BidGenius AI：用多 Agent 系统自动化印度政府采购投标流程

介绍BidGenius AI——一个面向印度政府采购市场的多Agent AI系统，通过7个专门化Agent协作，将原本数天的投标准备工作压缩至5分钟完成。核心解决中小企业参与政府采购的信息发现、文档解析等多重障碍，覆盖60+采购门户，技术上采用正则优先混合提取、LLM-as-judge等策略，兼顾成本与可靠性。

印度政府采购年规模超15万亿卢比（约1800亿美元），但极度碎片化（60+独立门户无统一入口）。中小企业面临：信息发现难（手动查数十网站）、文档解析复杂（100+页PDF，扫描件/地方语言）、时间压力大（错过截止即失机会）、标书撰写繁琐（需数天）、缺乏智能过滤（混杂无关文档）。

BidGenius AI将投标流程分解为7个Agent协作：

任务	Agent	输入	输出	关键技术
招标发现	Search Agent	关键词+地区	招标URL列表	Tavily+Exa双源搜索
文档获取	Reader Agent	招标URL	原始文本	PDF下载+三级提取
字段提取	Extractor Agent	原始文本	结构化JSON	正则优先+单LLM补充
数据验证	Validator Agent	提取JSON	清洗JSON	类型过滤+日期校验
评分分析	Analysis Agent	清洗JSON	分数+摘要	加权评分规则
标书生成	Bid Agent	JSON+公司资料	5部分投标书	LLM生成+模板回退
质量评估	Judge Agent	投标书+摘要	评分	LLM-as-judge

全程5分钟完成，节省数天人工。

• Search Agent: 跨60+门户（中央/邦/市政/国企），Tavily+Exa双源搜索，自动检测地区优先相关门户，时间窗口过滤活跃招标。
• Reader Agent: 三级PDF提取（PyMuPDF→pdfminer→Tesseract OCR），应对SSL过期自动重试，垃圾内容检测。
• Extractor Agent: 20+正则处理印度数字/日期格式，60%字段正则提取，LLM补全分类。
• Validator Agent: 宽容策略（错留不错杀），修复数据错误，拒绝非招标文档。
• Analysis Agent: 100分制评分（完整性30/活跃30/质量40），难度评级+执行摘要。
• Bid Agent: 个性化5部分标书（执行摘要/技术方案等），LLM重试+模板回退。
• Judge Agent: Groq Llama3.3 70B评估5维度，服务器端算总分。

工程亮点: 正则优先（60%字段无LLM）、单LLM调用（提取+分类）、延迟导入/惰性求值优化成本延迟；SSL弹性、结构化回退、宽容验证提升鲁棒性；部署用FastAPI+Vercel（免费版有10秒超时，建议Pro/自托管）+Streamlit前端。

技术栈:

组件	技术	用途
语言	Python3.12	后端与Agent逻辑
后端	FastAPI	REST API+异步
前端	Streamlit	交互式仪表板
AI生成/评估	Groq Llama3.370B	提取/分析/标书/评估
AI回退	Ollama(本地)	Groq不可用时
搜索	Tavily/Exa API	实时/语义搜索
PDF提取	PyMuPDF→pdfminer→OCR	三级提取

适用场景: 中小企业（缺专职团队）、政府采购顾问（快速筛选）、跨地区业务（多区域监控）、初次投标者（流程引导）。 核心价值: 将投标准备从数天压缩至5分钟，多Agent协作保证质量，降低参与门槛。

结论: BidGenius AI是设计精良的多Agent系统，分解复杂流程为专门化Agent协作，技术选择（正则优先、宽容验证、LLM-as-judge）兼顾成本、可靠性与用户体验，值得Agent系统设计与政府采购自动化开发者研究。 建议: 部署时，因Vercel免费版10秒超时，完整分析需3-5分钟，建议升级Pro版（300秒超时）或自托管。