# BidiRAG - 招投标领域RAG检索与生成项目

基于多种RAG（Retrieval-Augmented Generation）方法的招投标公告和附件信息检索与字段提取系统。

## 项目简介

本项目专注于招投标领域的智能化信息处理，核心功能包括：

- 多种RAG检索方法的实现与对比
- 招投标公告结构化字段提取
- 检索效果与速度的基准测试

## 支持的RAG方法

### 基础方法

| 方法                  | 描述        | 特点                 |
| ------------------- | --------- | ------------------ |
| **BM25RAG**         | BM25关键词检索 | 纯BM25概率模型，不依赖向量嵌入  |
| **TFIDFRAG**        | TF-IDF检索  | 纯TF-IDF余弦相似度，不依赖向量嵌入 |
| **NaiveRAG**        | 最基础的RAG实现 | 向量语义检索 + LLM生成     |
| **RerankRAG**       | 带重排序的RAG  | 初始检索后使用重排模型精排      |
| **HybridSearchRAG** | 混合搜索RAG   | 语义检索 + BM25关键词检索融合 |

### 高级方法

| 方法                           | 描述        | 特点                   |
| ---------------------------- | --------- | -------------------- |
| **MultiQueryRAG**            | 多查询扩展RAG  | 将原问题扩展为多个角度查询        |
| **HyDERAG**                  | 假设文档嵌入RAG | 先生成假设文档再检索           |
| **SelfRAG**                  | 自我反思RAG   | 检索前判断是否需要检索，检索后评估相关性 |
| **CorrectiveRAG**            | 纠正性RAG    | 评估文档正确性，不足时补充外部搜索    |
| **FLARERAG**                 | 主动检索生成RAG | 迭代式检索与生成             |
| **RAPTORRAG**                | 递归摘要树RAG  | 构建多层级摘要树进行检索         |
| **StepBackRAG**              | 抽象回退RAG   | 将具体问题抽象为高层问题检索背景知识   |
| **ContextualCompressionRAG** | 上下文压缩RAG  | 压缩检索结果仅保留相关信息        |
| **EnsembleRAG**              | 集成检索RAG   | 多种检索策略结果融合           |

### 招投标专用方法

| 方法                        | 描述         | 特点             |
| ------------------------- | ---------- | -------------- |
| **BidFieldExtractionRAG** | 招投标字段提取RAG | 针对招投标字段优化检索与提取 |
| **TableAwareRAG**         | 表格感知RAG    | 专门处理表格和结构化数据   |
| **GraphRAG**              | 图谱增强RAG    | 结合实体关系图谱进行检索   |

## 项目结构

```
BidiRAG/
├── bdirag/
│   ├── __init__.py
│   ├── config.py                 # 配置文件
│   ├── document_processor.py     # 文档处理（PDF/Word/Excel/TXT）
│   ├── embedding_models.py       # 嵌入模型（SentenceTransformers/OpenAI/DashScope/Zhipu）
│   ├── vector_stores.py          # 向量存储（FAISS/Chroma）
│   ├── rag_methods.py            # 所有RAG方法实现
│   └── benchmark.py              # 基准测试模块
├── examples/
│   ├── sample_data.py            # 示例招投标数据
│   ├── quick_demo.py             # 快速演示
│   ├── benchmark_all_methods.py  # 全方法基准测试
│   ├── benchmark_retrieval_speed.py  # 检索速度测试
│   └── bid_field_extraction_demo.py  # 字段提取演示
├── data/
│   ├── documents/                # 放置待处理的招投标文档
│   ├── indexes/                  # 向量索引存储
│   └── cache/                    # 缓存目录
├── output/                       # 输出目录（基准测试结果等）
├── requirements.txt
└── README.md
```

## 快速开始

### 安装依赖

```bash
pip install -r requirements.txt
```

### 设置环境变量

```bash
# OpenAI API配置（或兼容的API）
export OPENAI_API_KEY="your-api-key"
export OPENAI_BASE_URL="https://api.openai.com/v1"  # 或其他兼容API地址
export LLM_MODEL="gpt-4o"

# 嵌入模型配置
export EMBEDDING_MODEL="BAAI/bge-large-zh-v1.5"
```

### 运行示例

```bash
# 快速演示
python examples/quick_demo.py

# 检索速度测试（无需LLM）
python examples/benchmark_retrieval_speed.py

# 完整基准测试
python examples/benchmark_all_methods.py

# 字段提取演示
python examples/bid_field_extraction_demo.py
```

## 支持的嵌入模型

- **SentenceTransformers**: 本地部署，支持中文（如BAAI/bge-large-zh-v1.5）
- **OpenAI**: text-embedding-3-large/small
- **DashScope**: 阿里云text-embedding-v2
- **Zhipu**: 智谱AI embedding-3

## 支持的文档格式

- PDF
- Word (.docx)
- Excel (.xlsx/.xls)
- 纯文本 (.txt)

## 招投标字段提取

系统支持提取以下招投标关键字段：

- 项目名称 (project\_name)
- 项目编号 (project\_code)
- 预算金额 (budget\_amount)
- 币种 (currency)
- 投标截止时间 (bid\_deadline)
- 开标时间 (bid\_open\_time)
- 投标地点 (bid\_location)
- 采购人名称 (purchaser\_name)
- 采购人联系人 (purchaser\_contact)
- 采购人电话 (purchaser\_phone)
- 代理机构名称 (agency\_name)
- 代理机构联系人 (agency\_contact)
- 代理机构电话 (agency\_phone)
- 资格要求 (qualification\_requirements)
- 投标保证金 (bid\_bond\_amount)
- 履约保证金 (performance\_bond\_amount)
- 质保期 (warranty\_period)
- 交货时间 (delivery\_time)
- 交货地点 (delivery\_location)
- 付款方式 (payment\_terms)
- 评标方法 (evaluation\_method)
- 工作范围 (scope\_of\_work)

## 基准测试指标

系统会输出以下对比指标：

- 平均总延迟 / 检索延迟 / 生成延迟
- P50 / P95 延迟
- 最小 / 最大延迟
- 平均检索文档数
- 吞吐量（QPS）

## License

MIT