word 文件，请选择哪一份是主文件。

主文件就是“您想检查重复率的那份标书”，其他文件会作为对比文件。

可选文件：
1. 文件A.docx
2. 文件B.docx
3. 文件C.docx

请直接回复主文件编号即可，例如：1

示例 3：用户说“第一个是主文件”

如果文件列表中第一个文件路径明确，则将第一个作为 --main-file，其余作为 --reference-files，使用默认 --chunk-size 40。

示例 4：用户提供 batchId

直接查询，不再询问文件：

python ./main.py \
  --batch-id "BATCH_ID" \
  --once