标书检查提示词

请将方案标书全文导出或另存为 TXT 格式。随后，请根据文档篇幅合理选择 AI 模型，并使用以下提示词进行标书审查。请注意：为什么要合理选择AI模型，若标书篇幅超出当前 AI 模型的上下文识别限制，可能导致部分内容无法被完整读取或识别，建议您选择能够处理长文本的AI模型，或分段进行检查。

角色设定：
你是一位经验丰富的技术标评审专家，擅长识别投标文件中因复制、拼凑、模板化导致的逻辑矛盾、信息错误和格式漏洞。
任务：
请对用户提供的技术标文档进行全面、逐页、逐段审查，重点检测以下维度的异常内容，并以表格形式输出审查报告。
强制检查项（必须逐项核对）：
1. 时间：是否存在非本项目的日期（如过往年份、明显偏离工期的日期、节假日冲突）。
2. 工期：工期描述是否与招标文件要求一致（总天数、起止节点、阶段性节点）。
3. 地名：是否出现非项目所在地的地名（如其他省市、区县、街道）。
4. 季节：是否出现与项目实际施工季节不符的描述（如冬季施工但项目在夏季开工）。
5. 公司名称：是否出现非本投标人的公司名称、曾用名或关联公司名称。
6. 人物名称：是否出现项目经理、技术负责人等关键人员的错误姓名，或与其他标段/项目人员混淆。
7. 规范名称：列出的所有规范/标准，检查是否现行有效；过期规范必须单独标红提醒（在文本中可用【过期】标注）。
8. 项目名称：全文项目名称是否统一、准确（无漏字、错字、旧称）。
9. 项目地点：是否与招标文件给出的建设地址完全一致（精确到市/区/街道）。
10. 局/省/市/县/乡/镇：是否出现非项目所在地的各级行政区划名称。
11. 地域性名称：如“南方/北方”“华东/华北”等，是否与项目实际地理位置矛盾。
12. 错别字：常见专业术语、单位、数字、标点错误，尤其是“吨/方”“㎡/m²”等混用。
13. 施工方案名称：列出的施工工艺、专项方案名称是否与招标文件要求的工程内容匹配（是否存在无关或多余方案）。
14. 文档整体一致性：检查页眉页脚、章节编号、字体字号、图表编号是否连续且统一（拼凑痕迹）。
输出要求：
请以表格形式输出审查报告。表格列应包括：
- 检查项类别
- 具体位置（页码/章节）
- 问题描述
- 严重程度（高/中/低）
- 修改建议
表格后需附总体评价，包括：
- 是否疑似拼凑
- 风险点数量
- 最急迫修改项
在报告末尾，你必须声明你是否审查了全部文档内容，格式为：“已审查全文共X页/字”。
注意：
- 若某一检查项未发现问题，填写“无异常”。
- 对于过期规范，需同时注明现行替代规范编号。
请将您的技术标文档全文粘贴在下方，我将严格执行上述检查。

复制代码

一、AI图片检查方法及其优缺点
（一）AI图片检查的方法
AI对技术标图片的检查，主要依托多模态大模型（如GPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Pro等）的视觉理解能力。其检查方法通常分为以下几种：

一是定向提问法。操作者将单张或少量图片输入模型，并针对特定风险点发问，例如询问图片中是否包含日期、地名、公司名称、规范编号等关键信息。该方法目的明确，单次检查消耗的Token较少，适合对高危图片进行精准排查。

二是批量描述法。操作者将多张图片同时上传，要求模型逐张输出图片中的文字内容、图号信息及视觉特征，再人工对输出的文字进行二次检索。该方法适用于图片数量较多且时间紧迫的场景，能快速完成大量图片的文字提取工作。

三是联合逻辑审查法。操作者将整份包含图片的PDF文档一次性输入长上下文多模态模型，要求模型同时分析正文文字与嵌入图片，判断两者之间是否存在逻辑矛盾，例如正文描述的施工工艺与图片展示的实际场景是否一致、工期计划图与文字节点是否吻合。该方法的检查最为全面，但Token消耗也最高。

（二）AI图片检查的优点
AI检查图片的第一个显著优点是处理速度极快。对于数百张图片，人工可能需要数小时乃至数日才能完成逐张审阅，而AI在数分钟内即可完成初步扫描，尤其适用于时间紧迫的投标项目。

第二个优点是能识别图片中的嵌入式文字。对于资质证书扫描件、截图、平面图上的标注等包含关键文字信息的图片，多模态模型能够提取其中的文字并进行逻辑判断，发现人眼容易忽略的细微错误，例如证书中过期的发证日期、图纸边角处留存的其他项目名称等。

第三个优点是可实现逻辑一致性校验。AI能够对照招标文件要求，检查图片展示的内容是否与正文文字描述相符，这种跨模态的对比检查能力是纯人工方式难以系统化完成的。

第四个优点是不易疲劳且标准统一。人工检查在长时间工作后容易出现视觉疲劳导致遗漏，而AI的检查标准始终保持一致，不会因工作量增加而降低准确度。

（三）AI图片检查的缺点
AI检查图片的缺点同样不容忽视。首先是Token消耗极大。多模态模型对图片的处理费用远高于纯文本处理，一张高清图片消耗的Token数量可达数万甚至更多。对于一份包含上百张图片的标书，单次AI检查的经济成本可能高达数十至上百美元，且如果图片分辨率过高，成本还会进一步增加，这对于中小型项目而言是一笔不可忽视的开支。

其次是对微小文字的识别精度有限。当图片中的字体较小、分辨率不足或存在倾斜、模糊时，多模态模型极易出现漏读、误读，尤其是图纸角落的标注、公章中的小字、扫描件的页眉页脚等处，AI的识别准确率远低于人眼直接辨认。

第三是对图形逻辑和专业知识的判断能力不足。AI虽然能识别图片中的文字和基本视觉元素，但对于复杂的施工平面布置图、网络进度计划图、工艺流程示意图等需要专业工程知识进行解读的图片，AI往往只能做表层描述而无法做出精准的专业判断，例如图中各施工区域的动线是否合理、工序衔接是否科学，这些深层次的审查仍然依赖专业工程师。

第四是存在幻觉风险。多模态模型在无法准确识别图片内容时，可能生成看似合理但实际错误的描述，如果审查人员完全依赖AI的输出而未做复核，可能将错误带入最终定稿。

第五是法律效力问题。在某些严格的招投标评审中，AI出具的审查结果不具备认可效力，最终的审核责任只能由投标人自身承担，AI仅能作为辅助工具。

二、人工图片检查方法及其优缺点
（一）人工图片检查的方法
人工检查标书图片，虽然传统但至今仍是最为主要和可靠的审查方式。其常用方法包括以下几种：

一是逐页通览法。审查人员从头至尾翻阅整份标书的纸质版或电子版，逐张查看每一幅图片，重点关注图片的清晰度、完整性、编号连续性以及与正文的对应关系。这种方法最为基础，能保证每一张图片都经过肉眼确认。

二是对照核对法。审查人员将招标文件中的具体要求逐条列出，然后与标书中对应的图片内容进行逐一对照，重点核实项目名称、建设地点、投标人名称、人员姓名、日期等关键信息是否与招标文件完全一致。

三是双人复核法。对于高等级或高金额项目，安排两名以上审查人员独立检查同一批图片，各自记录发现的问题，最后汇总比对，能够最大限度地降低遗漏风险。

四是交叉验证法。审查人员将图片中的信息与正文描述进行交叉比对，例如将进度计划图中的节点日期与文字部分的工期安排逐一对照，将平面布置图中的坐标标注与地勘报告中的数据进行比对，从而发现图文之间的矛盾之处。

五是借助工具辅助的人工检查法。审查人员利用PDF或Word中的查找定位功能，快速跳转至包含图片的页面，然后人工放大逐寸查看；或提取所有图片至单独文件夹后，以缩略图模式快速浏览全貌，再针对可疑图片放大细查。

（二）人工图片检查的优点
人工检查的第一个核心优势是判断深度和灵活性。专业工程人员能够基于自身的行业经验判断一张平面布置图是否合理、一张工艺流程图是否存在技术漏洞，这种基于专业知识的深层判断是现有AI无法替代的。

第二个优势是微小细节的识别能力。人眼在放大查看的情况下，能够清晰辨认图片中任何位置的文字、数字、符号，无论字体多小、位置多偏，只要视觉条件允许，人眼都能做出准确判断，不存在OCR识别误差的问题。

第三个优势是零成本和零技术门槛。人工检查不依赖任何外部工具，不需要API调用费用，也不需要额外的技术学习成本，只要有专业人员和标书文件即可开展。

第四个优势是审查责任清晰。人工检查的结果直接由审查人员负责，在标书最终定稿时，每一处修改都有明确的决策主体，不会出现“AI说没问题但实际有误”而无人担责的困境。

第五个优势是能够发现非文字类的视觉问题，如图片的拉伸变形、颜色异常、水印遮盖、不同图片之间色调风格不一致等拼凑痕迹，这些问题往往是AI难以有效判别的。

（三）人工图片检查的缺点
人工检查的第一个明显缺点是效率低下。一名审查人员在正常工作状态下，仔细检查一张复杂图片可能耗时数分钟，若标书中包含数百张图片，仅图片审查一项工作就需耗时数日，对于投标周期极短的项目而言，时间压力巨大。

第二个缺点是疲劳导致的遗漏风险。图片审查是一项高度依赖视觉专注力的工作，长时间连续作业后，审查人员的注意力必然下降，越到后期越容易遗漏隐藏在边角处的问题，而这些问题往往是复制粘贴的典型痕迹。

第三个缺点是标准难以统一。不同审查人员的经验水平、细致程度和判断标准存在差异，同一批图片在不同人员手中可能得出完全不同的审查结论，缺乏像AI那样的稳定性和一致性。

第四个缺点是难以进行大规模批量处理。面对上百张图片时，人工检查缺乏有效的批量化手段，只能逐张翻阅、逐张核对，重复性劳动占比极高，人力消耗巨大。

第五个缺点是对跨页面、跨章节的关联问题识别能力有限。当问题分散在不同页面的多张图片中时，仅凭人工记忆难以将所有相关信息串联起来进行系统性判断，例如项目名称在三张图片中出现三种不同写法，人工在单独查看各图片时可能不易察觉，而AI则更擅长发现这种离散化的一致性问题。

三、AI检查与人工检查的总结对比
综合来看，AI图片检查的优势在于速度和批量化处理能力，缺陷在于高成本、微小文字识别精度不足以及深层专业判断的缺失。人工检查的优势在于精准度、深度判断和责任明确，缺陷在于效率低下和疲劳导致的遗漏风险。

两者并非替代关系，而是互为补充。在实际操作中，最为经济合理的做法是将两者结合起来：利用AI对大量图片进行快速初筛，定位可疑区域后由人工进行精准复核，从而在成本可控的前提下实现检查质量与效率的平衡。具体如何组合，则应根据项目的资金规模、时间周期和图片数量灵活决定。

这是一个非常专业且切中要害的问题。在标书审查的实际操作中，将图片检查与文本检查严格分开，并非人为设置障碍，而是基于技术原理、成本模型、错误逻辑和审查精度四个维度的根本性差异所决定的。以下是详细的论述：

一、技术实现原理的根本不同
文本检查基于字符编码识别。AI处理文本时，是将文字视为Token（词元），直接读取底层代码。无论文本有多长，AI都能无差别地进行逻辑比对、关键词检索和语义分析，这是一种“原生理解”。

图片检查基于视觉像素识别。AI处理图片时，必须通过多模态视觉模型将像素转化为语义描述（即“看图说话”）。这个过程中，图片先被压缩、切块，再通过视觉编码器转译为AI能理解的向量。关键区别在于：文本是AI的“母语”，图片是AI需要“翻译”的外语。将两者混在一起审查，会导致AI在“翻译”图片时消耗大量算力，并因“翻译误差”（如漏读边角小字、误判扭曲的字体）而降低整体审查的可靠性。

二、经济成本与Token消耗的天壤之别
这是必须分开的最现实原因。纯文本审查消耗的Token极少，1万字的标书正文成本几乎可以忽略不计。

而图片审查消耗的Token呈指数级增长。多模态模型通常按图片尺寸（如按像素块）计费，一张普通清晰度的图片所消耗的Token量，往往相当于数千甚至数万字的纯文本。如果一份标书包含100张图片，将图片与文本混合送入AI，其费用将是纯文本审查的几十倍甚至上百倍。

更重要的是，AI对图片的审查存在“边际成本递增”规律——图片越清晰、尺寸越大，消耗Token越多，但识别精度的提升却有限。因此，分开审查是将高昂的图片Token消耗控制在有限的“高危图片”范围内，而让低廉的文本审查覆盖全部文档，这是控制审查预算的基本底线。

三、审查维度与关注对象的错位
文本审查和图片审查的核心目标完全不同：

文本审查关注的是“写错了什么”。它要发现错别字、过期规范编号、错误的地名/人名、前后矛盾的工期描述、重复的段落等。这些错误全部存在于字符层面，通过关键词检索和逻辑比对即可解决。

图片审查关注的是“视觉上暴露了什么”。它不仅要看图片里有没有错字，更要看：

图片是否模糊、拉伸变形（暴露了从低版本软件复制的痕迹）；

图号是否连续、编号格式是否统一（暴露了拼凑不同标段文档的痕迹）；

图片中是否存在其他公司的旧Logo、水印或底色（暴露了直接套用模板的痕迹）；

不同章节的图片风格、色调、制图比例是否一致（暴露了多人分工拼凑的痕迹）。

这些“视觉拼凑痕迹”是纯文本分析无法触及的。如果将两者混在一起审查，AI会陷入“既要读字又要看图”的模式切换中，导致对视觉逻辑矛盾的敏感度下降。

四、错误发现逻辑的差异
文本检查遵循“确定性逻辑”——一个规范编号要么对要么错，一个日期要么符合工期要么不符合，结果是明确且唯一的。

图片检查遵循“概率性逻辑”——图片中的文字经过OCR或多模态识别后，AI给出的结果是有置信度区间的。例如，对于一张带有公章的扫描件，AI对正文大字的识别置信度可能是95%，但对角落里的编号小字可能只有60%的置信度。如果审查者将这种概率性结果与确定性文本混在一起，很容易产生“虚假的安全感”：AI告诉您95%正确，但恰恰那5%的错误就在关键日期上。

分开审查，意味着在图片环节审查者会保持高度警惕，不会将AI的识别结果直接等同于事实，而是以辅助定位为主，最终依赖人工目视确认。

五、审查流程与人员分工的必然要求
在实际标书编制中，文本修改和图片修改往往由不同人员负责——技术人员修改方案描述，排版美工修改图纸和插图。如果检查报告将“文本第3页的错别字”和“图片第25张的Logo错误”混在一份混合报告里，会造成责任混淆、修改流转混乱。

分开检查能形成两条清晰的整改闭环：

文本检查报告 → 直接交给编制人员逐条修改文字；

图片检查报告 → 交给排版或制图人员逐张替换或重制图片。

此外，两种检查的时间窗口也不同。文本修改可以随时进行且快速生效，而图片修改（特别是重新制图、扫描、插入）往往耗时较长，需要预留更多缓冲时间。分开安排审查顺序（通常先文本后图片），有利于项目管理节奏的把控。

六、总结
将标书图片检查与文本检查分开，本质上是基于技术特性的分工协同，而非简单的流程分割。分开的目的是用最低的Token成本完成最高效的文字筛查，同时以最警惕的态度应对高成本的图片视觉审查。两者独立操作、各自出报告、分别整改，最后再通过人工进行“图文一致性”的联调比对——这种“分开检查，合并验证”的模式，才是当前技术条件下审查标书最为稳妥、经济的实践路径。

		自动登录	找回密码
密码			立即注册

标书图片类内容检查方法

现阶段，为什么将标书图片检查和文本检查分开？