A powerful AI-driven proposal generation tool that leverages large language models to automate the creation of technical proposals and responses.

English | 中文

1. Automated Proposal Generation

   • Generates point-by-point response format proposals based on requirements matrix
   • Automatically formats content with proper heading levels (1, 2, 3)
   • Preserves formatting for body text, images, and bullet points
   • Supports automatic chapter numbering
   • Detailed execution logging with timing information
   • Preserves original input files by saving outputs to separate directory

2. Smart Content Management

   • Automatically copies relevant product documentation to responses
   • Preserves all formatting including images, tables, and bullet points
   • Can rewrite product descriptions to match different proposal requirements
   • Uses AI to generate content for missing features
   • Supports both OpenAI and Baidu AI models

3. Requirements Processing

   • Generates technical requirements deviation tables
   • Automatically fills point-by-point responses in requirements matrix
   • Uses format: "Answer: Fully supported, {AI-generated response}"
   • Adds corresponding chapter numbers from the proposal
   • Provides detailed progress tracking for each requirement

4. Document Processing

   • Breaks down product manuals into reusable components
   • Improves proposal generation performance
   • Enables customization of features as needed
   • Supports up to 3 levels of headings
   • Maintains separate input and output directories for safe file handling

1. Python Environment Setup

   # Create a virtual environment
   python -m venv venv
   
   # Activate virtual environment
   # On Windows
   .\venv\Scripts\activate
   # On Unix or MacOS
   source venv/bin/activate
   
   # Verify Python environment
   python --version

2. Dependencies Installation

   # Install dependencies
   pip install -r requirements.txt
   
   # Configure environment variables
   cp .env.example .env
   # Edit .env file with your API keys

3. API Configuration

   • Configure either ChatGPT or Baidu Qianfan model API
   • ERNIE-Speed-8K (free model) is recommended for Baidu
   • Add API keys to .env file
   • Set USE_BAIDU=true/false to switch between APIs
   • Configure model parameters (temperature, max tokens) in .env

4. Document Preparation

   • Place input files in data/input/ directory:
     • Product manual as 标书内容.docx
     • Requirements matrix as 需求对应表.xlsx
   • Template file should be in data/templates/Template.docx
   • Ensure proper use of styles:
     • Body Text
     • Heading 1
     • Heading 2
     • Heading 3

1. Document Extraction

   python src/Extract_Word.py

   • Generates component documents from product manual
   • Verify generated files for accuracy

2. Requirements Setup

   • Fill in the requirements table (需求对应表.xlsx):
     • Column B: Main requirements
     • Column C: Sub-requirements (generates level 2 and 3 headings)
     • Column G: Corresponding product manual section (use 'X' if none)

3. Proposal Generation

   python src/Generate.py

   • Generated files will be saved in data/output/ directory:
     • 需求对应表_输出.xlsx: Updated requirements matrix
     • 标书内容_输出.docx: Generated proposal document
   • Progress and timing information will be displayed during execution

ProposalLLM/
├── data/                    # Data directory
│   ├── input/              # Input files (original files)
│   ├── output/             # Output files (generated files)
│   └── templates/          # Template files
├── examples/               # Example files
├── src/                    # Source code
├── .env.example           # Environment template
├── requirements.txt       # Dependencies
└── README.md             # Documentation

1. 自动化标书生成

   • 根据需求对应表自动生成点对点应答格式标书
   • 自动设置标题1、2、3级格式
   • 保持正文、图片、项目符号等格式
   • 支持自动章节编号
   • 详细的执行日志和时间统计
   • 输出文件保存在独立目录，保护原始文件

2. 智能内容管理

   • 自动从产品文档复制相关内容到应答中
   • 完整保留图片、表格、项目符号等格式
   • 可根据不同标书需求自动重写产品描述
   • 对缺失功能使用AI自动生成内容
   • 支持OpenAI和百度AI模型

3. 需求处理

   • 生成技术需求偏离表
   • 自动填写需求对应表中的点对点应答
   • 使用格式："答：全面支持，{AI生成的回应}"
   • 自动填写对应的标书章节号
   • 提供每个需求的处理进度跟踪

4. 文档处理

   • 将产品手册拆分为可复用的组件
   • 提高标书生成性能
   • 支持针对性功能修改
   • 支持最多3级标题
   • 采用独立的输入输出目录，安全处理文件

1. Python环境配置

   # 创建虚拟环境
   python -m venv venv
   
   # 激活虚拟环境
   # Windows系统
   .\venv\Scripts\activate
   # Unix或MacOS系统
   source venv/bin/activate
   
   # 验证Python环境
   python --version

2. 安装依赖

   # 安装依赖
   pip install -r requirements.txt
   
   # 配置环境变量
   cp .env.example .env
   # 编辑.env文件，填入API密钥

3. API配置

   • 配置ChatGPT或百度千帆模型API
   • 推荐使用百度ERNIE-Speed-8K（免费模型）
   • 在.env文件中添加API密钥
   • 通过USE_BAIDU=true/false切换API
   • 在.env中配置模型参数（温度、最大token数）

4. 文档准备

   • 在data/input/目录中放置输入文件：
     • 产品说明手册：标书内容.docx
     • 需求对应表：需求对应表.xlsx
   • 模板文件放在data/templates/Template.docx
   • 确保正确使用以下样式：
     • 正文
     • 标题1
     • 标题2
     • 标题3

1. 文档提取

   python src/Extract_Word.py

   • 生成产品手册对应的组件文档
   • 验证生成文件的准确性

2. 需求设置

   • 填写需求对应表（需求对应表.xlsx）：
     • B列：主要需求
     • C列：子需求（用于生成二级、三级标题）
     • G列：对应产品说明书章节（如无则填'X'）

3. 标书生成

   python src/Generate.py

   • 生成的文件将保存在data/output/目录：
     • 需求对应表_输出.xlsx：更新后的需求对应表
     • 标书内容_输出.docx：生成的标书文档
   • 执行过程中会显示进度和时间统计信息

ProposalLLM/
├── data/                    # 数据目录
│   ├── input/              # 输入文件（原始文件）
│   ├── output/             # 输出文件（生成文件）
│   └── templates/          # 模板文件
├── examples/               # 示例文件
├── src/                    # 源代码
├── .env.example           # 环境变量模板
├── requirements.txt       # 项目依赖
└── README.md             # 项目文档