某政府机关内部智能文书创作助手项目产品系统

政府机关办公厅与各处室承担大量公文写作任务，包括综合报告、调研报告、政策研究稿、领导讲话稿、会议纪要、工作汇报、经验总结、专项材料等，长期面临四个突出难题：一是单位内部多年沉淀的文稿、讲话稿、政策文件、调研报告等”自有语料”分散在个人电脑、共享盘、邮件与档案系统中，难以被复用为新文书的写作依据；二是不同文种、不同场合、不同对象的文书在结构、用语、格式上高度规范，但具体到每一次写作，模板往往只能”凭经验”由起草人自行构造，新同志上手慢、老同志工作量大；三是政策性强、数据敏感、引用严密的文稿对”准确性”与”可追溯性”要求极高，单纯依赖大模型自身的训练语料容易出现无依据表述、表述偏差或格式失范；四是写作过程缺乏可审计的中间产物，初稿、修改、引用、定稿之间的链路不清晰，给机关的合规审查与归档带来困难。
本项目正是围绕这些痛点而设计。平台以”参考语料+文书模板”为根：先通过语料管理把分散的内部文稿、政策文件、讲话材料统一归类入库并向量化；再通过自然语言统计分析与大模型结合，在自有语料的基础上生成量身定做的文书模板（而非套用通用模板）；然后以对话引导的方式让文书人员选择模板与语料、规划提纲、逐章起草、人工编辑与修正，并以”以稿写稿”快速复用既有文稿的结构与表达；最后以标准化的 Word 文档输出并保留可追溯的引用链。

平台由四大子系统组成：语料与模板子系统、对话引导式创作子系统、检索与增强子系统、导出与治理子系统。主要能力可概括为以下九类：
1.多类别语料库与向量化检索：支持按文书类别（如”综合报告”“调研报告”“讲话稿”“政策研究稿”等）批量上传 DOCX/PDF/PPTX/Markdown 文档，自动分块、向量化（Chroma）并构建可按类别检索的私有语料库；上传时可指定文档类别编码、标签与说明，便于后续模板生成与引用追溯。
2.基于自有语料的文书模板提炼：以”自然语言统计 + 大模型 + 人工审核调整”三者结合的方式，从指定类别语料中提炼文档结构骨架与表达特征，支持 llm（仅大模型）、nlp（仅统计分析）、hybrid（混合，默认）三种抽取方法；可基于整类语料生成模板，也可基于单篇代表稿微调模板，确保模板真正来自本单位文风。
3.对话引导式智能创作：文书人员在 Web 端通过多轮对话提出创作意图（如”起草一份关于 XX 工作的调研报告”），系统先以对话形式确认标题、目的、受众、关键词与其他要求，再进入提纲规划、章节逐稿、人工编辑、以稿写稿等环节；每一步都支持暂停、修改、重新生成与人工接管。
4.LangGraph 多 Agent 写作引擎：由 planner_agent（基本信息推理 + 提纲规划）、writer_agent（章节循环生成 + 模板约束 + RAG 注入）、review_agent（章节审校与一致性检查）、search_agent（网络/政策检索增强）四类 Agent 协同，按”推理 → 规划 → 写作 → 审校 → 检索”的可控闭环运转；每个 Agent 的输入、输出、状态都可被记录与回放。
5.以稿写稿与文档复用：支持上传既有文稿作为新稿件的”参考稿”，系统在保留原文档结构与表达风格的前提下，替换主题、数据与政策口径，快速生成新版本；适用于”年度版本更新”“类

我们承担了从需求调研、平台设计、模型与算法选型、LangGraph 工作流搭建、前后端开发到部署交付的全部工程实施工作。后端采用 Python + FastAPI + SQLAlchemy + PostgreSQL/SQLite，向量库使用 Chroma（本地持久化），大模型适配层通过统一的 LLMServiceManager 屏蔽不同模型（OpenAI 兼容、百度文心、DeepSeek 等）的接口差异，使政府客户在不同供应商之间具备议价与迁移能力。
语料与模板方面，平台提供”上传—分块—向量化—模板提炼”完整链路：上传阶段由 DocumentProcessor 把 DOCX/PDF/PPTX 等格式统一转换为 Markdown 文本与原始文件，便于后续检索与对比；模板提炼阶段 TemplateService 把同一类别的多篇语料合并分析，先用自然语言算法（TF-IDF、专业术语、句法模式、章节统计）提取结构与表达特征，再用大模型生成语义特征与可读的模板描述，最后通过 hybrid 模式把两者融合并支持人工审核调整——这正是项目强调的”自然语言算法、大模型结合、人工审核调整三者结合”。
写作引擎方面，平台以 LangGraph 状态图把 planner_agent、writer_agent、review_agent、search_agent 编排为受控闭环：planner_agent 完成基本信息推理与提纲规划；writer_agent 按章节循环生成并在每章注入 RAG 检索证据；review_agent 在审校阶段对一致性、引用与文风进行检查；search_agent 在需要时通过 Tavily 或 SearXNG 拉取外部政策与公开资料。所有 Agent 之间的中间产物（提纲、章节草稿、引用清单、审校意见）都持久化到数据库，文书人员可在前端随时打开、修改、再生成。