实测记录：把一份不合格的投标文件交给 AI 评审，它找出了什么

一句话：我们用产品自带的演示文件跑了一次完整评审，91.3 秒、4 次大模型调用，它判了 D 级，并指出两条会直接导致废标的硬伤。下面是完整的过程记录和原始输出。

说明：这不是客户案例。演示用的投标文件是一份故意写得不完整的样例（7 章、1379 字），目的就是看评审能不能把问题挑出来。登录后在工作台点"真实评审演示"，任何人都能复现这个结果。

一、输入是什么

招标文件是要点摘录，不是完整版；投标文件是刻意做得单薄的样例。这样的输入，正常评审应该给低分——关键是看它能不能说清楚低在哪。

二、七步过程与真实输出

步骤 1 解析招标文件：1 章节 / 941 字

步骤 2 抽取需求图谱：5 条响应性条款 / 6 个评分项 / 0 项资质要求

步骤 3 解析投标文件：识别到中文"章"级标题，切出 7 章 / 1379 字

步骤 4 评分项覆盖 + 合规校验：

• 评分项：总 6 项，命中 0、部分命中 2、缺漏 4，自评 15/80
• 响应性条款：0 条响应、2 条部分响应、3 条缺失 → 未通过

步骤 5 风险扫描：扫到 2 项风险，均为阻断性

步骤 6 AI 类人评审：

• 技术 35 分，商务 N/A，业绩 N/A，综合 19 分，等级 D
• 证据审计：商务与业绩维度因投标文件中没有任何证据，自动置为 N/A，而不是凭空给分

它列出的 5 条关键风险，原文如下：

· 致命风险：投标文件工程名称、建筑规模、结构形式与招标项目不一致，极可能被评标委员会认定为"未对招标文件作出实质性响应"而否决投标 · 致命风险：承诺工期 720 日历天 > 招标要求 540 日历天，超期 180 天，属工期不响应，直接构成废标或重大偏差 · 结构性缺失：装配式建筑实施方案、BIM 技术应用两个独立评分项（合计 17 分）无任何内容，属漏项 · 商务标与业绩标证据完全缺失（无报价、无业绩、无资质） · 医院项目专项内容（洁净手术部、医用气体、防辐射、医疗流线、医疗设备吊装运输）零表述，评标委员会可能认定"未理解项目特点、方案缺乏针对性"而集中扣分

前两条是真正值钱的：工程名称对不上和工期超期，这两样在评标现场就是直接否决，写得再好也没用。

交叉验证：关键词覆盖率 0% vs 专家综合 19 分，差距超过 15 分，系统提示"强烈建议人工复核"。这个机制是防止两头失真——只看关键词会被"堆词"骗，只看专家打分可能有主观偏差，两者差太多就提醒人来看。

步骤 7 逐项提分诊断：

• 当前预估 33/80 分（41%），按建议改完可达 74/80 分（93%），提分空间 +41 分
• 性价比排序：施工组织设计与进度安排（满分 30）+15 分、BIM 技术应用（满分 10）+9 分、装配式建筑实施方案（满分 7）+6 分、质量保证体系（满分 15）+5 分、安全生产与文明施工（满分 10）+3 分

产出两个文件：评审报告 xlsx、评审详情 json。

三、耗时与成本

`` ✔ 评审完成（总耗时 91.3 秒，4 次 LLM 调用 / 25334 tokens） ``

一分半钟，把一份标书的废标风险、漏项和提分优先级列了出来。同样的事人工做一遍，熟练的人也要一到两个小时，而且容易漏。

四、这次实测暴露的局限

实事求是地说几条：

1. 输入短：演示的招标文件只有 941 字，真实招标文件几十上百页，抽取难度和耗时都会明显上升。
2. 打分是参考值：AI 给的 19 分、D 级是模拟评标逻辑的结果，不等于真实评标分数。它的价值在于指出哪里缺、缺多少，而不是预测分数。
3. 专业判断仍要人做：医院项目要写洁净手术部和医用气体，这条 AI 指出来了；但具体怎么写、参数取多少，还得懂行的人结合设计图纸和现场来定。
4. 证据不足时不编分：商务和业绩两个维度直接置 N/A，这是对的——但也说明如果你的投标文件本身材料不全，评审能给的帮助有限。

五、你可以自己验证

注册后在工作台点"真实评审演示"，用的就是同一套演示文件，你会得到基本一致的结果（大模型输出有随机性，措辞会有差异，风险点和评分项覆盖结论是稳定的）。

想用自己的文件试：上传你的招标文件和已经写好的投标 docx，跑评审模式，大约一到三分钟出结果。

→ 免费注册试用　→ 废标点自查清单　→ 综合评估法评分表怎么读