BidiRag

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

pip install -r requirements.txt

设置环境变量

# 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

# 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