首页 文章 精选 留言 我的

精选列表

搜索[skills],共2408篇文章
优秀的个人博客,低调大师

把 Connectors(连接器)和 Skills(技能)连起来,搭一条专属流水线

WorkBuddy 真正厉害的不是“一对一聊天”,而是能“接上”外部能力。我实际环境里已经连上了两个连接器——ima 知识库 和 Agent 邮箱(在左侧连接器列表里显示为绿色)。今天我试着把它们和“自动化”串成一条「笔记自动沉淀 + 每周提醒」的小流水线,第一次体会到“工作台”的感觉:不用在好几个 App 之间来回切,一个对话里就把“存、取、推”全做了。 本篇基于我自己的日常使用经验写成,只讲方法与过程,不出现具体项目名、文件名或可识别的个人数据。 # 实战:用两个连接器搭一条“备考笔记流水线” 背景:我在备考,每天会产出一些心得和易错点。以前它们散落在各处,复习时找不到。今天我试了:把笔记直接写进“ima 知识库”,再用自动化每周给我发一封“周提醒”邮件(走 Agent 邮箱)。 **我是怎么做的(方法可复用到任何“数据要沉淀 + 要被提醒”的场景)** 1.    先盘“我连了什么”。打开左侧连接器入口看状态——我这边 ima 知识库、Agent 邮箱 是已连接(绿色)。没连的先去完成授权,否则用不了。 2.    让 WorkBuddy “写入知识库”。例如:“把今天这 5 条易错点整理成笔记,存进我的 ima 知识库,打上 #PET 标签。”它会调用对应能力完成。 3.    设一个自动化来“定时提醒”。在自动化里设定“每周日 21 点”,提示词写清:“从 ima 知识库取本周 #PET 笔记,生成一页复习卡,通过 Agent 邮箱发给我。” 4.    先手动跑一次验证。别直接扔给定时任务空等一周——手动触发看效果,确认写对、推对,再放心交给自动化。 ![](https://developer.qcloudimg.com/http-save/audit-12709037/3b1d6f3f36ad99cc545eabc3893c5497.png) 除了连接器,WorkBuddy 还有 100+ 内置技能 / 专家(写作、数据分析、设计、法律等)。需要时直接说“找个能做 X 的技能”,它会检索并推荐,不用你自己记。凡是“我一个人搞不定 / 要切好几个 App”的事,先想“能不能连一个连接器或用一个技能”。 # 给同为新手的建议 ·         先盘一遍“我连了什么”。已连接的连接器(绿色)才是能直接用的;没连的先看授权再玩,别对着灰色的发呆。 ·         把“沉淀 + 提醒”做成一对。知识库存长期记忆,自动化 / 邮箱做准时推送,比“存了就忘”强太多。

优秀的个人博客,低调大师

禅道命令行 ZenTao-CLI 发布,自带原厂 Skills 辅助,让项目管理效率翻倍

你是否希望在AI Agents中直接使用禅道?现在,通过安装禅道CLI即可轻松实现! 禅道推出了全新的ZenTao-CLI工具,它不仅是一个命令行工具,更是连接AI与研发管理数据的桥梁。 通过安装该技能,可利用AI Agent(如Cursor、Claude Code等)直接查询项目进度、分析Bug风险、甚至自动生成需求文档。CLI技能会利用ZenTao-CLI工具来访问和操作禅道数据,让大模型成为你的研发管理助手。 禅道会持续更新完善禅道API 2.0,逐步覆盖更多模块与场景。 适用版本:开源版21.7.8、企业版12.7、旗舰版7.7、IPD版4.7及以上版本。 温馨提示:我们强烈建议对AI发起的、涉及数据变更的API调用进行最终的人工审核确认,以确保操作意图的准确性。 ZenTao-CLI特色 基于最新的禅道RESTful API 2.0实现 使用便捷,可通过npx zentao-cli立即运行 安全的用户认证管理,支持多用户切换 支持对数据进行摘取、过滤、排序等处理,并自动将HTML转换为Markdown 对AI Agents友好,帮助信息完善,支持输出Markdown 支持以AI技能的方式使用,支持通过zentao add-skill一键安装技能到AI Agent 支持MCP服务,使用npx zentao-cli mcp启动MCP服务 使用现代的Bun与TypeScript开发,具备类型安全 提供完善的测试覆盖,保障代码质量 支持的AI Agents工具 禅道CLI支持在所有支持技能或MCP的Agents工具中使用。为了方便大家选择,我们按照上手难度从易到难列举如下: 新手推荐: Cursor(可免费使用) VS Code Copilot(可免费使用) Cherry Studio(可配置国内模型API,智能体能力稍弱) 开发者推荐: Cline(可配置国内模型API) OpenClaw(可配置国内模型API) OpenCode(可配置国内模型API) Claude Code(可配置国内模型API) 进阶/付费推荐: Trae(需要付费订阅) Codex(需要付费订阅及特殊网络环境) Antigravity(需要付费订阅及特殊网络环境) Codex CLI(可配置国内模型API) 如何快速开始? 第一步:安装技能 ▼现代的Agents工具都支持自动发现安装技能,你可以将如下内容发送给 Agent 来进行安装: 安装https://cn.clawhub-mirror.com/catouse/zentao-cli 技能,并安装技能所需的zentao-cli命令行工具。 开发者安装命令: ▼如果你是开发者,可以直接在终端中执行命令来安装: # 全局安装 zentao-cli 工具 $ npm install -g zentao-cli # 其他安装与运行方式 # bun install -g zentao-cli # ← 使用 bun 安装 # npx zentao-cli # ← 通过 npx 免安装运行 # pnpm dlx zentao-cli # ← 通过 pnpm 免安装运行 # 安装完成之后可以一键安装技能到 Agents $ zentao add-skill 请选择要安装的 AI Agent: 1) Claude Code 2) Cursor 3) Cherry Studio 4) Codex 5) OpenCode 6) VS Code 7) Antigravity 8) Gemini 9) 全部安装 请输入编号 (1-9):9 ▼执行后,工具会列出支持的AI Agent列表,输入编号(如9代表全部安装)即可自动完成配置。 第二步:账号登录与鉴权 安装完成后,需要进行一次登录配置。为了账号安全,强烈建议不要将账号密码直接发送给AI Agents,请使用以下本地配置方式。 1.环境变量配置(推荐):在环境变量中配置禅道 URL、用户名和密码,工具会自动登录并自动续期Token。 export ZENTAO_URL=https://zentao.example.com export ZENTAO_ACCOUNT=admin export ZENTAO_PASSWORD=123456 2.命令行登录:也可以使用命令行手动登录: zentao login -s https://zentao.example.com -u admin -p 123456 第三步:对话与实战 配置完成后,你就可以在对应的 Agent 工具中,像与同事聊天一样使用禅道了,以下是几个实战示例: 需求与规划:“我想创建一个产品,用来在线收集用户信息,请帮我整理思路,并生成第一版需求和计划,如果有问题尽管问我。” 进度追踪:“上周增加了哪些新的需求?哪些需求比较难?我想针对比较难的需求提前制定方案。” 缺陷分析:“BUG 329 是什么问题?可能的原因是什么?有解决方案吗?” 风险分析:“迭代10的执行情况如何?有哪些风险?” 升级与维护 ▼如果ZenTao-CLI本身或者技能有新版本发布,你可以通过如下命令来升级: # 升级 CLI 本身 zentao upgrade # 然后通过 add-skill 命令升级技能 zentao add-skill ▼你也可以直接要求Agent帮你完成升级: “请帮我升级 zentao-cli,并通过 zentao add-skill 命令重新安装最新的技能。” 常见问题 (FAQ) Q:这个CLI技能和之前发布的ZenTao-API技能有什么不同?我该用哪个? A:强烈推荐使用禅道CLI技能。CLI技能封装了复杂的API细节,支持更多功能(如数据过滤、Markdown转换),且更省Token。大模型不需要关注API调用细节,可以更专注于解决真实的问题,而ZenTao-API技能需要大模型处理API细节,容易出错。 Q:我不懂Agents、技能等概念,我该怎么使用? A:在AI没有接管地球之前,无需着急。目前受限于Agents能力,并不能完全代替禅道GUI使用。建议先从简单的查询开始,或者使用内置的ZenTao-Tour技能,它会通过有趣的方式引导你体验。 Q:可以在禅道AI里面使用吗? A:目前还不支持在禅道内直接使用CLI功能,但我们正在加速开发ZAI Agents平台,后续将在禅道里面直接支持安装技能。 Q:为什么有些操作(如操作模块、读写文档)无法实现? A:CLI目前依赖禅道API 2.0,部分接口还在加速完善中,敬请期待后续更新。 持续优化,定期更新,禅道一直在路上!

优秀的个人博客,低调大师

我一路问 WorkBuddy,用腾讯云 OCR Skills 在几分钟内完成了投标审查

采购评审最费时间的,并不是阅读某一份文件,而是在招标要求、技术响应和报价表之间反复核对。供应商写了“满足”未必真的满足,报价更低也未必能够推荐。 我用 WorkBuddy 从零搭了一套投标审查流程。**不懂密钥、OCR 开通、Python 依赖和 Skill 开发也可以直接问它**;它会给出入口、定位问题,并完成能够代办的本地操作。流程由腾讯混元 **Hy3** 驱动,在我测试期间处于[限时免费体验](https://cloud.tencent.com/developer/article/2720820)阶段,具体期限以官方页面为准。 结果很直接:**8 份逐页 PDF 生成 4 个评审文件,符合性矩阵覆盖 30 个检查点**。流程识别出供应商 B 的两份报价相差 **3,959.96 元**,还把其自评的“12 日不满足”纠正为 **`12 <= 15**`******,实际满足**。 ![](https://developer.qcloudimg.com/http-save/9459221/8b94b14f447419afea3502ac1ea8f76c.png) 单组材料实际处理为**几十秒到几分钟**。若人工完成同等摘录、核算和整理需要一小时以上,效率会达到 **10 倍量级**;这是按人工基线换算的场景测算,不是严格的对照实验。 ## 先把业务问题说清楚 测试材料是一份虚构的智慧仓储标签打印设备采购项目。招标文件要求采购 **12 台工业条码标签打印机、12 个备用打印头**以及安装调试和培训服务,核心门槛包括:打印速度不低于 **200 mm/s**、分辨率不低于 **300 dpi**、支持 **Wi-Fi 6**、**15 个日历日**内完成交付、整机及打印头质保不少于 **3 年**,同时还要求提交技术响应表、分项报价表、交付计划、质保承诺函和类似项目说明。 我故意准备了两家不完全合格的供应商:A 的 Wi-Fi 是 **Wi-Fi 5**,交付要 **18 日**,盖章版质保承诺函没有提交;B 的分辨率只有 **203 dpi**,质保只有 **1 年**,报价摘要还和独立报价表对不上。B 的响应表把 12 日交付自评为“不满足”,但招标要求是最多 15 日,**`12 <= 15**`******,最终应该判定为满足**。这个错误专门用来检验流程会不会照抄供应商结论。 输入文件按页准备,是因为实时文档抽取接口对 PDF 使用页码参数,逐页上传更容易在不同 WorkBuddy 版本中复现。最终完整审查使用 **8 个文件**:招标文件 2 页,A 响应文件 2 页和报价表 1 页,B 响应文件 2 页和报价表 1 页。报价表虽然只有一页,也放在 `pages/` 目录中统一管理。 ## 先装两个识别 Skill,再确认分工 这套流程的分工很明确。 |层次 |负责内容 |本次产物 | | --- | --- | --- | |WorkBuddy + Hy3 |理解任务、拆分步骤、调用 Skill、读取本地文件、合并证据、生成交付物|compliance_matrix.md、risk_list.md、quotation_compare.csv、review_summary.md| |tencentcloud-ocr-extractdocagent |按字段抽取招标要求、响应值、商务承诺、缺失文件和页码 |招标要求与供应商响应结构化结果 | |tencentcloud-ocr-recognizetableaccurate|恢复无边框、多列报价表的单元格和合计行 |报价明细、Excel 文件和跨表金额核对 | |tender-compliance-reviewer |固化字段 schema、判定规则、证据格式和输出模板 |可反复调用的投标审查专用 Skill | 腾讯云的[表格识别(V3)接口](https://cloud.tencent.com/document/api/866/86721)支持常规表格、无线表格和多表格检测,能够返回单元格文字,并支持保存为 Excel。这个案例里的报价表没有边框,型号、数量、税率、小计和质保挤在同一行,先恢复单元格结构,后面的金额核对才有可靠输入。 ![](https://developer.qcloudimg.com/http-save/9459221/2cab7a902308394fbc1652b2a5f142cf.png) 搜索时我直接使用完整 slug `tencentcloud-ocr-recognizetableaccurate`。它在本案例中只负责报价页:保留 9 个业务列、三行明细和合计行,不负责判断供应商是否满足招标要求。 第二个安装的是 `tencentcloud-ocr-extractdocagent`。它处理招标文件和响应文件,把“15 日内”“不少于 3 年”这类自然语言约束抽成字段,同时返回来源页码。两个 Skill 的职责没有重叠:一个恢复表格,一个抽取文档字段。 ![](https://developer.qcloudimg.com/http-save/9459221/0cbef5c9d20117bd877a5737ca47f6ff.png) 两个 Skill 安装后,我回到“我安装的”页面确认开关状态。此时文档抽取 Agent 和表格识别 V3 都已启用,后续自定义 Skill 才有可以调用的底层能力。安装阶段的客户端版本是 5.3.11,正式审查时升级到了 5.3.14,入口和调用方式没有变化。 ![](https://developer.qcloudimg.com/http-save/9459221/7444db953b5890afe128cf2942b99a29.png) ## 从“不知道怎么配”开始,直接问 WorkBuddy 安装成功不等于能够调用腾讯云接口。我没有先查一遍配置教程,而是直接让 WorkBuddy 做一次不上传业务文件的最小自检。它检查了 Skill 文件、鉴权变量和运行依赖,随后把问题缩小到两处:`TENCENTCLOUD_SECRET_ID/KEY` 没有读到,`tencentcloud-sdk-python` 没有安装。原本模糊的“Skill 用不了”,到这里已经变成两个可以处理的具体问题。 ![](https://developer.qcloudimg.com/http-save/9459221/62fe860e05c8499c2f454da17266d671.png) 我当时并不知道这组密钥应该去哪里创建,于是直接追问:“从哪获取 `TENCENTCLOUD_SECRET_ID/KEY`?”WorkBuddy 给出了腾讯云访问管理 CAM 的直达地址、创建步骤、可用的配置位置,以及 SecretKey 只显示一次的注意事项。这里不需要用户先弄懂 CAM 是什么,先照着准确路径完成必要操作即可。 ![](https://developer.qcloudimg.com/http-save/9459221/7964bdc0385c920ba5105de866dee19b.png) 按照它给出的地址,我进入 CAM 的“API 密钥管理”页面创建密钥。这一步必须由账号本人完成;生产环境更适合使用仅授予 OCR 所需权限的子用户密钥,避免直接使用权限过大的主账号密钥。 ![](https://developer.qcloudimg.com/http-save/9459221/e43ee0bdda3f0ec392ec2625a330dacc.png) 创建密钥后,我仍然不知道 OCR 服务从哪里开通,继续问一句“开通链接有吗”。WorkBuddy 随即返回文字识别控制台、API 密钥管理、智能结构化 OCR 和表格识别 V3 文档地址,并把“一键开通文字识别服务”的步骤列了出来。 ![](https://developer.qcloudimg.com/http-save/9459221/590b0ce1f19e196bc7ab89d44ad360de.png) 密钥最初被我写进了 `~/.zshrc`。我也分不清 Skill 具体从哪里加载环境变量,只告诉 WorkBuddy:“你现在看看呢,我配置好了。”它读取当前环境后发现,Skill 的 `env_loader` 不会自动 `source ~/.zshrc`,所以运行时依然拿不到凭证。接下来的修复由 WorkBuddy 完成:把同一组密钥落到加载器支持的 `$HOME/.env`,再把缺失的 `tencentcloud-sdk-python` 安装进托管 venv。再次自检时,两个 Skill 已能读取鉴权,Python SDK 也可以正常导入。 这段配置过程反而把 WorkBuddy 的作用体现得最直接:**不知道就问,出错就把现状交给它查。** 用户可以不知道 SecretId 在哪里创建,不知道 OCR 有没有开通,也不知道 Skill 如何加载环境变量。WorkBuddy 会根据实际检查结果给出下一步,并把它能执行的本地修复继续做完。它同时保留了必要的边界提醒:**代码层全绿不等于云端接口已经可用,OCR 服务仍需在控制台开通**。 ![](https://developer.qcloudimg.com/http-save/9459221/75c4f59fb533589d7275c8bade5024b5.png) ## 开通 OCR 后再核对免费资源包 按照 WorkBuddy 给出的链接打开文字识别控制台,页面提示当前账号尚未开通服务。勾选服务条款并点击“立即开通”,才算补齐云端接口的调用条件。这里的分工很清楚:WorkBuddy 负责诊断和带路,Skill 负责发起调用,涉及账号授权的创建密钥和开通服务仍由用户确认。 ![](https://developer.qcloudimg.com/http-save/9459221/2f4edbcd5c5e4992c6dd18622ac30bd4.png) 服务开通后,我进入数据报表查看实际资源包。控制台中,**表格识别 V3、文档抽取基础版和多模态版**均显示剩余免费额度;按照[官方免费额度说明](https://cloud.tencent.com/document/api/866/35945),表格识别 V3 归入共享的 **1000 次/月**资源包,文档抽取 Agent 则是首次开通后 **1000 次/用户、有效期 1 年**。页面呈现的是当前账号已到账的资源包,Agent 的额度规则仍以官方说明和账号实际到账为准。 ![](https://developer.qcloudimg.com/http-save/9459221/f2ec86ca571452dfe410a2736aa74501.png) ## 从两个 Skill 到一个业务 Skill 单独安装两个能力包还不够。采购人员不应该每次都重新解释“先抽招标文件,再抽响应文件,再识别报价表,最后按门槛比较”。我也没有从头学习 Skill 目录规范、手写 `SKILL.md` 和校验脚本,而是进入 WorkBuddy 的“创建技能”,用自然语言说明输入文件、必须调用的两个 OCR Skill、判定规则和四个输出文件,让 `skill-creator` 创建 `tender-compliance-reviewer`。 ![](https://developer.qcloudimg.com/http-save/9459221/446695557d1ceeaf7394efec7402af93.png) 这个自定义 Skill 里固化了四类规则: 1. 招标文件抽取项目编号、采购范围、核心技术指标、交付周期、质保期限、付款方式和必交文件。 1. 供应商响应抽取型号、逐项技术参数、交付承诺、质保承诺和缺失文件。 1. 报价表逐行保留名称、型号、数量、含税单价、税率、含税小计、交付周期、质保和合计。 1. 每项结论必须带招标要求、响应值、比较表达式、状态、文件名和页码;没有出现的材料只能标记为“缺失”,不同文件出现不同值则标记“待确认”。 ![](https://developer.qcloudimg.com/http-save/9459221/fcce101be2facb4328d58231d7477b06.png) WorkBuddy 最终生成了完整的 Skill 目录、字段定义、判定规则、输出模板和构建脚本,并完成校验与打包。这里的“自定义”不是再训练一个模型,而是把业务字段、调用顺序和判定口径固定下来。Hy3 负责理解和组织任务,真正识别表格和文档的动作仍然落到两个腾讯云 Skill 上;流程既能用自然语言启动,又不会把专业识别全压在通用对话模型身上。 ## 第一轮:先把招标文件变成门槛 正式测试的第一轮只上传招标文件两页,不上传任何供应商材料,也不把人工基准 CSV 提前交给 WorkBuddy。提示语要求每个字段附原文件名和页码,先得到招标方的结构化要求。 ![](https://developer.qcloudimg.com/http-save/9459221/8fe881b00503f54cd6474a062502e66e.png) 右侧结果已经不是一段泛泛摘要,而是带来源的字段集合:打印速度至少 200 mm/s,分辨率至少 300 dpi,接口要求包含 USB、千兆以太网和 Wi-Fi 6,交付周期是合同生效后 15 个日历日,质保不少于 3 年,并且包含 4 小时响应、24 小时内给出处理方案的服务时限。 它还抽出了普通摘要容易漏掉的验收条件:支持 203 mm 外径纸卷、连续打印 500 张、断线重连后任务不丢失,以及安装 12 台设备并培训不少于 6 名仓库人员。每个条件都有来源页码,后面审查供应商时才有比较基准。 ## 第二轮:供应商 A 的表格先恢复,再谈符合性 A 的第二轮输入是响应文件 p1、p2 和 `供应商A_分项报价表_p1.pdf`。在自定义 Skill 的约束下,响应文件交给文档抽取 Agent,报价表交给表格识别 V3。结果页明确写出了两条调用路径,报价表还导出了可编辑的 Excel 文件。 ![](https://developer.qcloudimg.com/http-save/9459221/18dabd771457ed2b05722738a09eaf98.png) A 的技术响应并不复杂,难的是把它和招标门槛放到同一张表里:打印速度 **250 mm/s**,分辨率 **300 dpi**,质保响应 **3 年**,这三项满足;**Wi-Fi 5 不等于 Wi-Fi 6,18 日也大于 15 日**。商务响应里还出现了 **48 小时**给出处理方案,而招标要求是 **24 小时**,不能因为付款比例一致就把商务部分判成“无偏差”。 报价表识别结果保留了三行明细:TL-3000 共 12 台,含税小计 168,000 元;PH-TL3000 共 12 件,含税小计 18,960 元;服务包-A 为 8,000 元;**合计 194,960 元**。更值得注意的是,响应表写了整机 3 年质保,但报价表里的备用打印头和安装培训只写了 1 年。这个问题不能直接判定为不满足,也不能忽略,正确状态是 **“待确认”**。 ## 第三轮:供应商 B 证明了为什么要保留原始值 B 的输入同样是两个响应页和一份单页报价表。这里我在提示语中特别加了一句:不要直接采信供应商填写的“满足/不满足”,同时保留供应商自评和基于招标门槛的独立核对。 ![](https://developer.qcloudimg.com/http-save/9459221/25ea92a68e49e1bb6eb13f01772b12bc.png) B 的 **203 dpi 小于 300 dpi,1 年质保小于 3 年**,这两项硬性偏差没有争议;12 日交付则相反,**`12 <= 15**`******,数值上满足**。WorkBuddy 还指出 B 的响应文件报价摘要是 **178,960 元**,而独立报价表合计是 **175,000.04 元**,两份文件里的备用打印头和安装培训金额也不一致。 当我用完全相同的文件和要求重复运行时,WorkBuddy 直接复用了已经生成的 B 结果,避免再次消耗 OCR 调用。这个机制适合日常处理,但做性能测试时要新建会话并确认调用记录,不能把缓存命中算成一次新的接口执行。 ## 最终审查:四个文件和一次复核 完整审查把 **8 个逐页文件**一次性交给 WorkBuddy,要求先抽取招标门槛,再比较两家响应,最后核对报价明细。结果生成了四个可以继续流转的文件:**30 项符合性矩阵、分级风险清单、报价对比 CSV 和一页审查摘要**。 ![](https://developer.qcloudimg.com/http-save/9459221/8b94b14f447419afea3502ac1ea8f76c.png) 首轮汇总统计为 **满足 11 项、不满足 8 项、缺失 3 项、待确认 8 项**。A 的核心问题是无线网络、交付周期和服务响应时限;B 的核心问题是分辨率、质保期限、服务响应时限和报价文件冲突。WorkBuddy 没有把 B 的低价直接写成推荐,而是把 **“硬性不满足”** 和 **“需要澄清”** 分开交付,采购人员可以先处理影响资格的偏差,再处理材料补正和金额确认。 报价对比表保留了原始小数:B 的第一行单价是 **12,666.67 元**,小计是 **152,000.04 元**,三行相加得到 **175,000.04 元**。金额没有被格式化成整数,也没有用响应文件里的 **178,960 元**覆盖独立报价表。对于采购审查来说,这种可追溯的原始行比一句“B 报价更低”有用得多。 ## 最后一轮复核:把模型的判断拉回规则 我没有把完整审查的摘要当成最终结论,而是再发起一次只针对 7 个边界项的复核,要求逐项输出“招标要求|响应值|比较表达式|判定|证据文件及页码”。这一步把结论重新落到数字和原文上。 ![](https://developer.qcloudimg.com/http-save/9459221/d717b51160fb7aa6c74c9bd64ddf7a8a.png) 最终复核给出了清晰的结果:A 的 **Wi-Fi 5、18 日交付和 48 小时处理方案均不满足**;B 的 **203 dpi、1 年质保和 48 小时处理方案不满足**;B 的 **12 日交付满足**;B 未提交同类项目证明属于 **缺失**。结果中还保留了一个谨慎的提示:招标文本抽取结果只明确出现“类似项目说明”,是否严格要求“至少 2 个”的数量,仍应由采购人员回看完整招标文件确认。 这一步把流程的责任边界定得很清楚:它能把容易看错的数值重新算一遍,也能把两个文件的矛盾挑出来,但不会把“缺失”和“不满足”混成同一类,更不会替采购人员完成最终定标。 ## 这一套 Skill 最终达到了什么效果 |原本的人工动作 |Skill 组合后的结果 | | --- | --- | |逐页查找招标门槛 |抽取为带文件名、页码的结构化要求 | |手工恢复无线报价表 |保留 9 个业务列、原始小数和合计行,并导出 Excel/CSV | |复制两家响应逐项比较 |自动生成 30 项符合性矩阵,区分满足、不满足、缺失、待确认| |人工核算金额和查找矛盾|识别 178,960 与 175,000.04 的跨文件冲突 | |照着供应商自评录入结论|按门槛重新计算,将 B 的 12 日交付纠正为 满足 | |汇总评审材料 |一次生成矩阵、风险清单、报价对比、评审摘要 4 个交付物 | 采购人员留下来的工作更聚焦:确认质保口径、判断缺失材料能否补正、决定冲突报价以哪份文件为准,以及复核硬性偏差的处理方式。实时文档抽取对 PDF 页输入仍有约束,长文件需要拆页;免费额度也不是无限调用。涉及合同效力、盖章真实性、报价有效性和最终定标时,仍应回到原文和制度完成签字确认。 ## 结语 这次从空白 WorkBuddy 会话开始,整个过程没有要求我先弄清密钥获取、OCR 开通、环境变量加载或 Skill 开发。遇到不清楚的地方就直接问,遇到失败就让 WorkBuddy 检查当前状态;它给出入口、定位原因、完成本地修复,再把两个腾讯云 OCR Skill 组织成投标审查流程。最终,**8 份文件进入 WorkBuddy,输出 4 个可继续流转的评审文件**,每个关键判断都能回到原文、数字和证据。 对于采购、合同、验收和供应商准入这类材料密集型工作,我更愿意**把 WorkBuddy 当成流程编排台**,**把专业 Skill 当成可验证的工具节点**。模型可以快,输出可以自动生成,但最后一行结论仍然应该能回答三个问题:依据哪条要求,读到了哪个响应值,证据在文件第几页。

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化,本站点的第一个app全新上线。该app采用极致压缩,本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册
修改密码
忘记密码