Bid Proposal Manager — Bid Proposal 管理器

Bid/Proposal 管理器 (입찰·공모 관리 스킬)

입찰, 사업, 연구 공모 안내문을 다양한 포맷(PDF, HWP, HWPX, DOCX, 웹페이지)에서 파싱하여, 핵심 정보를 자동 추출하고 벡터화(PostgreSQL + pgvector)한 뒤, Notion 프로젝트 DB와 하위 페이지로 체계적으로 정리하는 종합 스킬.

아키텍처 ┌──────────────────────────────────────────────────────────────┐ │ 입력 소스 (输入 Sources) │ │ PDF │ HWP/HWPX │ DOCX │ 웹페이지(URL) │ └────────────┬─────────────────────────────────────────────────┘ ▼ ┌──────────────────────────────────────────────────────────────┐ │ 문서 파서 (document_解析器.py) │ │ 포맷 자동 감지 → 텍스트 추출 → 구조화된 섹션 분리 │ └────────────┬─────────────────────────────────────────────────┘ ▼ ┌──────────────────────────────────────────────────────────────┐ │ 공고문 분석기 (proposal_分析器.py) │ │ 핵심 필드 추출: 사업명, 기한, 자격요건, 제출서류, 예산 등 │ │ 제출서류 체크리스트 자동 생성 │ │ 작성 요령(목차, 분량, 형식) 추출 │ └────────────┬─────────────┬───────────────────────────────────┘ │ ▼ │ ┌──────────────────────────────────────────────┐ │ │ 벡터화 엔진 (vectorizer.py) │ │ │ 텍스트 → 임베딩 → PostgreSQL + pgvector 저장 │ │ │ 시맨틱 검색, 유사 공고 비교, RAG 지원 │ │ └──────────────────────────────────────────────┘ ▼ ┌──────────────────────────────────────────────────────────────┐ │ Notion 빌더 (notion_构建器.py) │ │ 프로젝트 DB 생성/업데이트 + 상세 하위 페이지 자동 생성 │ │ 제출서류 체크리스트, 일정표, 자격요건 정리 │ └──────────────────────────────────────────────────────────────┘

워크플로우 Step 1: 공고문 입력

사용자로부터 입찰/공모 안내문을 받는다:

# PDF 파일 python3 scripts/document_解析器.py 解析 --输入 announcement.pdf --输出 解析d.json

# HWP/HWPX 파일 python3 scripts/document_解析器.py 解析 --输入 announcement.hwp --输出 解析d.json

# DOCX 파일 python3 scripts/document_解析器.py 解析 --输入 announcement.docx --输出 解析d.json

# 웹페이지 URL python3 scripts/document_解析器.py 解析 --url "https://www.g2b.go.kr/..." --输出 解析d.json

# 여러 파일 일괄 처리 python3 scripts/document_解析器.py batch --dir ./announcements/ --输出 batch_解析d.json

Step 2: 핵심 정보 추출

공고문에서 구조화된 정보를 자동 추출한다:

python3 scripts/proposal_分析器.py analyze --输入 解析d.json --输出 analysis.json

추출 필드:

카테고리 추출 항목 기본 정보 사업명, 공고번호, 발주기관, 공고일, 사업유형 일정 제출마감일, 설명회일, 질의응답 기한, 선정발표일 자격요건 참가자격, 필수조건, 우대조건, 제한사항 제출서류 필수서류 목록, 선택서류, 서류별 양식/형식 요구사항 예산/규모 총 사업비, 정부출연금, 민간부담금, 사업 기간 작성 요령 제안서 목차, 분량 제한, 평가 기준, 배점표 연락처 담당자, 전화번호, 이메일, 접수처 Step 3: 벡터화 및 저장

추출된 텍스트를 임베딩하여 PostgreSQL + pgvector에 저장한다:

# 단일 공고 벡터화 python3 scripts/vectorizer.py store --输入 analysis.json

# 유사 공고 검색 python3 scripts/vectorizer.py 搜索 --查询 "AI 기반 교통 분석 연구" --top 5

# 특정 공고와 유사한 과거 공고 비교 python3 scripts/vectorizer.py similar --project-id "BID-2026-0042" --top 3

벡터화 대상:

사업명 + 사업 개요 (핵심 벡터) 자격요건 텍스트 제출서류 상세 설명 평가 기준 / 작성 요령 전문 Step 4: 제출서류 검증

사용자가 준비한 서류와 공고 요구사항을 대조 검증:

python3 scripts/proposal_分析器.py 验证 \ --requirements analysis.json \ --prepared-dir ./my_documents/ \ --输出 verification.json

검증 항목:

필수서류 누락 여부 ✅/❌ 파일명 규칙 준수 여부 분량(페이지 수) 준수 여부 필수 포함 항목(목차) 확인 제출 기한 경과 여부 Step 5: Notion 페이지 생성

분석 결과를 Notion 프로젝트 DB와 하위 페이지로 자동 생성:

python3 scripts/notion_构建器.py 创建 \ --输入 analysis.json \ --database-id "YOUR_NOTION_DB_ID" \ --创建-subpages

Notion 구조:

📁 입찰/공모 프로젝트 DB (데이터베이스) ├── 속성: 사업명, 발주기관, 마감일, 상태, 예산, 유형, 자격충족여부 │ ├── 📄 [사업명] 상세 페이지 │ ├── 📋 기본 정보 (callout) │ ├── 📅 주요 일정 (table) │ ├── ✅ 제출서류 체크리스트 (to-do 列出) │ ├── 📝 자격요건 (bulleted 列出) │ ├── 💰 예산/규모 (table) │ ├── 📖 제안서 작성 요령 │ │ ├── 목차 구조 │ │ ├── 분량 제한 │ │ └── 평가 기준/배점표 │ ├── 🔍 유사 공고 (벡터 검색 결과) │ └── 📎 원본 파일 링크 │ ├── 📄 [다른 사업명] 상세 페이지 │ └── ...

문서 파싱 상세 PDF 파싱 # pdfplumber 사용 (표 추출에 강함) pip 安装 pdfplumber # 또는 PyMuPDF (fitz) 사용 (일반 텍스트 추출에 빠름) pip 安装 PyMuPDF

HWP/HWPX 파싱 # hwp5 (한글 파일 텍스트 추출) pip 安装 pyhwp # HWPX는 ZIP 기반 XML이므로 직접 파싱 # hwpx → unzip → content.xml → XML 파싱

DOCX 파싱 pip 安装 python-docx

웹페이지 파싱 # 请求s + BeautifulSoup pip 安装 请求s beautifulsoup4 # 또는 Playwright (JS 렌더링 필요 시)

포맷을 자동 감지하여 적합한 파서를 선택한다. document_解析器.py가 이를 처리.

PostgreSQL + pgvector 설정 사전 요구사항 # PostgreSQL 15+ 설치 확인 psql --version

# pgvector 확장 설치 # macOS (Homebrew) brew 安装 pgvector

# Ubuntu/Debian sudo apt 安装 postgresql-15-pgvector

# 설치 확인 psql -c "创建 扩展 IF NOT EXISTS vector;"

DB 스키마 생성 psql -f references/db_模式.sql

또는 스크립트로:

python3 scripts/vectorizer.py init-db --db-url "postgresql://user:pass@localhost:5432/biddb"

임베딩 방식 방식 설명 비고 OpenAI API text-embedding-3-small (1536 dim) API 키 필요 Sentence 转换ers all-MiniLM-L6-v2 (384 dim) 로컬 무료 Ollama nomic-embed-text (768 dim) 로컬 무료

기본값은 Sentence 转换ers (로컬). 환경변수 EMBEDDING_提供者로 변경 가능.

命令行工具 명령어 요약 # === 문서 파싱 === python3 scri