01 · 语义检索与意图识别
把一句话拆成查询条件
把自然语言拆成行业、区域、阶段、预算、时间窗口、排除项；自动扩展同义与上下位表达（“弱电”↔“智能化集成”↔“安防工程”）。
输出：结构化查询条件 + 命中清单 + 每条匹配理由
四项核心能力
四种能力，四种输入输出
02 · 文档信息抽取
从正文和扫描件里取字段
从公告和招标文件正文或扫描件中抽取预算、控制价、保证金、资质要求、人员要求、时间节点、评分细则、废标条款；支持 PDF、Word 与图片。
输出：字段化结果，每条附原文位置，可回查
03 · 企业关系与画像推理
谁和谁在合作
识别投标方、中标方、代理机构、业主之间的关系与重复度；聚合企业历史投标、中标、区域与品类偏好，生成画像。
输出：关系图谱 + 画像摘要 + 中标率、平均下浮率、活跃区域
04 · 预测与风险判断
提前知道、提前排雷
基于历史发包节奏预测潜在项目与招标时间窗；对照要求识别资格差距、废标高频项、条款风险与表述雷同性。
输出：预测清单（含依据）/ 风险项列表（含原文位置与建议动作）
训练链路
模型是怎么练出来的
1
数据接入
标讯、企业、招标文件、附件解析结果统一入库。
2
预处理
去重、更正公告回挂、字段标准化、异常值修复。
3
语料构建
把行业表达、条款句式、评分与废标逻辑整理成训练语料。
4
任务微调
检索、抽取、关系推理、风险判断四类任务分别训练评测。
5
在线优化
按点击、订阅命中与人工反馈持续调整排序与过滤策略。
多模型架构，默认启用视觉理解，可读扫描件与截图；模型按任务路由，不拿一个模型硬扛所有活。
数据标注与强化
人参与的部分，决定了模型上限
1
清洗与预处理
去噪、标准化、结构化，保证进模型的样本本身干净。
2
人工精标注
按业务规则做属性判定、意向与进度分类、标签体系构建，标注口径文档化。
3
AI 辅助标注与质检
模型预标注、一致性检验、难例挖掘，把人力放在最容易错的地方。
4
注入与强化
基础训练、反馈循环、结果验证、在线学习，按轮次持续迭代。
标注规则由懂招投标的人写，不是外包给不看行业的人打标签。
效果指标
我们公开这些数字，也公开它们的口径
| 指标 | 数字 | 口径说明 |
|---|---|---|
| 数据覆盖率 | 99.99% | 应采集来源的覆盖程度，不是字段准确率 |
| 信息降噪 | 90% | 订阅结果中无效项（公示、更正、无关同名词）过滤比例，典型客户场景 |
| 推荐准确率 | 98% | 人工评测样本中排序前 N 条与需求的匹配比例 |
| 检索响应 | 毫秒级 | 常态查询响应时间 |
| 数据规模 | 3.5亿+ / 1.2亿+ | 招投标信息 / 企业档案，截至 2026 年 10 月 |
以上指标为特定评测口径下的结果，不同行业与查询复杂度会有差异。
能力去哪了
模型不单独卖概念，它以四种方式到你手上
| 形态 | 说明 | 去处 |
|---|---|---|
| 产品内功能 | 保标AI搜索、AI招标预测、采购单位画像、竞对追踪 | 保标VIP |
| 对话式智能体 | 一句话调用上述能力，输出清单与报告 | 保标Agent |
| 接口 | AI 搜索接口、抽取与风险判断接口 | 世舶API |
| 定制模型 | 按客户字段与业务规则做专项微调与私有化部署 | 项目定制化 |
边界与说明
有些话我们不说
01
模型会错
所有关键结论都附数据来源与原文位置，请以原文为准，重大决策需人工复核。
02
预测不是内部消息
招标时间预测基于历史发包节奏与公开规律，只作前置准备参考。
03
覆盖不到不等于没有
县区级与企业自主采购渠道存在缺口，可通过数据定制补充采集。
04
不做的事
不生成虚假业绩与材料、不协助规避资质要求、不承诺投标结果、不转售客户私有数据。
想验一验，我们给你评测样例
给我们 10–20 条你真实关心的查询语句，我们返回结果与匹配理由，你对照自己现在的工具看差距。
- 可约技术顾问线上过一次评测口径
- 大数据营销总监 18986107388
