前言¶
投標或方案類項目裏，常見做法是把多份 Word、PDF 放進文件夾，靠人工通讀或簡單全文比對找雷同。前者費時且容易漏段，後者對版式、標題和短句碎片往往不敏感，也很難給出可歸檔的對比報告。
下面介紹 SkillHub 社區 Skill「本地多文檔交叉查重器」（座標 @user_509b3ac1/tender-similarity-analyzer）。它把多文檔交叉查重、HTML 報告生成和本地安全約束寫進 SKILL.md，讓 Cursor 等支持 Skills 的 Agent 按固定流程調用本機 Python 腳本，而不是把文檔內容發到外部服務。
這是什麼¶
「本地多文檔交叉查重器」是面向投標文件查重與分析的 Agent Skill，核心定位是本地多文檔交叉查重，精確到段落。發佈者爲 SkillHub 用戶 user_509b3ac1，來源爲 community，分類爲 data-analysis，當前商店版本爲 1.0.0，標籤標明 requires_api_key=false，無需配置 API Key。
SkillHub 頁面數據（截至資料抓取）：評分 100000，下載 1413，安裝 15。
- 商店頁：https://www.skillhub.cn/skills/user_509b3ac1/tender-similarity-analyzer
- API 座標頁：https://api.skillhub.cn/user_509b3ac1/tender-similarity-analyzer
核心功能¶
以下能力均來自該 Skill 包內的 SKILL.md 與 scripts/main.py，在本地執行，不依賴外網傳文件。
-
多文檔交叉查重
至少 2 個文件方可分析。支持按目錄掃描或直接傳入文件列表，可對子目錄遞歸掃描，並可限制擴展名。 -
段落級檢測與報告
輸出美化 HTML 查重報告，包含總體統計、重複率與段落對分佈、狀態判定（通過 / 警告 / 不合格），以及重複段落的原文對比。正文重複率判定閾值在 Skill 文檔中定義爲：低於 10% 爲通過，10%～30% 爲警告，不低於 30% 爲不合格。 -
可選修改建議
Skill 說明中強調：可提供 AI 生成的改寫方向，僅作建議，默認不寫入源文件。 -
本地與安全約束
文件僅在本地讀取；運行查重時會啓用網絡隔離（限制常見 HTTP 庫），不修改源文件、不上傳內容。首次使用需在本機pip install -r requirements.txt安裝 Python 依賴。 -
算法概要（Skill 文檔中的「三層漏斗」）
段落分類與短段合併 → N-gram（3-gram）初篩（Jaccard ≥ 0.25）→ 字符級 TF-IDF 精比（動態閾值約 0.30～0.50）。標題類段落會被識別並過濾，短於約 50 字的段落可與上下文合併，以降低碎片誤判。 -
支持格式
.docx/.doc、.pdf、.txt、.md。
安裝與啓用¶
1. 安裝 SkillHub CLI（若尚未安裝）¶
按 SkillHub 安裝說明 檢查或安裝 CLI：
command -v skillhub && skillhub --version
未安裝時可執行官方推薦的一鍵安裝（完整包含 CLI 與默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2. 將 Skill 裝到當前 Agent 的 skills 目錄¶
安裝時必須使用 --dir 指向當前環境能識別的 skills 目錄，否則默認落在 ./skills/ 可能無法被 Agent 加載。
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/ 或項目下的 .agents/skills/。路徑規則與更多客戶端見同一安裝文檔第四節。
也可把下面提示詞發給 Agent，讓其按官方流程安裝：
請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_509b3ac1/tender-similarity-analyzer`。
3. 安裝 Python 依賴¶
進入 Skill 安裝目錄（Cursor 下一般爲 ~/.cursor/skills/@user_509b3ac1/tender-similarity-analyzer），安裝依賴：
pip install -r requirements.txt
requirements.txt 中包含 python-docx、pdfplumber、scikit-learn、Jinja2、jieba、simhash 等，用於抽取文本、相似度計算與報告渲染。
典型用法¶
在對話裏觸發（Skill 約定）¶
Skill 文檔給出的自然語言示例：
查重 ~/Desktop/投標文件
Agent 應掃描目錄、調用本機腳本完成分析，並返回 HTML 報告路徑或摘要。可選參數在 Skill 中寫作 --include docx,pdf（限制格式）、--output <路徑>（報告位置）；目錄掃描還可配合 --recursive。
命令行直接運行¶
在 Skill 包的 scripts 目錄下執行 main.py（路徑請按本機安裝位置替換）：
cd ~/.cursor/skills/@user_509b3ac1/tender-similarity-analyzer
pip install -r requirements.txt
# 掃描目錄（默認報告 tender_plagiarism_report.html）
python scripts/main.py --dir ~/Desktop/投標文件
# 遞歸子目錄
python scripts/main.py --dir ./chapters --recursive
# 僅 docx 與 pdf
python scripts/main.py --dir ./docs --include docx,pdf
# 指定輸出文件
python scripts/main.py --dir ~/Desktop/tender -o my_report.html
# 直接指定多個文件
python scripts/main.py --files a.docx b.docx c.pdf
默認報告文件名爲 tender_plagiarism_report.html，可用 -o / --output 修改。
適用場景與注意¶
適合誰
- 需要在本機對多份投標書、技術方案、標書附件做交叉雷同檢查的團隊或個人。
- 已在使用 Cursor、Claude Code 等 Skills 能力，希望用固定話術和腳本減少「每次重新描述查重步驟」的成本。
- 對數據出境敏感、希望查重過程儘量留在本地的場景（Skill 明確強調本地讀取與網絡隔離，但仍需在本機信任所安裝的 Python 環境與依賴包）。
限制與注意
- 至少兩個文件才能出有意義結果；單文件只會提示不足。
- 依賴 PDF/Word 解析質量，掃描版 PDF 若無法提取文本，查重效果會下降。
- 判定閾值（10% / 30%）來自 Skill 文檔中的投標規範示例，不同行業或內部制度可能需要人工複覈，不宜機械等同合規結論。
- Skill 商店版本號爲 1.0.0，包內
SKILL.md文末另有更細的修訂記錄；以你實際安裝的包內容爲準。 - 修改建議默認不寫回文件；若使用代碼中的自動修改能力，需自行確認是否符合流程與留痕要求。
結尾¶
「本地多文檔交叉查重器」把段落級交叉查重、HTML 報告和本地安全約束封裝成可安裝的 Agent Skill，適合在 Skills 環境裏用一句話觸發目錄掃描，或在命令行用 scripts/main.py 復現同一套流程。
官方入口：
- https://www.skillhub.cn/skills/user_509b3ac1/tender-similarity-analyzer
- https://api.skillhub.cn/user_509b3ac1/tender-similarity-analyzer
