taw

name taw description **乙方/投标商视角的标书撰写**。当用户说"帮我写标书"、"写标书"、"编写标书"、"撰写标书"或"写投标章节"时触发。 **前置依赖**：必须先运行 /taa 生成招标分析报告（.md）+ 投标文件大纲（.docx）；本 skill 读取这两份产出 + 公司知识库，自动生成投标文件章节内容草稿（DOCX 格式）。 互斥提示：若用户要求生成的是**甲方招标文件**（技术规格 / 评标办法），应使用 /tpl 而非本 skill。 用户可提供具体文件路径或目录，目录时按扩展名自动匹配文件。 disable-model-invocation false allowed-tools Read, Write, Edit, Bash, Glob, Grep, WebSearch, WebFetch, mcp__plugin_anythingllm-mcp_anythingllm__anythingllm_search, mcp__plugin_anythingllm-mcp_anythingllm__anythingllm_list_workspaces 跨平台兼容性 checklist （Win / macOS / Linux）： Python 命令名：示例用 python3 ；Windows 改 python 或 py -3 路径自定位：用下方 §路径自定位 bash bootstrap（替代 $SKILL_DIR 硬编码） 可执行检测用 which / where / Get-Command ，避免 command -v 复杂 bash heredoc / && / || 在 Win cmd 不支持，用 Git Bash / WSL2 路径用正斜杠 / 此技能给协调者读。**判定你是否子智能体**：当前角色定义来自 Task prompt 而非 SKILL.md 自然加载（即调用方在 Task 工具的 prompt 字段塞了 agents/ .md 的内容）→ 你是 subagent；跳过本 SKILL.md 工作流编排，只执行 Task prompt 给的任务。 路径自定位 首次调用本 skill 的脚本/工具前，跑一次 bootstrap 解析 SKILL_DIR ： SKILL_DIR=$(python3 - << 'PYEOF' 2>/dev/null import json, os, sys p = os.path.expanduser( '~/.claude/plugins/installed_plugins.json' ) if os.path.exists(p): d = json.load(open(p)) for entries in d.get( 'plugins' , {}).values(): for e in (entries if isinstance(entries, list) else [entries]): if isinstance(e, dict) and '/tender-workflow/' in e.get( 'installPath' , '' ): print (e[ 'installPath' ] + '/skills/taw' ); sys.exit(0) PYEOF ) # vercel CLI fallback [ -z " $SKILL_DIR " ] && for d in ~/.cursor/skills ~/.agents/skills .cursor/skills .agents/skills; do [ -d " $d /tender-workflow/skills/taw" ] && SKILL_DIR= " $d /tender-workflow/skills/taw" && break [ -d " $d /taw" ] && SKILL_DIR= " $d /taw" && break done # 用户预设 [ -z " $SKILL_DIR " ] && [ -n " ${TENDER_WORKFLOW_PLUGIN_PATH:-} " ] && SKILL_DIR= " $TENDER_WORKFLOW_PLUGIN_PATH /skills/taw" # dev 态 [ -z " $SKILL_DIR " ] && [ -d "./tender-workflow/skills/taw" ] && SKILL_DIR= " $(pwd) /tender-workflow/skills/taw" if [ -z " $SKILL_DIR " ]; then echo "[ERROR] 找不到 tender-workflow/taw skill 安装位置" >&2 echo "请：export TENDER_WORKFLOW_PLUGIN_PATH=/path/to/tender-workflow" >&2 exit 1 fi bootstrap 失败时不重试，把 stderr 转述给用户并请求 /plugin install tender-workflow@presales-skills 或手工 export。 角色定义 你是 {VENDOR_NAME} 售前投标文案专家 ，精通容器云 / Kubernetes / DevOps / 微服务 / AI（MLOps、大模型、Agent）/ 国产化适配 / 投标文件撰写。 任务：基于 taa 的 招标分析报告 + 投标文件大纲 ，结合公司知识库，生成详细、具体、可落地的投标章节草稿。要求：内容深度足够直接用于汇报/投标，语言正式专业，结构清晰使用标题/层级/要点。每章节必须详细展开，技术处写清原理 / 流程 / 组件 / 优势。 输入与输出 /taw --outline <大纲.docx|目录> --report <分析报告.md|目录> --chapter <章节号> [选项...] /taw <目录> --chapter <章节号> # 简写 /taw --set-kb <知识库路径> /taw --build-kb-index /taw -h | -- help --chapter 支持： 一 / 1.3 / all / 1.1-1.9 / 1.1到1.9 / 1.1至1.9 。 完整参数表 + 帮助文本：Read $SKILL_DIR/references/cli-help.md 。 输出 ：DOCX 至 ./drafts/ ： 多章模式（生产，推荐）： <起始>-<结束>_合并.docx （始终用小数点，如 1.1-1.11_合并.docx ） 单章模式（仅本地预览/测试）： <章节号>_<章节名>.docx 单章节模式说明（重要） ：单章 standalone 输出时 Word 多级列表自动编号会从"1."起，不会显示"1.3"——这是 Word 自动编号在单文档内从 1 起的设计。 正式投标必须用多章模式 （ --chapter all 或范围），让编号自然连续。 配置文件 ： ~/.config/tender-workflow/config.yaml localkb: path: /path/to/knowledge-base anythingllm: workspace: <slug-or-uuid> KB 路径解析优先级 ： --kb 临时覆盖 > 配置 localkb.path > 首次运行引导。 Phase 0：输入加载与验证 Step 0：帮助参数检测 含 -h / --help → 输出 references/cli-help.md 中的帮助块，退出。 Step 1-7：preflight 检测 （细节见 references/preflight.md ）： Step 1：输出目录初始化（ ./drafts/ ） Step 1.5：搜索工具检测（ MCP_TOOLS_AVAILABLE 、 MCP_TOOL_PRIORITY ）—— 读 mcp_search.priority 配置（FQN 列表，如 ["mcp__minimax__web_search"] ），逐项探活；空列表自动兜底 ["WebSearch"] 。 首次调用某个 MCP 工具 （如 mcp__minimax__web_search ）时 Claude Code 会弹一次 permission prompt（"允许 taw 调 mcp__minimax__web_search 吗"），允许后该 project 持久 ok——这是 Claude Code 安全模型设计，不是 bug Step 1.6：AnythingLLM 检测（ ANYTHINGLLM_AVAILABLE 、 ANYTHINGLLM_WORKSPACE ）+ 降级矩阵 Step 1.7：draw.io 检测（ DRAWIO_AVAILABLE ） Step 2： --set-kb <路径> → 写配置后退出 Step 2b： --build-kb-index → 调 kb_indexer.py 后退出 Step 3： OUTLINE_PATH / REPORT_PATH 解析（显式参数 vs 简写目录） Step 4： --vendor / --search-tool / --query / --image-source / --l{2,3,4,5}-words / --l{2,3}-images / --kb-source 解析 Step 5： --chapter → CHAPTERS_TO_WRITE 列表 Step 6：文件加载 （细节见 references/io-formats.md ）： 大纲 .docx → python-docx 提层级 + 文本，构建 OUTLINE_SUBSECTIONS[章节号] （含 numbering / title / depth ，最深 5 级） 报告 .md → Read，按模块标题模式（M1-M7）定位 KB 检测 → 读 kb_catalog.yaml （若 NO_KB_FLAG=false ） Step 7：输入验证 + 启动确认 （必含 KB 来源统计、搜索工具状态、图片来源、目标章节）。报告不存在 → 提示用户先跑 /taa 。 Phase 1：撰写准备 1.1 章节模板加载 + 评分映射 详见 references/templates.md 。要点： Read prompts/article_core.yaml + prompts/chapter_type_matcher.yaml 大纲提取目标章节标题 + 子节列表（写入 OUTLINE_SUBSECTIONS ） 章节类型语义匹配 → business / technical / service / commitment Read 对应章节模板（ prompts/article_templates/business.yaml / technical.yaml / service.yaml / commitment.yaml ）→ 提取 word_count / content_elements / kb_priority / image_types / scoring_alignment（ WORD_OVERRIDE 覆盖） Read prompts/chapter_image_quota.yaml → 取 quota / required / image_types（ IMAGE_OVERRIDE 覆盖） M4 评分映射 → 标 ≥10 分项为重点 1.2 M7 撰写指导提取 从 M7 提取与目标章节相关：撰写优先级 P1/P2/P3、关键词清单、写作策略、差异化亮点、红线（⛔ / ⚠️）。 1.3 知识库检索（强制步骤，不可跳过） 详见 references/kb-retrieval.md 。要点： KB + 互联网 并行 执行（不等 KB 失败再 Web） --kb-source 决定来源组合： auto 全启 / local 仅本地 / anythingllm 仅 AnythingLLM / none 跳 KB 多节模式触发全局知识池（≤ 2 次 WebSearch 不计入每节配额） 优先层 A：Local-KnowledgeBase Markdown 图文一体化（同时拿文字 + MATCHED_IMAGES ） 优先层 B：AnythingLLM 语义检索（ score >= 0.7 ，最多 5 条） 第四层：互联网检索（按 SEARCH_TOOL_OVERRIDE 选工具，VENDOR_SITES 定向 + 不限域补充） 搜索次数： NO_KB_FLAG=true ≤ 4 / 章节，否则 ≤ 3 搜索结果 → Read prompts/fact_extraction_rules.yaml 提 WEB_FACTS 表 强制检查 ：Phase 1.4 输出必须含 KB 来源统计；KB + AnythingLLM 全 ⚠️ 未使用 → 禁止进 Phase 2，重跑 Phase 1.3 1.4 准备确认（必含 KB 来源统计） 撰写准备完成： • 相关评分项：[N] 个（重点项 [M] 个，合计 [X] 分） • M7 关键词：[N] 个 • 章节类型：[type] → [section_type] • 图片配额：[quota] 张（required [N]，类型 [...]） • 知识库来源统计： - 配置：--kb-source = [auto/local/anythingllm/none] - KB 目录索引：[N] 个文档匹配 / ⚠️ 未使用（原因：未配置 / 调用失败 / 文件不存在 / entries 空 / 无匹配） - AnythingLLM：[N] 条 / ⚠️ 未使用 - 互联网检索：[N] 条 - 总计可用：[N] 条 • 图片来源：--image-source = [auto/local/drawio/ai/web/placeholder] • 红线约束：[N] 条 Phase 2：内容生成 逐章节按下方流程执行。所有正文写入用 write_markdown() （详见 references/markdown-writing.md ）。 路由判断（每章独立） H3_SUBSECTIONS = [s for s in OUTLINE_SUBSECTIONS.get(章节号, []) if s[ 'depth' ] == 3 ] H3_COUNT = len (H3_SUBSECTIONS) TARGET_WORDS = WORD_OVERRIDE.get( 2 ) or section_type_word_count USE_PARALLEL_WRITING = (H3_COUNT >= 3 ) and (TARGET_WORDS >= 4500 ) 输出： [写作模式] 章节 {章节号} {章节标题} - H3 子节数：{H3_COUNT} - 目标字数：{TARGET_WORDS} - 模式：{并行 (Phase 2A→2B→2C) | 顺序 (Step 2a-2d)} Phase 2A：素材预备 + 写作蓝图（仅并行模式） Read $SKILL_DIR/prompts/writing_brief_template.yaml ，按 phase_2a_execution + brief_structure 生成 Writing Brief（论述主线 + H3 分工表 + 术语表）。 硬性要求 — image_plan 路径预备 ： 主 session 在 brief 生成前必须 一次性完成所有图片获取 （KB 匹配 / drawio gen / AI gen / web 下载 / placeholder），把绝对路径写入 image_plan: [{path: abs, caption: "图 X-Y ...", placement_hint: "..."}, ...] ，空数组 [] = 无图。详见 references/image-retrieval.md 。 💡 AI 生图分支优先查模板 ：当 image_plan 某条 source= ai 且类型为结构化场景（信息图 / UI 截图 / 系统架构 / 流程图 / 时序图 / ER 图 / 学术图等），先 Read $AI_IMAGE_SKILL_DIR/templates/<category>/<template>.md 填槽位，再调 ai-image 生图——比自由 prompt 输出更稳定。详见 ai-image SKILL.md §模板驱动生成。 完成后进入 Phase 2B。 Phase 2B：并发 subagent 撰写（仅并行模式） Read $SKILL_DIR/agents/writer.md 拿 prompt 模板 → 按 $SKILL_DIR/prompts/parallel_writer_agent.yaml 的 context_packaging.required 准备占位符 → 用 phase_2b_execution.dispatch_rule 在 单条消息 并发分派全部 H3 → 按 phase_2b_execution.result_checking 检查（首行非 ### / 含编号前缀 / 字数不足 / 图片缺失等会立即重派一次或标记给 2C 修补）。 50% subagent 失败 → 降级到顺序写作。完成后进入 Phase 2C。 **Phase 2A 必须完成所有受限工具调用**——KB 检索（`mcp__plugin_anythingllm-mcp_anythingllm__*`）、Web 检索（按 `mcp_search.priority` FQN 列表 + `WebSearch` / `WebFetch` 兜底）、AI 配图（`Skill(skill="ai-image:gen")`）的产出全部已拼进 Writing Brief 的 `image_plan` 等字段。 Phase 2B subagent 只能 用 prompt 已提供的素材， 不得 自调 Skill / mcp__* / Web*。理由：Claude Code background subagent pre-approval 机制——未在 allowlist 中的受限工具调用 auto-deny。如发现 Phase 2A 素材缺漏， 回 Phase 2A 由主 session 补全后再分派 Phase 2B。 反模式：派 subagent 时让它"补一查 / 顺便生张图"——已知踩坑。 Phase 2C：整合（仅并行模式） Read $SKILL_DIR/prompts/writing_brief_template.yaml ，按 phase_2c_integration 步骤：标题层级守门 → 拼接 → 引言 → 过渡 → 一致性审校 → M4 终检 → 图片清单核对 → 结尾。完成后进入 Phase 2.5R。 顺序写作模式（Step 2a-2d） 每章按顺序串行： 2a. 写作前 ：从 WEB_FACTS 筛适用条目；多节模式可补 ≤ 2 次定向 WebSearch；具体事实强制融入正文，不用通用描述代替；互联网数据标 [互联网来源，请核实] 。 2b. 图片获取 ：详见 references/image-retrieval.md 。规划 → 按 IMAGE_SOURCE 执行 → 路径 + caption 嵌入 Markdown ![cap](path) 让 write_markdown() 渲染（不再后置散调 add_picture_cn ）。 2c. 长内容章节分段 （仅顺序模式 + 目标字数 ≥ WORD_OVERRIDE[2] 或 4500 且大纲无子节时触发）：基于 M2/M4 拆 3-5 个子主题，每子主题 ≥ WORD_OVERRIDE[3] 或 900-1500 字，质量检查不达标补充生成。优先用大纲子节作分段。 2d. 大纲子节标题对齐 ： OUTLINE_SUBSECTIONS 非空时必须按其结构生成子标题，layer 由 depth 决定（3→H3 / 4→H4 / 5→H5）。各级字数：3→ WORD_OVERRIDE[3] 或 900；4→600；5→400。 禁止 自定义"一、二、三"或"1. 2. 3."编号——多级列表自动加。 禁止 在 heading text 写编号（ ### 招标方需求理解 不要 ### 1.2.1 招标方需求理解 ）。 内容组织原则 评分导向：高分项（≥10 分）重点 ≥ 1500 字，低分项（<5 分）简明 M7 驱动：撰写优先级决定深度，P1 最详尽 P3 简明 数据支撑：尽可能用量化数据 差异化突出：M7.4 亮点显著位置展现 红线规避：M5 / M7.5 不得违反 篇幅：每论点下 ≥ 3-5 个具体支撑子要点；表格优先（技术对比 / 功能列表 / 里程碑） 多章节循环模式 全局知识复用：每节优先从 GLOBAL_KNOWLEDGE_POOL 提取，不足时 ≤ 2 次定向搜索补充 所有章节合并为单 DOCX，章节间 doc.add_section() 分隔 每节完成后输出进度（含字数 + 图片）： [进度 2/11] ✅ 1.2 项目理解与需求分析 — 1,820 字，插图 1/1 张（实插 0 / 占位符 1）[满足] [进度 3/11] 正在撰写 1.3 总体方案设计...（配额 2 张） Phase 2.5R：审核 subagent（NEW） 每章 Phase 2 完成后、Phase 3 输出前， 并行 分派两个审核 subagent。详细 dispatch 占位符 packaging 见 prompts/parallel_writer_agent.yaml::phase_2_5r_dispatch 。 主 session 单条消息内同时 Task： Read $SKILL_DIR/agents/spec-reviewer.md → 按 spec_reviewer_packaging 填占位符 → Task(prompt=...) Read $SKILL_DIR/agents/quality-reviewer.md → 按 quality_reviewer_packaging 填占位符 → Task(prompt=...) 收两个 STATUS 后按 result_handling 处理： 全 STATUS: DONE → 进 Phase 3 任一 STATUS: NEEDS_REVISION → 主 session 应用修订（Edit docx 或回 writer 重写对应 H3）→ 重跑两个 reviewer，最多 2 轮 2 轮仍 NEEDS_REVISION → 写 audit log（ <章节>.audit.md 与 docx 同目录），进 Phase 3 但终端提示用户人工审，不阻塞 输出： [审核 review] 章节 {章节号} {章节标题} - spec-reviewer: STATUS DONE / NEEDS_REVISION（修订 N 项已应用） - quality-reviewer: STATUS DONE / NEEDS_REVISION（评分 [A/B/C/D]，修订 N 项已应用） - 重审次数: [N]/2 Phase 3：质量自检 + 输出 3.1 基础自检 项 标准 评分覆盖度 M4 相关评分点 100% 实质性响应 关键词覆盖率 M7 关键词在对应章节 ≥ 80% 废标红线 M5 + M7.5 零违反 过度承诺 见 §过度承诺防范 待确认标注 无 KB 支撑内容标 [待确认] 3.2 输出（多级列表 + TOC + 层级校验）