AI 标讯采集平台 | 邓枭雄项目案例
公司原型 · 开发中(模拟数据)

AI 标讯采集平台

面向招投标信息采集的 Agent 工作台,覆盖来源接入、站点识别、规则生成、执行记录、失败修复和原文追溯。

我的工作

已完成来源接入、Agent 识别、Rule Pack、执行记录和原文库等核心对象设计,采集结果、失败原因和原文来源均可回查。

可核验证据
6 个核心产品对象 来源接入、站点识别、Rule Pack、采集任务、执行记录与原文库
4 段可追溯运行链路 来源约束、规则审核、执行记录和原文追溯分别管理
公开边界

这是我在北京中数智汇负责的第二个公司业务验证原型,面向标讯采集业务。我负责产品结构、规则与运行模型、交互设计和原型开发,项目仍在开发中。在线演示只使用模拟数据,不含公司、客户或真实标讯信息,也不公开内部代码。

AI 标讯采集平台执行记录工作台
01

执行记录工作台:统一查看采集状态、产出、失败问题和原文入库结果。

业务问题

招投标信息来源分散,网站结构差异大且经常变化。人工维护采集规则、核对结果和排查失败都很耗时,运行过程也缺少完整记录。

产品设计

平台分别管理来源接入、站点识别、Rule Pack、样本审核、采集任务、执行记录和原文库。Agent 参与规则生成和异常修复,人工负责审核,系统保存完整运行记录。

当前进展

原型已覆盖来源接入、规则管理、任务执行、失败处理和原文查询,正在继续补齐实际运行所需的审核与修复细节。

对象模型

01

Source Intake

记录标讯来源、入口 URL、访问限制和站点约束,为页面识别与采集提供统一入口。

02

Rule Pack

统一管理列表页、详情页、增量规则和字段映射;Agent 给出建议,人工审核后启用。

03

Execution Record

记录每次采集的状态、输出、失败原因和修复动作,结果与问题都能回查。

04

Source Trace

保存原文、正文、附件和来源地址,方便核对结果与定位问题。

关键产品决策

01

Agent 给建议,规则启用仍由人确认

选择:Agent 识别页面结构并生成规则建议,人工审核后再启用;系统保存每次执行的结果、失败原因和修复动作。

理由:页面识别可以交给模型提高效率,但生产规则和采集结果必须有人确认,也必须能回查。

02

Rule Pack 代替一次性脚本

选择:列表页、详情页、字段映射和增量策略统一放进可维护的规则包。

理由:标讯网站会持续变化,规则需要审核、复用、回放和修复,不能只散落在脚本里。

03

每条结果都保留原文来源

选择:采集结果可以回到来源地址、正文、附件和对应的运行记录。

理由:标讯信息经常需要人工核对;保留原文后,审核和排错不必重新寻找来源。

04

失败记录直接进入修复流程

选择:失败原因、待处理问题、修复动作和重试结果绑定在同一条执行记录上。

理由:采集失败不能只留下一个告警;负责处理的人需要看到上下文,也要知道 Agent 已经做过什么。

产品界面

更多产品界面

查看原型中的主要界面与交互状态。

AI 标讯采集平台 Rule Pack 规则库
02

Rule Pack 规则库:按网站、场景、策略、健康状态和审核结果管理采集规则。

下一步

查看完整经历,继续聊聊产品与岗位。

下载与当前方向匹配的简历,或通过邮件、电话直接联系。