TL;DR

오픈소스 데스크톱 애플리케이션으로 입찰서 초안 생성과 지식베이스 재사용, 중복검사 및 폐표 항목 점검 등 입찰 특화 워크플로를 로컬 환경에서 통합해 제공한다. UI는 Vite·React·TypeScript로 구성되며 Electron Main/Preload가 파일 접근과 백그라운드 복구를 담당하고 AI 호출은 외부 API 또는 ollama·lm studio 같은 로컬 런타임으로 분산해 수행한다. README에는 DeepSeek v4 flash로 10만자 생성에 1원 사례가 언급되어 비용 최적화와 외부·로컬 모델 병행 운용이 가능함이 드러나며 배포는 electron-builder로 Windows·macOS 설치패키지를 만든다. AGPL-3.0 라이선스로 공개되어 내부 배포와 커스터마이징 시 오픈소스 의무를 준수해야 한다.

주요 기능

• AI로 입찰서 초안을 대용량으로 생성한다. 생성은 외부 API(GPT 계열, DeepSeek 등)와 로컬 모델(ollama, lm studio 등)을 어댑터로 호출하는 방식으로 작동하며 사용자가 AI 타입과 모델을 설정해 비용과 품질을 조절할 수 있다. 생성 결과는 로컬 작업공간에 저장되어 후속 편집과 재사용이 가능하다.
• 기업 지식베이스를 구축하고 재사용한다. 문서와 사례를 지식저장소에 인덱싱해 이후 템플릿과 생성컨텍스트로 재활용하며 표준화된 응답 품질을 개선할 수 있다. 지식베이스는 로컬에 보관되어 데이터 통제와 워크플로 연계가 가능하다.
• 문서 파싱과 표준화된 포맷 변환을 수행한다. 로컬 파일 파싱과 MinerU 연동 옵션을 통해 복잡한 문서도 구조화하고 Mermaid 다이어그램 미리보기와 Word 내보내기를 지원해 시각적·인쇄용 산출물을 준비한다. 파싱 중 발생하는 장시간 태스크는 디스크에 지속 저장되어 페이지 전환 후에도 복구된다.
• 표서 중복검사와 폐표 항목 점검을 제공한다. 텍스트 중복과 응답 누락 가능성 검토 기능을 통해 제출 전 품질 리스크를 낮추며 반복 표현과 규격 미준수 항목을 탐지하는 워크플로를 포함한다. 발견된 이슈는 편집 화면으로 연결되어 수동 보정이 가능하다.
• 사용자 정의 AI 설정과 로컬 작업흐름을 관리한다. 텍스트 모델과 이미지 모델, 파일 파서 설정을 사용자 수준에서 조절할 수 있으며 설정은 Electron userData 디렉토리에 저장되어 팀 환경에 맞게 유지된다. 백그라운드 진행 작업은 지속 저장되어 재시작 후에도 이어서 처리할 수 있다.

어떻게 동작하는가

제품은 Electron 기반의 데스크톱 클라이언트로 Main/Preload 프로세스가 로컬 파일 접근과 백그라운드 작업 복구를 제공하고 Renderer는 Vite와 React, TypeScript로 UI를 구성한다. AI 모델 호출은 OpenAI-like API 어댑터를 통해 GPT·DeepSeek 등 외부 서비스와 연동하거나 Ollama와 lm studio 같은 로컬 런타임을 경유해 수행한다. 장시간 파이프라인 작업은 결과와 진행 상태를 로컬에 지속 저장해 프로세스 중단 시에도 복구 가능하도록 설계되어 있다.

해결 문제

유료 AI 기반 표서 작성 도구의 높은 비용과 무료 도구의 낮은 품질로 인해 소규모 조직에서 사용이 어려운 문제가 존재한다. 이 프로젝트는 오픈소스 데스크톱 환경에서 로컬 작업공간과 외부 또는 로컬 AI 모델을 결합해 비용 통제와 데이터 주권을 확보하는 대안을 제공한다. 또한 문서 파싱, 지식베이스 재사용, 중복검사와 폐표 항목 점검 같은 입찰 특화 워크플로를 통합해 제출 전 품질 리스크를 낮춘다.

차별점

• 완전 오픈소스 라이선스(AGPL-3.0)로 배포되어 소스 코드 수정과 자체 호스팅을 통해 팀 워크플로에 맞춰 커스터마이징할 수 있다. 소스가 공개되어 내부 규정이나 보안 정책에 따라 직접 배포와 변경이 가능하며 네트워크로 서비스 제공 시에도 AGPL 의무를 준수해야 한다. 이러한 오픈소스 속성은 벤더 종속을 줄이고 내부 통제성을 높이는 측면에서 경쟁 제품과 차별화된다.
• 로컬 데스크톱 클라이언트로서 Electron userData에 설정과 캐시를 보관하고 백그라운드 작업을 지속 저장해 페이지 이동이나 재시작 시에도 작업을 복구할 수 있다. 이 구조는 네트워크 불안정 환경이나 대용량 문서 처리에서 생성 작업의 안정성을 확보하는 데 유리하다. 로컬 저장은 개인정보 및 기업 자료의 통제에도 도움이 된다.
• 다중 AI 백엔드 호환을 명시적으로 지원해 외부 유료 API와 로컬 모델을 병행 사용할 수 있다. README에는 GPT 계열과 DeepSeek, 火山方舟와의 연동과 ollama·lm studio를 통한 로컬 모델 사용이 예시로 제시되어 있어 비용과 응답 품질을 상황에 맞게 조절할 수 있다. 이러한 멀티 백엔드 설계는 특정 API에 종속되지 않는 유연성을 제공한다.

사용 사례

• 중소기업이 내부 자원을 활용해 저비용으로 대용량 입찰서를 생성하는 용도로 활용할 수 있다. 외부 API와 로컬 모델을 혼합 사용해 비용을 최적화하고 지식베이스를 이용해 기업 맞춤 템플릿을 유지할 수 있다. 생성 결과는 로컬에서 편집하고 제출용 문서로 변환해 워크플로를 완결할 수 있다.
• 입찰 문서의 중복 표현과 누락 항목을 선제적으로 점검해 리스크를 낮추는 사전 품질관리 도구로 활용할 수 있다. 자동 중복 검사와 폐표 항목 체크 결과를 기반으로 수동 보정을 수행해 제출 전 완성도를 높일 수 있다. 이 과정은 규격 준수가 엄격한 공공 입찰과 민간 대형 프로젝트 제안서 작성에서 특히 유용하다.
• 기술 제안서나 도식화가 필요한 문서에 대해 Mermaid 미리보기와 도표 내보내기를 활용해 시각 자료를 빠르게 생성하고 Word로 변환하는 산출물 준비에 사용할 수 있다. 이 기능은 기술 스펙 중심의 응답에서 시각적 전달력을 높이고 편집 과정을 단축하는 데 기여한다. 결과물은 로컬에 저장되어 검증과 기록 유지가 가능하다.

시작하기

일반 사용자라면 GitHub Releases에서 플랫폼에 맞는 설치 패키지를 내려받아 실행하면 된다. 개발 환경에서는 client 디렉토리로 이동해 npm ci로 의존성을 설치하고 OpenCode 관련 바이너리를 준비한 뒤 npm run dev로 개발 서버를 기동해야 한다. OpenCode 바이너리를 수동으로 가지고 있다면 환경변수 YIBIAO_OPENCODE_BIN로 경로를 지정해 개발 서버에서 재사용할 수 있다.

요구사항

• Node.js와 npm이 설치된 개발 환경이 필요하다.
• Electron 기반의 데스크톱 런타임을 사용하며 빌드와 배포에는 electron-builder가 요구된다.
• OpenCode Agent 관련 기능을 사용하려면 README에 명시된 OpenCode 바이너리(v1.17.8 등)를 플랫폼에 맞춰 준비해야 한다.

벤치마크