בית פרויקטים TenderPilot
AI תהליך עבודה אגנטי RAG NLP עברית

TenderPilot: AI אגנטי לניתוח מכרזים

January 2026

תהליכי עבודה אוטונומיים מרובי-סוכנים המעבדים, מנתחים ועונים על שאלות לגבי מסמכי מכרז ממשלתיים - בדיוק ברמה ארגונית ועם ריבונות נתונים מלאה.

TenderPilot Dashboard
מקומי הסקה מ-LLM
ריבוי סוכנים מנוע תהליכים
עברית תמיכה מתמחה

מסמכי מכרז הם ענקיים, מורכבים ובעברית

אנשי מקצוע ברכש ממשלתי מתמודדים עם אתגר קריטי: מסמכי מכרז מכילים מאות עמודים, שפה משפטית צפופה, וכתובים בעברית - שפה עשירה מורפולוגית ששוברת רוב כלי ה-NLP הסטנדרטיים. מציאת סעיפים ספציפיים, בדיקת עמידה בדרישות וניסוח תשובות דורשים שעות עבודה ידנית למסמך. בקנה מידה, ארגונים המנהלים עשרות מכרזים בו-זמנית פשוט אינם יכולים לעמוד בקצב.

ארכיטקטורת תהליך עבודה אגנטי

TenderPilot נוקט גישה שונה מהותית ממערכות RAG מסורתיות. במקום פשוט לחתוך מסמכים ולהטמיע אותם, בנינו תהליך עבודה אוטונומי מרובי-סוכנים בו סוכני AI מתמחים משתפים פעולה לעיבוד, הבנה ואינדוקס מסמכי מכרז ברמת הבנה אנושית.

בלב TenderPilot נמצא מנוע תזמור עם מצב המנהל ארבעה סוכנים מתמחים:

סוכן חלוקה
מזהה חלקים לוגיים במסמך - לא מעברי עמוד שרירותיים - תוך שמירה על המבנה המשפטי.
סוכן ניקוי
מנרמל טקסט עברי, מטפל בבעיות קידוד ומתקן ארטיפקטים של חילוץ PDF.
סוכן סיכום
מחלץ את המשמעות המרכזית מכל חלק לאחזור וציטוט יעיל.
סוכן יצירת שאלות
יוצר אינדקס "Reverse-HyDE" על ידי יצירת השאלות שכל קטע עונה עליהן.

כל סוכן מקבל החלטות מודעות-הקשר, יכול לנסות שוב בעת נתקל בתוכן עמום, ועובד במקביל תוך כיבוד תלויות. התוצאה: הבנת מסמכים ברמה אנושית עם ריבונות נתונים מלאה - אין נתונים שעוזבים את הסביבה המקומית.

פתרון החלקים הקשים

חילוץ PDF ממבני עברית מורכבים

מסמכי מכרז מכילים טבלאות מורכבות, מבני עמודות מרובות וטקסט עברי שמפרסי PDF סטנדרטיים מקלקלים. שילבנו את LandingAI - מוצר ראייה ממוחשבת מתמחה - לחילוץ בנאמנות גבוהה ששומר על מבנה המסמך ומטפל בצורה מדויקת בטקסט דו-כיווני לפני שתהליך העבודה האגנטי מתחיל.

דיוק אחזור ברמת דיוק משפטית

יישמנו מסנן רלוונטיות לדירוג מסמכים שאוחזרו לפני הצגתם, ומנגנון שאלות מיוצרות שבו המערכת מטמיעה שאלות שהטקסט עונה עליהן ולא רק את הטקסט הגולמי. גישת "Reverse-HyDE" זו משפרת דרמטית את דיוק האחזור - המערכת מוצאת את הסעיף הנכון אפילו כשהשאילתה משתמשת בטרמינולוגיה שונה מהמסמך.

סיור בממשק

לחצו על כל צילום מסך להגדלה.

טכנולוגיות בשימוש

Local LLMs (Ollama) מנוע סוכן עם מצב Vector DB LandingAI (PDF extraction) Python / FastAPI React SPA Docker Hebrew NLP

עובדים עם מסמכים גדולים ומורכבים בעברית או בשפות אחרות?

אנחנו בונים מערכות אינטליגנציית מסמכים אגנטיות שמבינות מבנה, לא רק מילות מפתח.

צרו קשר

אין התחייבות.