公文写作, AI智能体, 全流程自动化, 大模型本地化, 知识库检索, OCR识别, 语音转写
说实话，干了十几年软件这行，我越来越觉得公文写作这事儿，才是真正折磨人的地方。去年我们团队接了个政府部门的单子，不是做多复杂的系统，就是帮他们把日常的公文处理流程捋顺。对接人是个科长，四十多岁，头发已经没剩多少了。他跟我说了句实话，让我印象特别深：“写材料写到半夜两点是常态，改材料改到崩溃也是常态，最怕的是好不容易写完，领导一句‘再琢磨琢磨’，整个周末就搭进去了。”
这话一点不夸张。我见过太多基层办公室的人，白天要处理各种杂事，晚上才能静下心来写材料。一份通知、一个请示，格式上稍有差池，退回重来；用词上不够严谨，领导直接红笔一划。更别提那些存档的会议纪要、要归档的总结报告，错一个字，将来翻出来都是麻烦。说白了，公文写作这事儿，门槛不高，但水极深，它考验的压根不是文采，而是规范、严谨和对上下文语境的把握。
技术这边呢？其实AI写东西早就不新鲜了。GPT出来那会儿，我们公司内部就试过拿它写周报，写出来的东西看着挺像那么回事，但一放到公文的框子里，就露馅了。它不懂“请示”和“报告”的区别，不知道给上级行文要用“妥否，请批示”，更分不清“决定”和“通知”在发文权限上的天壤之别。那时候市面上的所谓“智能写作工具”，说白了就是个高级点的模板填空器，换个名字都费劲，更别提理解我们新疆本地的行文习惯和特定术语了。
真正的转机出现在大模型开源之后。去年下半年，我们开始尝试用本地化部署的方式，把一些开源的大语言模型跑在客户的内网服务器上。为什么非要本地化？因为公文这东西涉密程度高，谁也不敢把红头文件传到公网上去。数据安全是红线，不能碰。模型一旦本地化，很多事儿就有的聊了。我们慢慢发现，模型不仅能生成文字，它还能理解“文种”背后的逻辑——请示是下级对上级，函是不相隶属机关之间，纪要要突出决议事项。这就不再是简单的关键字匹配了。
当然，光有模型也不行。我们踩过不少坑，比如模型一本正经地胡说八道，把过时的政策条文写进去；再比如上下文一长，它就忘了前面已经提过某个部门的简称，后面又全称简称混着用，看得人头疼。后来我们想明白了，光靠一个通用大模型撑不起整个流程。得给它配上各种工具，像人一样，需要查资料的时候去查知识库，需要核对错别字的时候去跑校对引擎，需要转写会议录音的时候去调用语音识别。这其实就是现在圈里常说的Agent，智能体。
于是，我们开始琢磨，能不能把这套东西真正落地成一个能用的玩意儿。不是为了炫技，就是为了解决那位科长半夜写材料的痛苦。我们要做的，不是让AI替代人写，而是让它把那些重复的、低效的、容易出错的活儿接过去，让人去做更有价值的判断。这个念头一起，后面一连串的需求分析、架构设计、开发调试，整整折腾了小半年。中间有几次差点就放弃了，比如OCR识别出来的扫描件文字乱码，比如语音转写把新疆本地的地名写错，都得一点点调。但好在，东西还是慢慢磨出来了。这中间的门道，远比想象中多。
说实话，刚开始接这个项目的时候，我心里是打鼓的。客户那边的要求很明确：通知、报告、请示、函、纪要、总结、方案、讲话稿，一共15种文种，全都要能自动生成。而且不光是生成，还得能审核、能归档。我干了这么多年公文系统，一听就知道这活儿不轻松。公文这玩意儿，格式是死的，但内容是活的。你让AI写个通知容易，让它写一份像模像样的调研报告，那真是得下一番功夫。
我们团队最后定的技术路线，说白了就是“三驾马车”并着跑。第一驾是语言模型，负责“写”；第二驾是规则引擎，负责“审”；第三驾是知识库加向量检索，负责“记”。这三样东西缺一不可。光靠大模型自由发挥，那写出来的东西看着通顺，但往往不符合党政机关公文的固定套路。比如“请示”必须一文一事，结尾要有“妥否，请批示”这样的规范用语，这些细节，纯靠模型自己学，它容易跑偏。所以我们把将近三百条格式规范、行文规则全部拆解成硬性约束，写进了一个独立的校验层。AI生成完初稿，这个校验层要跑一遍，发现格式不对，直接打回去重写。
举个具体的例子吧。上个月有个客户要写一份关于老旧小区加装电梯的“请示”，他在对话框里输入了大概五十字的要点。系统生成初稿后，校验层马上就发现了三个问题：第一，标题里“请示”和“报告”混用了，这在公文里是大忌；第二，正文里出现了“为了提升居民幸福感”这种比较虚的表述，不符合请示要“理由充分、依据明确”的要求；第三，结尾没有标注联系人信息。这些问题，如果让纯人工来审，怎么也得花个十来分钟，但系统在用户点“生成”后的八秒内，就全部自动修正并标注出来了。
再说说审核这块。我们内置的错别字库有297条，敏感词库46条，规范用语53条，禁用词81条。数字听起来不大，但都是这些年从实际业务里一点点攒出来的。去年我们陪一个客户做年度总结报告审核，一篇六千多字的稿子，系统硬是揪出了三十多处问题，其中有一处是把“其他”写成了“其它”，还有一处把“截止”写成了“截至”。这些词在普通聊天里无所谓，但在正式公文里，就是硬伤。我们做的比对功能也派上了大用场，把两版修改稿逐段对照，增删改的地方用不同颜色高亮出来，导出成报告，那叫一个清楚。有个做外贸的老客户，拿它来核合同条款，说比自己逐字看省了至少一半时间。
OCR和语音转写这两块，其实是被客户逼出来的。很多基层单位的同事，手里只有纸质文件或者会议录音，你让他们把内容敲进电脑再写公文，太费劲了。我们接入了PaddleOCR，识别图片和PDF扫描件里的中文，识别完直接一键导入对话区。开会的时候用faster-whisper把录音转成带时间戳的文字稿，然后自动套用会议纪要的模板。我记得有个街道办的姑娘跟我们反馈，说以前整理一次党委会纪要，得听三遍录音，一下午就没了。现在系统跑一遍，把议题、讨论要点、决议事项分门别类列好，她只需要改改措辞，四十分钟就能搞定。她说这话的时候，眼睛都是亮的。
知识库这块，我们一开始没想太复杂。就是让用户把往年的红头文件、内部制度、领导讲话稿传上来，做成本地知识库。AI在写新公文的时候，会自动去检索这些历史资料，把相关表述和提法融入进去。这招儿特别管用。因为公文写作特别讲究“提法要一致”，比如上级文件里说“高质量发展”，你稿子里就不能写“高速度发展”。知识库检索能保证新写的材料跟单位过往的口径对得上，不会出现“各说各话”的尴尬。我们算过，加了知识库之后，生成稿件的被采纳率从百分之三十七提高到了百分之六十一。这个提升，说实话，超出了我们的预期。
不过话说回来，这活儿干到现在，我最大的体会是：技术再牛，也替代不了人对业务的理解。系统能帮人省掉重复劳动，但那份“请示”里为什么非要装六部电梯而不是五部，这个决策逻辑，AI是理解不了的。所以我们一直把系统定位成“辅助”，而不是“替代”。用户写完了，最后那一下的审核把关，还是得靠人来拍板。我们只是把那些繁琐的、容易出错的环节，用代码替人扛下来了。
系统上线那会儿，我们团队其实挺忐忑的。客户是家省级事业单位，办公室每天要处理几十份红头文件，过去全靠人工逐字校对，一个下午摞在桌上能堆成小山。上线第一个月，我盯着后台日志，发现OCR模块被调用了四千多次——大多数是扫描的老文件，有些纸张都发黄了，识别准确率居然能到96%左右。真正让我觉得这事成了的，是第三周接到的一个电话。对方说，以前起草一份正式请示，从拟稿到走完流程，怎么也得两天，现在上午输入要点，下午初稿就出来了，校审那块儿，297条错别字库帮他们逮住了好几处往年都会漏掉的笔误。
不过我得说句实话，自动化不是万能药。有次客户反馈，AI生成的会议纪要里，把一位参会领导的“原则上同意”理解成了“完全同意”。这俩意思差远了。我们连夜调了知识库里的语义规则，后来在系统里加了个“语气强度”标签，凡是出现“原则”“酌情”“视情况”这类词，就强制弹出人工确认框。你看，技术再先进，也得给人留个踩刹车的位子。我们内部管这叫“半自动”，不是偷懒，是公文这东西的性质决定的——它代表公权力运行痕迹，容不得半点含糊。
往远了说，我觉得这类智能体的下一步，不是追求“全无人化”，而是“人机协同”的深度磨合。现在我们的对话助手已经能记住上下文了，比如你上周问过某项目的背景，这周再起草相关通知，它会主动调取历史记录里的关键信息。有个做政策研究的朋友跟我聊，说他们单位想用文档比对功能去核对不同年度的政策文件差异，以前人工比对一份要俩小时，现在系统标红增删改，十分钟搞定，省下来的时间都拿去写分析报告了。这让我挺感慨的——工具的价值不在于替代人，而在于把人从重复劳动里捞出来，去做机器做不了的事，比如判断、权衡、决策。
当然，问题也摆在那儿。数据安全永远是悬在头上的剑，我们处理的所有文档都要求本地化部署，知识库的向量索引加密存储，连运维人员都碰不到明文。另一个坑是语音转写，会议室里人一多，声音一杂，faster-whisper输出的时间戳倒是准，但说话人识别还是得靠人工标注。这活儿累，但没办法，得认。
我经常跟客户说，别把智能体当神仙，把它当成一个手脚麻利、记性极好的新同事，你交代清楚，它干得漂亮，但你得知道它哪里容易犯糊涂。有次培训，一个刚来的小姑娘问我：“那以后是不是不用学公文写作了？”我说你试试让AI替你写份深刻的检讨书，它写得出来格式，写不出你心里的那点愧疚劲儿。她笑了，我也笑了。技术能帮我们省下大量时间，但真正重要的判断，永远得由人来拍板。这大概就是我这几年干这行，最想明白的一件事。
