AI公文写作应该用什么架构？兼论“材料星”等产品的不足
AI公文写作应该用什么架构？兼论"材料星"等产品的不足
一、从"材料星"们说起
过去两年，材料星、丹青妙笔、公文宝等AI公文写作产品扎堆涌现。材料星宣称"148个AI智能体""40万+范文""最长1.2万字输出"，丹青妙笔打出"15大AI核心能力"，各自高举数据量和功能数量的大旗争夺用户。
从技术实现层面看，这些产品都采用了同一套模式：文库 + 提示词模板 + 大模型API调用。这种设计在快速上线、降低成本的考量下情有可原，但能真正满足公文写作者的核心需求吗？
更关键的是，随着DeepSeek V4、豆包2.0 Pro等通用大模型的快速迭代，这些产品赖以生存的卖点——长文本输出、公开素材库、场景模板——正在被底层模型的能力提升所覆盖。用业内的话说：通用大模型往前迈一步，垂直整合平台的优势就少一分。
那么，AI公文写作到底应该用什么架构？
二、主流产品的三种设计思路
1. "文库+提示词+大模型API"
材料星148个智能体的运作逻辑：
- 用户选择智能体（如"理论学习中心组发言 | 撰写大师"）
- 系统加载预设提示词模板（角色设定、任务要求、输出格式）
- 将用户输入连同提示词发给底层大模型（DeepSeek、豆包、Kimi等）
- 返回生成结果
这套设计的优势：上架快、覆盖广、成本低。新增一个智能体只需写一段新提示词。
局限也很明显：所有智能体共享同一套底层模型能力，输出质量受限于提示词水平。提示词不够精准，或底层模型对特定场景理解不到位，生成内容就有"模板感"——结构完整，但深度不足、缺乏针对性。
丹青妙笔的"15大AI核心能力"同理——15套模板，底层依赖同一个或几个第三方API。
2. 第三方功能iframe集成
这些产品不少"核心功能"其实是iframe嵌入第三方工具。从材料星页面源码可观察到：
- "文思泉涌"：底层是ONLYOFFICE（开源在线文档编辑器）
- "AI创建PPT"：对接"文多多AiPPT"
- "流程白板"：底层是draw.io（现名diagrams.net）
选成熟方案集成，开发效率上合理。问题在于体验割裂——用户点击不同功能时界面风格、交互逻辑差异明显，像跳到另一个网站。有用户说"刚上手时功能太多有点懵"，PPT功能也被吐槽。不是工具本身不好，而是集成层面的优化不到位。
3. 知识库：有方向，但还停留在网盘阶段
材料星和丹青妙笔都推出了"私有知识库"，支持上传政策文件建立私有库。方向正确，但实现还比较初级。
一个完整的RAG系统需要：文档解析 → 文本切片 → 向量化 → 索引构建 → 语义检索 → 增强生成。而现有产品是：
- 文档上传后主要提供在线预览
- 缺乏语义检索能力
- AI"引用"知识库，更像把整篇文档塞入对话上下文
在线预览比没有好，能解决"文件管理"需求。但用户要的不是"能看到文件"，而是"能精准找到需要的内容"。
三、大模型迭代带来的挑战
1. 长文本：从稀缺到基础
"最长1.2万字"一年多前确实是稀缺能力。看看通用大模型的最新数据：
| 产品/模型 | 最大输出长度 |
|---|---|
| 材料星/丹青妙笔 | 约1.2万字（1.6万token） |
| DeepSeek V3.2（API） | 约6.4万token |
| 豆包2.0 Pro | 约12.8万token |
| DeepSeek V4 | 约38.4万token |
当初只有垂直产品能做到的事，现在通用大模型也能做了。这不是垂直产品的失败，而是技术迭代的必然。当"长文本输出"不再是差异化优势，真正的价值增量在哪里？
2. 公开素材库：价值仍在，稀缺性在降低
40万+范文、1000万+金句是材料星用户公认的最大亮点。但DeepSeek、豆包训练时已经"吃"了大量公开公文和政府网站内容。用户要写乡村振兴讲话稿，直接问DeepSeek也能生成贴合主题的内容。
公开素材库的价值在"存量"上仍然可观，但"稀缺性"正在减弱。 真正稀缺的不是公开范文，而是用户自己的材料：本单位内部文件、历年工作总结、领导讲话原稿、行业特有数据——这些爬虫爬不到、大模型没见过的东西，才构成真正的壁垒。
3. 场景智能体：提示词模板的局限性
148个智能体本质上是148套提示词模板。价值在于降低了使用门槛，但局限也很明显：
- 通用性与个性化的矛盾——一套提示词适用所有用户，必然牺牲针对性
- 模板跟不上需求变化——148个场景听着多，但公文写作场景千差万别
- 底层模型越强，提示词的价值越低——DeepSeek V4即使不写复杂提示词，也能生成不错的初稿
四、AI公文写作该怎么设计架构？
1. 核心原则：私有知识优先
现有产品的逻辑是"给你看别人的范文"。真正高效的公文写作，依赖的是你自己积累的材料。架构应以私有知识管理为核心，公开范文做补充，不是主力。
2. 架构基石：Agent + 工具集（Tool Set）
公文写作是多环节工作流：查资料→列提纲→逐节撰写→检查格式。解决方式不应该是拆出多个Agent再搞复杂编排，而是一个Agent，配一套工具集。Agent是"大脑"，负责理解意图、规划步骤；工具集是"手脚"，负责执行具体操作。
工具集按功能划分，每个工具只干一件事：
- 检索工具（search/load）：从知识库检索相关材料，执行混合检索
- 大纲工具（outline）：基于检索结果生成大纲
- 内容生成工具（generate）：整合材料，按大纲逐节生成内容
- 格式校验工具（validate）：校验格式规范，检查连贯性
- 文档操作工具（read/write）：读写引用材料和生成结果
这种设计的好处：各司其职、按需组合、扩展方便、贴近真实写作流程。实现上通过LLM的function calling让模型自主选择工具调用。比如"帮我写一份乡村振兴调研报告"，Agent可能依次调用：检索工具找材料 → 大纲工具生成结构 → 内容生成工具逐节撰写 → 格式校验工具检查规范。
3. 混合检索：向量语义 + 关键词全文检索
公文写作最核心的需求不是"生成"，是"检索"——在成百上千份材料中快速找到相关内容。
采用混合检索策略：
class HybridRetriever:
def __init__(self, vector_db, fulltext_index):
self.vector_db = vector_db # 向量数据库（如FAISS）
self.ft_index = fulltext_index # 全文索引（如FTS5）
async def retrieve(self, query: str, top_k: int = 10):
# 向量语义检索：理解"优化营商环境"≈"改善投资环境"
vector_results = await self.semantic_search(query, top_k * 2)
# 全文关键词检索：精确匹配"国发〔2024〕1号"
keyword_results = await self.keyword_search(query, top_k * 2)
# 结果融合与重排序（Reciprocal Rank Fusion）
fused_results = self.fuse_results(vector_results, keyword_results)
return fused_results[:top_k]
向量检索解决模糊查询（搜"人工智能"能搜到"机器学习"），全文检索解决精确匹配（搜文号必须精确命中）。两者互补。
4. 本地化处理
公文涉及经济数据、人事信息、工作部署等敏感内容，上传云端存在合规风险。架构设计应支持本地化：
- 文档解析在本地完成
- 向量索引在本地建立
- AI推理可调用本地模型或私有化部署
- 数据不出用户指定文件夹
5. 模块化设计
系统采用模块化架构，每个组件可独立演进：
- 文档解析模块：支持Word、PDF、Markdown等格式解析
- 向量化模块：文本→语义向量
- 检索模块：混合检索，可替换底层引擎
- AI推理模块：可对接DeepSeek、通义千问等，甚至本地模型
- 格式输出模块：Markdown导出为符合《党政机关公文格式》的Word
底层大模型迭代时换AI推理模块，需新格式时扩展文档解析模块——组件独立演进，不牵一发动全身。
五、两种思路对比
| 对比维度 | 文库+提示词+API模式 | Agent+工具集模式 |
|---|---|---|
| 核心定位 | 提供公开范文和AI生成 | 管理私有知识，辅助写作 |
| 数据来源 | 爬虫采集的公开范文为主 | 用户自己的私有材料为主 |
| 知识检索 | 关键词搜索为主 | 向量语义+关键词混合检索 |
| 文档关联 | 无 | 自动构建知识关联网络 |
| 长文能力 | 依赖底层大模型API | 工作流编排，分步生成 |
| 数据安全 | 云端存储 | 可本地化处理 |
| 功能扩展 | 新增提示词模板 | 新增工具模块 |
| 对模型依赖 | 强依赖 | 弱依赖，模型只是工具之一 |
| 用户数据价值 | 为产品方积累数据 | 积累用户自己的知识资产 |
两种模式适用场景不同：新手需要快速上手、参考范文时，"文库+提示词+API"更容易入门；材料积累到一定量、需要一个工具帮你管起来时，"Agent+工具集"更适合。
六、结语
以材料星为代表的第一代产品，用"文库 + 提示词 + API"的组合满足了市场对AI公文写作的初步需求，让更多人意识到AI可以辅助公文写作，这在行业发展初期是务实的路径。
但随着通用大模型能力提升，"1.2万字输出""40万篇范文"这些招牌正被逐步覆盖。AI公文写作的方向正在转变：从公开素材聚合走向私有知识管理，从单点API调用走向Agent+工具集，从纯云端走向本地化+云端灵活部署。
无论工具怎么迭代，"人"始终是核心。AI可以辅助整理材料、生成大纲、续写内容，但公文的思想性、针对性、准确性最终还是靠人来把握。如《荀子》所言："君子生非异也，善假于物也。"——工具是用来借力的，不是替代思考的。
浙公网安备 33010602011771号