我构建了一个自动生成提案的LLM，并拿到GitHub上开源了它 原创

现有的大模型无法解决我的问题，于是我自己构建了一个开源工具，用于高效地自动生成提案。

最近，我没有像以前那样频繁地更新开源文章，倒不是由于我停止写文章，而是由于开源商业化方面的进展很大，没完没了地起草提案这项任务消耗了我的太多时间。

作为一家本土的开源商业公司，WhaleOps雇佣的大多是工程师。要求这些开源贡献者编写提案浪费了他们的开发时间，他们的提案并不总是符合质量标准。与大公司的管理不同，身为初创公司的首席执行官意味着担任公司需要的任何角色。每次战略会议结束后，我都是第一个卷起袖子、处理最紧急的任务。因此，我没有时间写文章，因为有限的时间主要用于创建遵循正式模板风格的提案。尤其是最近，由于忙着竞标，我发现自己都忙晕了。

作为一名技术人员，我总是寻找工具来解决问题。我自然想到了大模型，但它们不能完全理解我们产品的细微差别，而且经常生成不可靠的输出。此外，交付工作的是你，而不是模型。

于是，我决定使用Python和兼容的大模型（与ChatGPT兼容），开发一个基于大模型的提案生成工具。这个工具可以自动从你的产品文档生成提案，将产品手册分解为特征点。基于人为创建的这些特征点到需求的映射，它生成提案的Word版本和Excel偏差表。模型可以根据需要来精简或扩展内容，或者只是复制相关功能。

开源提案工具的功能特性

这个工具的功能很简单，最具挑战性的部分是Word格式（Word中的格式始终很痛苦）。我尝试了几种方法来确保它遵循Word模板中正确的标题1、标题2、标题3、正文、表格和图片格式。为了恪守开源精神，我已将这个工具上传到了我的个人GitHub上，采用Apache许可证，所以如果你需要它，可以随意使用。该工具的功能如下：

• 将你的产品手册分解为一组可重用的详细文档，减少在起草提案时重复引用源文档的需要。你还可以定制特定的功能（默认文件名为“Template.docx”）。
• 基于某个人填写的需求表，它自动生成点对点响应格式的提案，包括所有标题和内容，并使用正确的标题1、标题2和标题3格式，并自动组织正文文本、图片和要点（默认需求表是“requirements_table.xlsx”，生成的内容在“proposal_content.docx”中）。
• 对于相应功能部分中的任何产品需求，它会自动将产品手册内容复制到点对点响应部分，保留图片、表格和要点。你还可以重写产品描述以适应不同的提案需求。如果没有匹配的功能，模型会自动生成相关内容（根据需要进行检查和修改）。
• 通过在“requirements_table.xlsx”中自动填写响应，完成技术需求偏差表，响应格式为“答案：完全支持，{基于项目需求的模型生成文本}”，并包含与提案对应的节号。

使用该工具，你可以随意快速修改和生成提案。可以在这里得到它：​​https://github.com/William-GuoWei/ProposalLLM。​​

提案生成流程

首先运行Extract_Word.py，将产品特征点生成为Word文档，然后运行Generate.py。如果缺少某个特征点，可以在Excel文件中输入“X”，模型会生成符合需求的内容。然而，我强烈建议手工检查。生成后，你会看到使用由内容表、正文、图片、表格和要点格式化的提案，所有这些都是自动组织的。

整个提案是根据客户的要求以顺序格式构建的，包括小标题、内容、图片和点对点响应。这承担了所有的重复性工作。

自动生成的偏差表包括所有内容，无论内容是否由模型生成以及相应的节号。你只需要根据最终需求用“&”符号来完成偏差表，模型已为你写好了。

对我来说，这个工具将过去8小时的工作减少到30分钟左右，甚至我们的业务团队也可以使用模板生成业务提案部分。总而言之，这将我们为期一周的提案时间缩短至1-2天，所需的人力减少了80%。

如何使用它？

首先，从GitHub下载所有代码到一个目录中：Proposal Large Model（中文版），即​​https://github.com/William-GuoWei/ProposalLLM。​​

安装Python环境和软件包：pip install openpyxl， docx, openai, requests, docx, Python -docx。

申请ChatGPT或百度千帆大模型密钥（我使用了ERNIE-Speed-8K，免费），记录token，放入到相关代码段中。

将你的产品手册复制到Template.docx。确保使用所提供的正文、标题1、标题2和标题3样式，其他格式可能会导致问题。

运行Extract_Word.py，从产品手册生成特征点文档（支持多达3个标题级别）。如果列表格式出现异常，别担心，最终格式会正确对齐。

填写B栏和C栏（自动生成二级和三级标题）以及G栏（相应的产品手册章节）。如果缺少一章，请输入“X”。注意，如果没有相应的章节或输入“X”，模型会自动生成内容。

查看“proposal_content.docx”文档，并保留想要开始生成提案的那一章节。你可以修改正文和标题1、2和3的样式；只是别重命名样式，否则可能会有错误。

调整Generate.py中的参数：

• API_KEY和SECRET_KEY：百度云大模型密钥。
• MAX_WIDTH_CM：最大图片宽度；大于此值的图片将自动调整大小。
• 用于生成内容的提示已针对大数据场景进行了定制，但你可以随意修改它们。
• MoreSection=1将读取列C以生成详细的三级标题（默认为开启）。
• ReGenerateText=0将自动为不同的提案需求重新生成文本内容（默认为关闭）。
• DDDAnswer=1在每个特征点的顶部生成点对点响应内容（默认为开启）。
• key_flag =1将每个需求的重要性级别添加到提案标题中（默认为开启）。
• Last_heading_1 =2指定“proposal_content.docx”中技术解决方案的起始章节。

运行Generate.py。

总结

使用此工具，你只需要根据提案需求检查产品特征，并且大多数提案内容是自动生成的。业务提案部分也可以以类似的方式生成，因此创建1000页长的提案现在只需要几分钟。

原文标题：​​I Built an Automatic Proposal Generation LLM and Open-Sourced It on GitHub​​，作者：William Guo