前言¶
投标或方案类项目里，常见做法是把多份 Word、PDF 放进文件夹，靠人工通读或简单全文比对找雷同。前者费时且容易漏段，后者对版式、标题和短句碎片往往不敏感，也很难给出可归档的对比报告。
下面介绍 SkillHub 社区 Skill「本地多文档交叉查重器」（坐标 @user_509b3ac1/tender-similarity-analyzer）。它把多文档交叉查重、HTML 报告生成和本地安全约束写进 SKILL.md，让 Cursor 等支持 Skills 的 Agent 按固定流程调用本机 Python 脚本，而不是把文档内容发到外部服务。
这是什么¶
「本地多文档交叉查重器」是面向投标文件查重与分析的 Agent Skill，核心定位是本地多文档交叉查重，精确到段落。发布者为 SkillHub 用户 user_509b3ac1，来源为 community，分类为 data-analysis，当前商店版本为 1.0.0，标签标明 requires_api_key=false，无需配置 API Key。
SkillHub 页面数据（截至资料抓取）：评分 100000，下载 1413，安装 15。
- 商店页：https://www.skillhub.cn/skills/user_509b3ac1/tender-similarity-analyzer
- API 坐标页：https://api.skillhub.cn/user_509b3ac1/tender-similarity-analyzer
核心功能¶
以下能力均来自该 Skill 包内的 SKILL.md 与 scripts/main.py，在本地执行，不依赖外网传文件。
-
多文档交叉查重
至少 2 个文件方可分析。支持按目录扫描或直接传入文件列表，可对子目录递归扫描，并可限制扩展名。 -
段落级检测与报告
输出美化 HTML 查重报告，包含总体统计、重复率与段落对分布、状态判定（通过 / 警告 / 不合格），以及重复段落的原文对比。正文重复率判定阈值在 Skill 文档中定义为：低于 10% 为通过，10%～30% 为警告，不低于 30% 为不合格。 -
可选修改建议
Skill 说明中强调：可提供 AI 生成的改写方向，仅作建议，默认不写入源文件。 -
本地与安全约束
文件仅在本地读取；运行查重时会启用网络隔离（限制常见 HTTP 库），不修改源文件、不上传内容。首次使用需在本机pip install -r requirements.txt安装 Python 依赖。 -
算法概要（Skill 文档中的「三层漏斗」）
段落分类与短段合并 → N-gram（3-gram）初筛（Jaccard ≥ 0.25）→ 字符级 TF-IDF 精比（动态阈值约 0.30～0.50）。标题类段落会被识别并过滤，短于约 50 字的段落可与上下文合并，以降低碎片误判。 -
支持格式
.docx/.doc、.pdf、.txt、.md。
安装与启用¶
1. 安装 SkillHub CLI（若尚未安装）¶
按 SkillHub 安装说明 检查或安装 CLI：
command -v skillhub && skillhub --version
未安装时可执行官方推荐的一键安装（完整包含 CLI 与默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2. 将 Skill 装到当前 Agent 的 skills 目录¶
安装时必须使用 --dir 指向当前环境能识别的 skills 目录，否则默认落在 ./skills/ 可能无法被 Agent 加载。
Cursor 示例：
skillhub install @user_509b3ac1/tender-similarity-analyzer --dir ~/.cursor/skills/
Claude Code 可使用 ~/.claude/skills/；Codex 可使用 ~/.codex/skills/ 或项目下的 .agents/skills/。路径规则与更多客户端见同一安装文档第四节。
也可把下面提示词发给 Agent，让其按官方流程安装：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_509b3ac1/tender-similarity-analyzer`。
3. 安装 Python 依赖¶
进入 Skill 安装目录（Cursor 下一般为 ~/.cursor/skills/@user_509b3ac1/tender-similarity-analyzer），安装依赖：
pip install -r requirements.txt
requirements.txt 中包含 python-docx、pdfplumber、scikit-learn、Jinja2、jieba、simhash 等，用于抽取文本、相似度计算与报告渲染。
典型用法¶
在对话里触发（Skill 约定）¶
Skill 文档给出的自然语言示例：
查重 ~/Desktop/投标文件
Agent 应扫描目录、调用本机脚本完成分析，并返回 HTML 报告路径或摘要。可选参数在 Skill 中写作 --include docx,pdf（限制格式）、--output <路径>（报告位置）；目录扫描还可配合 --recursive。
命令行直接运行¶
在 Skill 包的 scripts 目录下执行 main.py（路径请按本机安装位置替换）：
cd ~/.cursor/skills/@user_509b3ac1/tender-similarity-analyzer
pip install -r requirements.txt
# 扫描目录（默认报告 tender_plagiarism_report.html）
python scripts/main.py --dir ~/Desktop/投标文件
# 递归子目录
python scripts/main.py --dir ./chapters --recursive
# 仅 docx 与 pdf
python scripts/main.py --dir ./docs --include docx,pdf
# 指定输出文件
python scripts/main.py --dir ~/Desktop/tender -o my_report.html
# 直接指定多个文件
python scripts/main.py --files a.docx b.docx c.pdf
默认报告文件名为 tender_plagiarism_report.html，可用 -o / --output 修改。
适用场景与注意¶
适合谁
- 需要在本机对多份投标书、技术方案、标书附件做交叉雷同检查的团队或个人。
- 已在使用 Cursor、Claude Code 等 Skills 能力，希望用固定话术和脚本减少「每次重新描述查重步骤」的成本。
- 对数据出境敏感、希望查重过程尽量留在本地的场景（Skill 明确强调本地读取与网络隔离，但仍需在本机信任所安装的 Python 环境与依赖包）。
限制与注意
- 至少两个文件才能出有意义结果；单文件只会提示不足。
- 依赖 PDF/Word 解析质量，扫描版 PDF 若无法提取文本，查重效果会下降。
- 判定阈值（10% / 30%）来自 Skill 文档中的投标规范示例，不同行业或内部制度可能需要人工复核，不宜机械等同合规结论。
- Skill 商店版本号为 1.0.0，包内
SKILL.md文末另有更细的修订记录；以你实际安装的包内容为准。 - 修改建议默认不写回文件；若使用代码中的自动修改能力，需自行确认是否符合流程与留痕要求。
结尾¶
「本地多文档交叉查重器」把段落级交叉查重、HTML 报告和本地安全约束封装成可安装的 Agent Skill，适合在 Skills 环境里用一句话触发目录扫描，或在命令行用 scripts/main.py 复现同一套流程。
官方入口：
- https://www.skillhub.cn/skills/user_509b3ac1/tender-similarity-analyzer
- https://api.skillhub.cn/user_509b3ac1/tender-similarity-analyzer
