添加ai智能体标书接口，修改ai_agent仅暴露一个方法供外部调用

AI_Agent.py

@@ -8,11 +8,10 @@ from docx import Document
 from shutil import which
 import requests
 
+from config import OLLAMA_BASE_URL, OLLAMA_MODEL
+
 INPUT_WORD = r"C:\Users\YC\Desktop\1.docx"  # 你的招标文件
 OUTPUT_WORD = r"C:\Users\YC\Desktop\投标文件-最终版.docx"  # 最终输出路径
-OLLAMA_MODEL = "alibayram/Qwen3-30B-A3B-Instruct-2507:latest"  # 当前最强本地模型
-OLLAMA_BASE_URL = "http://192.168.110.5:11434"
-
 
 
 # ==================== Ollama 本地调用（支持 128K 上下文 + 长输出）===================
@@ -82,7 +81,7 @@ def word_to_md(word_path: str) -> str:
     if not pandoc_cmd:
         common = [
             os.path.expanduser(r"~\AppData\Local\Pandoc\pandoc.exe"),
-            r"C:\Program Files\Pandoc\pandoc.exe",
+            r"./util/pandoc.exe",
         ]
         for p in common:
             if os.path.exists(p):
@@ -110,7 +109,7 @@ def word_to_md(word_path: str) -> str:
 # ==================== 新版：两步生成超级目录（永不超时）===================
 def generate_full_outline(tender_md: str) -> str:
     tender_text = Path(tender_md).read_text(encoding="utf-8")
-    print(f"招标文件共 {len(tender_text)//2} 字，开始两阶段生成四级目录...")
+    print(f"招标文件共 {len(tender_text) // 2} 字，开始两阶段生成四级目录...")
 
     # 第一步：先让模型只看前 6 万字，生成一个【简洁但完整】的三级目录（超快，10秒内出）
     prompt1 = f"""请仔细阅读以下招标文件核心内容，只输出一个简洁但完整的三级目录（一级用“一、”，二级用“1、”，三级用“1.1、”）。
@@ -143,7 +142,7 @@ def generate_full_outline(tender_md: str) -> str:
     # 每 8个三级标题为一组，展开四级（稳到爆）
     full_outline = outline_skeleton + "\n"
     for i in range(0, len(level3_titles), 8):
-        batch = level3_titles[i:i+8]
+        batch = level3_titles[i:i + 8]
         batch_text = "\n".join(batch)
 
         prompt2 = f"""你是一位招投标专家，请把下面这几个三级标题分别展开成 10～18 个专业四级标题（格式必须是 1.1.1、1.1.2、……）。
@@ -157,7 +156,7 @@ def generate_full_outline(tender_md: str) -> str:
 
 直接输出四级标题："""
 
-        print(f"  正在展开第 {i//8 + 1} 组四级标题（{len(batch)}个）...")
+        print(f"  正在展开第 {i // 8 + 1} 组四级标题（{len(batch)}个）...")
         level4_text = call_llm([{"role": "user", "content": prompt2}],
                                temperature=0.2, max_tokens=20000)
         full_outline += "\n" + level4_text + "\n"
@@ -165,7 +164,7 @@ def generate_full_outline(tender_md: str) -> str:
 
     # 保存并返回
     Path("output/四级目录.md").write_text(full_outline, encoding="utf-8")
-    print(f"超级四级目录生成成功！总计约 {len(full_outline)//2} 字（再也不怕超时了！）")
+    print(f"超级四级目录生成成功！总计约 {len(full_outline) // 2} 字（再也不怕超时了！）")
     return full_outline
 
 
@@ -255,26 +254,37 @@ def update_word_toc(docx_path: str):
         print(f"Word目录自动更新失败（可手动右键更新）：{e}")
 
 
-# ==================== 主流程 ====================
+# ==================== 统一对外暴露的方法（唯一入口）===================
-def main():
+def generate_tender_from_input(input_word_path: str, output_word_path: str) -> bool:
-    print("启动本地 Qwen3-30B 投标文件生成器（128K上下文版）\n")
+    """
+    统一对外暴露的投标文件生成方法
+
+    Args:
+        input_word_path: 输入招标文件路径（.docx/.doc）
+        output_word_path: 输出投标文件路径（.docx）
+
+    Returns:
+        bool: 生成成功返回True，失败返回False
+    """
+    try:
+        print("启动投标文件生成器（统一入口）\n")
         os.makedirs("output", exist_ok=True)
 
         # 1. 转换招标文件
-    tender_md = word_to_md(INPUT_WORD)
+        tender_md = word_to_md(input_word_path)
         tender_text = Path(tender_md).read_text(encoding="utf-8")
 
         # 2. 生成超级详细目录
         outline = generate_full_outline(tender_md)
 
-    # 3. 分批生成正文（超长内容
+        # 3. 分批生成正文
         content = batch_fill_content(outline, tender_text)
         content = expand_to_50000_words(content)
 
         # 4. 合成最终 Markdown
         final_md = f"""# 【投标单位全称】
 
-## {Path(INPUT_WORD).stem} - 投标文件
+## {Path(input_word_path).stem} - 投标文件
 
 {outline}
 
@@ -296,8 +306,9 @@ def main():
         success = False
         pandoc_cmd = which("pandoc") or which("pandoc.exe")
         if pandoc_cmd and os.path.exists(pandoc_cmd):
-        cmd = [pandoc_cmd, final_md_path, "-o", OUTPUT_WORD, "--reference-doc=template.docx"] if os.path.exists(
+            cmd = [pandoc_cmd, final_md_path, "-o", output_word_path,
-            "template.docx") else [pandoc_cmd, final_md_path, "-o", OUTPUT_WORD]
+                   "--reference-doc=template.docx"] if os.path.exists(
+                "template.docx") else [pandoc_cmd, final_md_path, "-o", output_word_path]
             if subprocess.run(cmd, capture_output=True).returncode == 0:
                 success = True
 
@@ -316,12 +327,27 @@ def main():
                     doc.add_heading(l[5:], 3)
                 elif l:
                     doc.add_paragraph(l)
-        doc.save(OUTPUT_WORD)
+            doc.save(output_word_path)
 
-    update_word_toc(OUTPUT_WORD)
+        update_word_toc(output_word_path)
         print(f"\n大功告成！投标文件已生成：")
-    print(f"   {OUTPUT_WORD}")
+        print(f"   {output_word_path}")
         print(f"   总字数约：{len(final_md) // 2} 字")
+
+        # 清理临时生成的md文件（可选，保留也可以）
+        if os.path.exists(tender_md):
+            os.remove(tender_md)
+
+        return True
+
+    except Exception as e:
+        print(f"投标文件生成失败：{str(e)}")
+        return False
+
+
+# ==================== 原有主流程（保持不变，方便单独运行）===================
+def main():
+    generate_tender_from_input(INPUT_WORD, OUTPUT_WORD)
     os.startfile(OUTPUT_WORD)
 
 

config.py

@@ -64,3 +64,7 @@ class DetectionResponse(BaseModel):
     originalImgSize: List[int]
     targets: List[dict]
     processing_errors: List[str] = []
+
+# 智能体相关
+OLLAMA_MODEL = "alibayram/Qwen3-30B-A3B-Instruct-2507:latest"  # 当前最强本地模型
+OLLAMA_BASE_URL = "http://192.168.110.5:11434"

main.py

@@ -1,18 +1,30 @@
 import io
 import os
+import time
 import tempfile
+import shutil
 from contextlib import asynccontextmanager
+from pathlib import Path
+from typing import Optional
 
 import requests
 import uvicorn
 from PIL import Image
-from fastapi import FastAPI, HTTPException
+from fastapi import FastAPI, HTTPException, UploadFile, File
 from fastapi.middleware.cors import CORSMiddleware
+from fastapi.responses import FileResponse
 from pydantic import BaseModel, HttpUrl
 
+from AI_Agent import generate_tender_from_input
 from config import DetectionResponse
 from process import detect_large_image_from_url
 
+# 配置文件存储路径
+UPLOAD_DIR = Path("uploaded_files")
+OUTPUT_DIR = Path("generated_tenders")
+UPLOAD_DIR.mkdir(exist_ok=True)
+OUTPUT_DIR.mkdir(exist_ok=True)
+
 # 全局检测管理器
 detector_manager = None
 
@@ -28,9 +40,17 @@ async def lifespan(app: FastAPI):
         print(f"初始化失败：{str(e)}")
         raise
     yield
+    # 程序关闭时清理临时文件（可选）
+    print("清理临时文件...")
+    for file in UPLOAD_DIR.glob("*"):
+        try:
+            if file.is_file():
+                file.unlink()
+        except Exception as e:
+            print(f"清理文件 {file} 失败：{e}")
 
 
-app = FastAPI(lifespan=lifespan, title="目标检测API", version="1.0.0")
+app = FastAPI(lifespan=lifespan, title="目标检测与投标文件生成API", version="1.0.0")
 
 # 配置跨域请求
 app.add_middleware(
@@ -51,6 +71,15 @@ class DetectionProcessRequest(BaseModel):
     url: HttpUrl
 
 
+class TenderGenerateResponse(BaseModel):
+    """投标文件生成响应模型"""
+    status: str
+    message: str
+    relative_path: str
+    file_name: str
+    file_size: Optional[int] = None
+
+
 @app.post("/detect_image", response_model=DetectionResponse)
 async def run_detection_image(request: DetectionRequest):
     # 解析检测类型
@@ -114,12 +143,154 @@ async def get_supported_types():
     return {"supported_types": []}
 
 
+@app.post("/generate_tender", response_model=TenderGenerateResponse)
+async def generate_tender_file(file: UploadFile = File(...)):
+    """
+    上传招标文件（Word格式），生成投标文件
+    支持的文件格式：.docx
+    返回生成文件的相对路径，用于下载接口
+    """
+    upload_path = None
+
+    # 验证文件类型
+    if not file.filename.endswith((".docx", ".doc")):
+        raise HTTPException(
+            status_code=400,
+            detail="仅支持Word文件（.docx或.doc格式）"
+        )
+
+    try:
+        # 保存上传的文件
+        timestamp = int(time.time())
+        file_ext = Path(file.filename).suffix
+        upload_filename = f"tender_{timestamp}{file_ext}"
+        upload_path = UPLOAD_DIR / upload_filename
+
+        # 保存文件内容
+        with open(upload_path, "wb") as f:
+            shutil.copyfileobj(file.file, f)
+
+        print(f"已接收上传文件：{upload_path}")
+
+        # 生成输出文件名和路径
+        output_filename = f"投标文件_生成版_{timestamp}.docx"
+        output_path = OUTPUT_DIR / output_filename
+
+        # 调用AI_Agent的统一入口方法（仅这一个调用）
+        print("开始生成投标文件...")
+        generate_success = generate_tender_from_input(
+            input_word_path=str(upload_path),
+            output_word_path=str(output_path)
+        )
+
+        if not generate_success:
+            raise Exception("投标文件生成核心流程执行失败")
+
+        # 验证生成的文件是否存在
+        if not output_path.exists() or not output_path.is_file():
+            raise Exception("投标文件生成后未找到目标文件")
+
+        # 计算文件大小
+        file_size = output_path.stat().st_size
+
+        # 构建相对路径（相对于项目根目录）
+        relative_path = str(output_path.relative_to(Path.cwd()))
+
+        print(f"投标文件生成成功：{output_path}")
+
+        return {
+            "status": "success",
+            "message": "投标文件生成完成",
+            "relative_path": relative_path,
+            "file_name": output_filename,
+            "file_size": file_size
+        }
+
+    except Exception as e:
+        error_msg = f"生成投标文件失败：{str(e)}"
+        print(error_msg)
+        raise HTTPException(
+            status_code=500,
+            detail=error_msg
+        )
+    finally:
+        # 关闭上传文件流
+        await file.close()
+        # 清理上传的原始文件，节省空间
+        if upload_path and upload_path.exists():
+            try:
+                upload_path.unlink()
+                print(f"已清理上传文件：{upload_path}")
+            except Exception as e:
+                print(f"清理上传文件失败：{e}")
+
+
+@app.get("/download_file")
+async def download_generated_file(relative_path: str):
+    """
+    根据相对路径下载生成的投标文件
+    Args:
+        relative_path: 生成文件的相对路径（从/generate_tender接口获取）
+    """
+    # 解析绝对路径，防止路径穿越攻击
+    try:
+        abs_path = Path(relative_path).resolve()
+
+        # 验证路径是否在允许的输出目录内
+        if not abs_path.is_relative_to(OUTPUT_DIR.resolve()):
+            raise HTTPException(
+                status_code=403,
+                detail="访问禁止：文件路径不在允许范围内"
+            )
+
+        if not abs_path.exists() or not abs_path.is_file():
+            raise HTTPException(
+                status_code=404,
+                detail="文件不存在或已被删除"
+            )
+
+        # 返回文件下载响应
+        return FileResponse(
+            path=abs_path,
+            filename=abs_path.name,
+            media_type="application/vnd.openxmlformats-officedocument.wordprocessingml.document"
+        )
+
+    except HTTPException:
+        raise
+    except Exception as e:
+        print(f"文件下载失败：{str(e)}")
+        raise HTTPException(
+            status_code=500,
+            detail=f"文件下载失败：{str(e)}"
+        )
+
+
+@app.get("/list_generated_files")
+async def list_generated_files():
+    """列出所有生成的投标文件（可选接口）"""
+    files = []
+    for file in OUTPUT_DIR.glob("*.docx"):
+        files.append({
+            "file_name": file.name,
+            "relative_path": str(file.relative_to(Path.cwd())),
+            "file_size": file.stat().st_size,
+            "created_time": file.stat().st_ctime
+        })
+    return {
+        "total": len(files),
+        "files": files
+    }
+
+
 if __name__ == "__main__":
     import argparse
 
+    # 补充必要的导入（在主函数中导入，避免启动时依赖冲突）
     parser = argparse.ArgumentParser()
     parser.add_argument("--host", default="0.0.0.0")
     parser.add_argument("--port", type=int, default=8000)
     parser.add_argument("--reload", action="store_true")
     args = parser.parse_args()
+
     uvicorn.run("main:app", host=args.host, port=args.port, reload=args.reload)