招标条款抽取核对 PerryLink/dsh-tender-extract

dsh-tender-extract — 招标文件条款抽取表检查（来源与原文）

dsh-tender-extract 读取一张条款抽取表——包头部加上每行一条抽取记录——套用带版本的规则包，只针对这张表返回报告：每行都给出自己的来源（sourceRef）、原文条款列（rawText）已填写、提炼出的需求（requirement）与该原文至少共享部分词项、记录的类别在你机构的清单上、没有重复的抽取编号（seq）、头部写明项目与来源文件、原文里没有残留模板占位符。条款类别词表出厂为空，什么都不配置时，TE-004 会在 skipped 里报告自己，而不是悄悄通过。

它能回答什么

| 你问 | 它答什么 |
| 我表里有一条抽取的来源列是空的。这会被报告吗？ | 会。TE-001 要求每条抽取都有 sourceRef，逐行报告为空的行。它只检查来源有没有记录，从不检查指向的位置对不对，也不能证明某条抽取缺失——完整性只能对照整份招标文件判断，而这份文件本插件永远看不到。 |
| 原文列填了——插件会确认它和招标文件逐字一致吗？ | TE-002 只检查 rawText 列填没填。它不拿这段文字和招标文件比对；要比对得把文件本身拿到手。 |
| 提炼出的需求看起来像是从别处来的。这会被标出来吗？ | TE-003 在 requirement 和 rawText 之间找共享词项——重叠的汉字二元组和完整拉丁词——两者毫无共享时报告该行。改写本来就会换措辞，所以一条发现只说明两列看起来不相关、值得人工看一眼，从不说明提炼错了。它也抓不到「用词有重叠但提炼错了」的情况，而 minShared 下限 2 是本地约定，不是标准数字。 |
| 我们还没决定怎么给条款分类。类别列会怎样？ | 它的值出厂为空，所以 TE-004 会在 skipped 里报告自己，而不是悄悄通过，直到你填上为止。配置好之后，它只检查记录的值在不在你的清单上；它不判断某条条款属于哪个类别。 |
| 表里两条抽取带同一个编号。 | TE-005 比较 seq 值时忽略空白差异，报告重复，因为出现两次的编号没法被无歧义地引用。它不判断编号本身是否合理。 |
| 某条摘录的原始文本仍是模板措辞。 | TE-007 会报告这样一行：它的 rawText 里仍带着出厂清单中的占位符 —— 【、】、{{、}}、XXX、xxx、待填、待补充、TBD、todo、示例 —— 因为这条摘录是从模板复制来的，没有真正填写。清单刻意排除了 （略），那是缩写长条款的正当写法；而且它只能找出清单上列出的那些词。 |

遵循的标准

| 文档 | 编号 | 引用它的规则 |
| 《中华人民共和国招标投标法》 | 1999年8月30日通过，2017年12月27日修正（全国人大常委会《关于修改〈中华人民共和国招标投标法〉、〈中华人民共和国计量法〉的决定》），本法自2000年1月1日起施行 | TE-001, TE-002, TE-003, TE-004, TE-005, TE-006, TE-007 |

边界： 这个插件检查的是招标文件条款摘录表，看它能被清单约束到什么程度 —— 每条摘录都要给出出处，原始条款文本要记录下来，提炼出的要求要跟那段文本有某种字面关联，类别要出自你自己的词表，编号要唯一，不能留下任何占位符。

⚠️ 这个插件能做什么、不能做什么

它无法证明漏掉了某条条款。 判断一条摘录是否完整，需要拿整份招标文件来比对，而这个插件只看得到摘录表。它没有别的说法，规则说明里也写明了：TE-001 检查的是出处被记录，从不检查摘录是否穷尽。

TE-003 是这里唯一的内容判断，而且刻意做得很弱。它在原始文本和提炼出的要求之间找共有的词，用重叠的汉字二元组和完整的拉丁词，只有两边毫无重合时才报告。改写本来就会换措辞，所以一条发现的意思是「这两列看起来不相关，值得人工看一眼」，绝不是「提炼错了」。它也抓不到那种用词重合但提炼错误的情况 —— 这个局限写在规则自己的说明里，也写在它的 README 条目里。

规则包里的每一条 excerpt 都明说了条款文本没有拿到。 这套制度出自《中华人民共和国招标投标法》及其配套法规。核验环节取不到逐字条款文本，所以规则包在 excerpt 字段里直接写明这个缺口，并把每条规则都保持在 warn 或 info。拿到文本后，把每条 excerpt 换成真实条款，并把 kind 提升为 direct。 条款类别词表出厂时是空的；什么都不配置时，TE-004 会把自己报进 skipped，而不是悄悄通过。

兼容性

| 层面 | 状态 |
| Harness | 对等范围 >=0.1.2-rc.1 <0.2.0 \|\| >=0.2.0-0 <0.3.0 —— 已验证可接受 0.2.0-rc.2 和 0.2.1-alpha.1。刻意不声明 engines.dsh：它没有读取方，也无法拒绝宿主 |
| Node | ^22.19.0 || >=24.0.0 |
| 平台 | 全部（纯 ESM；无原生代码、无网络、不调用模型） |
| 工具模式 | 在 native、ptc 和 both 下都能用；整份文档请用 ptc |

做什么

注册 tender_extract 工具。它读取一张条款抽取表——包头部加上每条抽取一行——套用带版本号的规则包，返回一份报告。

| 规则 | 检查 | 严重级别 | 依据类型 |
| TE-001 | 每条抽取都给出出处 | warn | principle |
| TE-002 | 每条抽取都记录原文 | warn | principle |
| TE-003 | 要求与原文有共同词 | warn | direct |
| TE-004 | 类别来自你的词表（默认关闭） | info | local |
| TE-005 | 抽取编号唯一 | warn | principle |
| TE-006 | 表中写明项目与来源文档 | warn | principle |
| TE-007 | 原文里没有未替换的占位符 | warn | principle |

安装

dsh plugin --profile <name> add dsh-tender-extract
dsh --profile <name> --dump-config | grep 'dsh-tender-extract'

配置

| 键 | 类型 | 默认值 | 说明 |
| rulesFile | string | rules/tender-extract.yaml | 规则包路径，相对于包根目录 |
| disabledRules | string[] | [] | 停止运行的规则 id；每个都会出现在 skipped 里 |
| onlyRules | string[] | [] | 只运行这些规则 id；留空则运行全部规则 |
| skipNotes | string | "" | 追加到每条 skipped 原因后面的备注 |
| timeoutMs | number | 120000 | 协作式工具超时预算 |

几个值得了解的规则级参数：

- TE-003 leftField / rightField / minShared——两列以及共同词下限，默认 2。设为 1 更宽松；这个下限是本地约定，不是标准数字。
- TE-004 values——你的条款类别，例如 [资格条件, 技术规格, 商务条款, 评标办法, 合同条款]。留空则不检查。
- TE-007 terms——要查找的占位符。「略」故意不在其中：……（略） 是缩写长条款的正常合法写法，所以不当作占位符。

材料格式

工具接受 JSON 或 YAML：

project: 某某工程施工招标 tenderNo: ZB-2026-018 source: 招标文件 2026-02-10 版 rows:
- { 序号: '1', 出处: 第三章 第 3.2 条,
原文: 投标人应具有建筑工程施工总承包二级及以上资质，并附资质证书复印件。, 类别: 资格条件, 要求: 需具备建筑工程施工总承包二级及以上资质并提供证书复印件, 是否实质性: 是, 响应: 需响应, 责任部门: 经营部 }

列名匹配不区分大小写，并忽略空格、下划线和连字符；表自己的列名会保留，所以一条发现会写明它读的是哪一列。

规则来源

规则数据放在 rules/tender-extract.yaml。规则包的头部完整说明了引用缺口，每条规则的 note 重复其中对该规则重要的部分。加载时的守卫通常强制「摘录必须是至少八个字符的真实引文」，但它分不清引文和描述——所以这个规则包靠头部、每条规则的 note，以及一个断言每条 excerpt 都承认该缺口的测试。

故障排查

- TE-003 在我满意的蒸馏结果上误报。 两列没有任何共同词项——通常是因为需求被改写成了另一套词汇。把 minShared 调到 1，或者禁用这条规则。
- TE-003 漏掉了我明知有错的蒸馏结果。 它做不到：两列有共同词汇。这是词法检查的已知局限。
- TE-007 不会对 （略） 触发。 这是有意为之；如果你的模板确实用「略」代替整个子句，就把「略」加进 terms。
- TE-004 从不运行。 它的词汇表是空的；用你所在语域的类别把它填满。
- 插件装上了，工具却始终不出现。 检查 main 是否指向 lib/index.mjs，以及 pnpm run build 是否生成了它；main 写错会让加载器静默跳过入口。
- dsh plugin add 以不兼容为由拒绝这个包。 peer 范围覆盖 0.1.x 和 0.2.x；如果你的运行时在这个范围之外，显式授予豁免： dsh plugin --profile <name> allow-version dsh-tender-extract@0.1.0 --dsh-version <runtime> --accept-risk
- check 报告 manifest-peers 失败。 静态检查器拿一个硬编码的 peer 范围来比对，而这个范围早于 0.2 系列。运行时在安装时强制校验 peer 兼容性，所以声明的范围才是正确的；这是 dsh-plugin-dev 里的已知上游问题。

开发

pnpm install
pnpm run typecheck # tsc --noEmit
pnpm test # vitest, the shared table-plugin suite plus paired fixtures
pnpm run build # tsdown -> lib/index.mjs + lib/index.d.mts
node ../scripts/sync-shared.mjs dsh-tender-extract # refresh src/shared from ../_shared

这个插件是纯数据：src/model.ts 声明表结构，共享套件提供读取器和检查引擎，规则包声明每一项检查。

许可证

Apache License 2.0 © 2026 dsh-tender-extract contributors。