写公文这件事大多数同事不是不会写是架不住“每次都是新任务”。更尴尬的是很多朋友已经开始用AI帮忙了但写出来的东西要么是空话堆砌要么一股“万能模板味”领导一眼就皱眉。问题不在AI不够聪明而在我们跳过了最关键的一步没有先总结范文的文风规律直接把题目丢给了AI。这篇就围绕“ai材料星”这个思路把我自己一直在用的一套流程完整走一遍——从拆解范文文风到组建一个能仿写的智能体再到把仿写结果校准到能直接交稿每一步都给出可复制的指令和参数希望能给正在跟材料死磕的朋友一点实在的参考。1. 为什么很多人用AI写公文写着写着就成了“AI味材料”先聊一个现象。我见过不少朋友用AI写总结、写汇报第一句话往往是“请帮我写一份年度工作总结”。结果AI吐出来的东西结构也对用词也规范但就是读起来发虚放在哪个单位都行放在你单位又都不行。这个问题的根子在于通用AI模型只懂“公文大概长什么样”并不懂“你要写的这类公文具体是怎么说话的”。它默认的输出是从海量公开文本里学出来的平均值——安全、正确、平庸。而真正能直接用的公文材料恰恰是反平均的它有固定语步比如总结必须是一结构、二成绩、三问题、四打算有本单位习惯的高频词比如“调度”“压茬”“闭环”有平时反复用的句式比如“把XX作为XX的抓手”。这些规律模型没见过自然写不贴。所以核心解法不是换一个更强的模型而是做一个“文风建模”的动作。所谓文风建模就是把“感觉上很像”变成一组可以量化、可以复述、可以灌给智能体的规则。比如“开头段不超过三行”“每段第一句必须是观点句”“动词优先用强化、深化、压实、落地、见效这一档”“数字必须落在句末作为结论支撑”。当这些规则足够具体智能体仿写出来的东西才会像“你们单位的人写的”而不是“网上某个笔杆子写的”。这套流程我当时整理成四步选范文、拆规律、灌智能体、仿写校准。后面每一章我展开细说整个过程没有特别高深的技术只要你愿意花一个下午基本就能搭完。2. 先学会“拆范文”公文文风的五个可量化维度大多数人看范文只看“写得真好”然后就没有然后了。要训练智能体仿写你必须把“好”拆成能描述、能传递的部件。我通常按五个维度拆每个维度都有具体的提取方法。2.1 结构维度找出语步骨架同一类公文比如年度总结、调研报告、动员讲话在结构上有非常固定的“语步”。语步就是说话的功能步骤像调研报告通常走“背景—现状—问题—建议”四步年度总结通常是“总体情况—主要成效—存在问题—下一步打算”。你需要选8到10篇同类型范文逐篇标注每段在干什么然后看哪些语步是共用的。共用的部分就是骨架。实际操作用材料星这类文本分析工具会更省力。把范文批量导入后我一般会先让它按段落做语义聚类看看全文被自动分成几块、分界点在哪里。工具标完我再人工核对一遍确认“语步骨架”没有偏。这个骨架后面会直接写进智能体的指令里约束它整篇的谋篇布局。2.2 句式维度句长分布与高频句型公文读起来“有没有劲”很大程度取决于句式。我拆范文时会重点看两个东西一是平均句长和长短句的分布比例二是高频句型。举个例子。有些单位的总结喜欢用“主语工作状态”的短句开头“XX工作扎实推进”“XX体系持续完善”“XX机制不断健全”一句一段节奏感很强。有些领导讲话则爱用“确保XX的XX”“以XX为契机推动XX”这类长句一口气说下来气势更足。这两种风格如果混着仿写文章就会显得很跳。提取方法很简单让工具计算范文的平均句长、最长句和最短句的跨度再把开头高频出现的句式模板列出来。比如材料星会输出“出现次数最多的10个句首模式”你拿这个列表去对照一下就能看出某类公文是“名词领起”为主还是“动词领起”为主。2.3 用词维度高频动词、衔接词与套话库存这一维是仿写能不能“像”的关键。公文用词有极强的偏好尤其是动词和衔接词。动词上我常看到的高频档位是“强化、深化、细化、压实、落地、见效、攻坚、突破、提速、扩容”。这些词不能乱堆它们各自搭配的对象是有讲究的“强化”后面通常是“组织保障、责任落实”“深化”后面多是“改革、创新、认识”“压实”几乎只配“责任”。智能体如果不理解这个搭配网络很容易写出“强化责任、压实认识”这种别扭搭配。衔接词方面很多单位有自己的口头禅比如“在此基础上”“对照XX要求”“围绕XX主线”。这种词是文风的“指纹”仿写时必须原样保留。我的操作是用材料星的词频统计功能分别提取高频名词、高频动词、高频衔接词按50个词一组列成表然后拿这张表去对比“通用公文词表”和“这篇范文所在单位的特色词”。差别最大的那一列就是仿写时要重点模仿的对象。2.4 节奏维度段落长度、排比与对偶密度节奏这东西听起来玄其实也是可测的。我统计范文时会把三个数值记下来全文字数、段落数和段长均值。如果一个总结的段落长度普遍在120到180字之间且每段结尾都有一句收束性短句如“各项工作总体平稳”那仿写时就必须让智能体保持这个节奏不能忽长忽短。排比和对偶更是公文的“提气神器”但密度要控制。我见过写得好的材料一个千字文里出现一到两组排比位置固定一组在成绩段的收尾一组在部署段的开头。这种“位置性”规律工具也能量化。材料星有句式相似度聚类能把结构相近的句子自动归到一起你数一下这类句子在全文中出现的段落位置几乎就能还原作者的排版习惯。2.5 语气维度称谓、敬语与自我评价的尺度这一维很多人会漏掉但智能体翻车往往就翻在这里。公文的语气体现在三个方面怎么称呼上级和本级单位、怎么使用“我们”和“我”、怎么评价自己的工作成绩。拆范文时要特意标注范文里是用“我局”还是“我们”、“本部门”还是“部门”汇报成绩时用的是“取得了XX成效”“实现XX突破”还是更保守的“有所提升”“初步显现”。这些语气参数会被我直接写进智能体人设里否则AI默认倾向于用“显著提升、大幅增长”这类浮夸表达交上去会很不稳妥。拆完这五个维度你手头就有一份“文风特征表”。这张表我建议整理成一页纸结构化地列出来后面组建智能体时几乎就是对表填空。3. 用材料星把范文库跑成一张文风特征清单拆维度的动作如果全靠人肉10篇范文够你折腾一整天。我自己惯用的做法是让材料星这类AI分析工具先跑一遍我再人工校验。这样既省时间又不容易漏线索。3.1 建范文库的选文原则选范文不是越多越好关键是“三层覆盖”。第一层是同单位同文种近三年的材料这是天花板直接锁定风格底盘第二层是同系统上级单位公开发布的同类文稿用来校准高度和口径第三层是权威书籍或刊物上的范例作为兜底参照。每一层我建议至少选2到3篇总量控制在8到10篇以内。选太多工具跑出来的特征会趋于平均反而把本单位最有辨识度的用词习惯稀释掉。选太少统计结果不稳定可能出现“某词出现两次就进了高频词表”的笑话。还有个实操细节导入范文前先把文末的“此件公开发布”、主送机关名称等格式性内容清理掉只保留正文主体。否则这些格式串会干扰词频统计挤占高频词名额。3.2 我常用的三段式分析命令工具选好、语料备好后我一般直接给分析助手下一套指令。整套指令分三段跑每段对应一个产出文件第一段整体画像。让工具输出全文的高频词表按动词、名词、形容词分列、平均句长、段落数、段长分布以及模式化的句式模板。这一个命令主要解决结构、句式和用词三个维度。第二段差异比对。把“目标范文库”和“通用公文范文库”两个文件同时丢进去让工具输出“目标库有而通用库不常用”的词和句式。这一步抓出来的就是该单位写在骨子里的风格指纹仿写时最难造假的部分就在这里。第三段语气标注。让工具通读全部范文用表格输出称谓习惯、自我评价语气词、成绩表述的分寸档位。比如它是用“实现质的跃升”还是“取得阶段性进展”一字之差材料的性格完全不同。3.3 工具给线索人做决策必须提醒一句分析工具给的每一组数据都只是线索不是结论。材料星跑出“创新”出现38次不等于要求每段都写创新而是提示你“这个词是该单位的高频词搭配对象集中在机制、举措、路径这三个方向”。至于这个词到底放在成绩段还是部署段、后面跟动宾还是偏正结构还得人来判断。我习惯把工具输出当成“底稿”自己再拿三篇最典型的范文通读一遍把工具漏掉但读感很强的东西补进去。比如某篇范文有一段三个连续的四字短语“体系更全、机制更活、成色更足”工具未必能把它识别成文风特征但人一眼就知道这是全文的亮点句式。这类句子必须手工加入特征清单后续仿写时专门保留。跑完这一轮你就拥有了一份“文风特征清单”。它的颗粒度要细到什么程度呢举个例子我自己的清单里会有一条“总结类文稿第三部分问题段最多列三条问题每条问题先给现象再给一句原因分析原因不超过20字。”这种颗粒度智能体仿写时才能有抓手。4. 组建一个“懂本单位文风”的仿写智能体特征清单有了下一步就是把它组装成一个仿写智能体。现在主流的AI对话产品基本都支持自定义智能体有的叫智能体、有的叫定制GPT、有的叫助手角色核心配置都是三块人设、知识库、指令。这三块配置好了智能体才能真正“懂事”。4.1 人设别写“你是公文写作专家”很多人建智能体时会把人设写成“你是资深公文写作专家”。这话没错但没用。专家只是身份标签不构成写作约束。我建议把人设写成一个具体、有边界的角色比如“你是一位在机关综合部门从事文稿起草十五年、长期负责本单位总结和报告撰写的工作人员。你熟悉但不局限于公文格式更看重逻辑严密、表述规范、用词克制。你讨厌空话套话尽量避免使用没有信息量的修饰词。”这样描述的好处是给智能体的输出定调。AI在生成时会把“用词克制、讨厌空话”当作隐性约束自动过滤掉“高度重视”“全力推进”“卓有成效”这类滥大街的短语。我自己实测下来仅仅把这句话加进人设输出质量的提升相当明显。4.2 知识库范文进场 特征清单进场知识库是智能体的“参考资料区”。我会放两样东西进去8到10篇标杆范文原文以及那页文风特征清单。范文原文的作用是让智能体有具体的仿写对象特征清单的作用是让智能体知道模仿的“关键点在哪”避免它只学了个表皮。这里有个很多人会忽略的操作范文不要整篇打包扔进去就算了。我习惯在每篇范文开头加一行说明写明这篇范文属于什么文种、在什么场合使用、整体风格标签是什么。比如“标签年中总结语气平实短句为主四个语步”。相当于帮智能体给语料打了索引它写作时调用相关范式的准确度会高很多。4.3 系统提示词借鉴、限制、纠偏三段式系统提示词是智能体的总指挥。我自己的写法是固定的三段式每一段解决一类问题。第一段是“风格锚定”把文风特征清单里最关键的5到8条直接贴进去。比如“仿写时保持以下习惯段落平均120到180字每段首句用观点句领起成绩部分动词优先用强化、深化、压实不使用显著提升等浮夸词如需表程度用稳步、持续、进一步”。第二段是“流程限制”规定智能体在正式仿写前必须先做骨架拆分。我会写“收到写作任务后先不要直接动笔。第一步列出你将要采用的结构骨架每一个语步对应写什么内容并说明参考了知识库中的哪篇范文第二步列出写作中用到的素材缺口明确哪几处需要用户补充数据第三步提交写作提纲给我确认确认后再成文。”这一段极其重要能避免智能体在缺素材时自己编数据。第三段是“纠偏规则”针对仿写中最容易出的问题预置禁令。我会写“文中的数据、时间、单位名称一律以用户输入为准不新增、不推测每一段内容必须有具体所指禁止写无指代对象的宏大表述如果某个部分没有素材可用输出[待补充]不要用空话填空。”三段式指令写好后整个智能体的“骨架”就很稳了。剩下的就是实战看看它写的到底像不像。5. 仿写实操骨架锁定、血肉重填、AB对比三步走智能体配置完成不代表拿来就能写。我自己每次仿写都固定走三步先锁骨架再填血肉最后AB对比迭代。成功率比直接“请帮我写”高出一大截。5.1 第一步锁定骨架先给智能体“定形”很多AI生成的公文翻车不是内容不行而是结构跟着感觉走。解决这个问题的方法是先让智能体把参考范文的骨架拆出来。我用的指令大概是这样的请通读知识库中的三篇同类范文输出它们共用的结构骨架。 要求 1. 按语步拆分全文每个语步标注段落区间和段落功能 2. 提炼每个语步最常用的写作策略如“成绩部分用数据结论收尾” 3. 输出全文的字数分配建议。 先不要动笔写正文只输出骨架。这一步跑完后我会把智能体输出的骨架和我自己标注的骨架比对一下。如果左右一致立刻进入下一步如果不一致马上修正指令把差异点指出来让它重做。骨架对了后面怎么改都不会跑太远。5.2 第二步血肉重填素材要事先分成块骨架锁定后进入仿写。这时候最忌讳的是直接说“按这个骨架写一篇总结”而不给素材。智能体拿不到素材就会自己脑补数据这是大忌。我会提前把素材分成三类成绩类素材、问题类素材、部署类素材分别写成小块。成绩类要细到“某个项目、某组数字、某项工作的直接结果”问题类要具体到真实短板部署类要有明确动作。然后指令写成基于以下素材按前面确认的骨架写一篇本单位年度总结。 要求 1. 骨架语步和段落功能不得改动素材不足的地方用[待补充]标注 2. 每段首句保持观点句具体句式参照知识库中范文的行文节前 3. 成稿后单独附一份“结构对照表”说明每个段落对应骨架中的哪一步。这个指令的妙处在于强制智能体在“固定骨架”里做填空而不是自由放飞。我试过加不加这一步写出来的东西完全两个味道固定骨架的是“本单位那份材料的仿写版”自由发挥的是“AI眼里的公文”。5.3 第三步AB对比与迭代第一版成稿后我很少直接拿来用。我的做法是让智能体同一任务跑两版然后我做对比。比较的重点不是“哪篇句子更漂亮”而是“哪篇更像范文库里的说话方式”。比如A版用了很多“着力、全力”B版用了更多“抓、落、推”B版可能就更贴近范文的风格。比较结束后我再让智能体做一次“风格对齐”将当前版本与知识库范文的风格特征逐条对照找出不一致的地方比如句长分布、用词档位、衔接词偏好。逐条列出问题产生修改稿修改时只解决风格问题不改变事实和结构。这一轮改完文章基本就“入模”了。整个过程大概要花两三次迭代但比人工反复润色快得多。6. 仿写后的对齐检查以及我踩过的三个典型翻车现场智能体写得再像交稿前也必须人工过一遍“对齐检查”。我把常用的检查项固定成一张表每次交稿前过一眼能挡住绝大多数低级问题。6.1 对齐检查清单检查维度自查问题不过关的处理方式文种匹配文种对应的固定语步是否完整有没有串味回到骨架指令重新分割段落语气一致是否出现某一段突然口语化或宣传腔把异常段落找出来做风格对齐数据来源每一个数字是否有真实出处是否前后一致拿不准的一律标[待补充]等人确认称呼体系“我局/本单位/部门”使用是否统一全文搜索通配统一称谓格式结构层级序号、换段、列表是否规范按公文版式规范格式化空洞表述有没有“显著提升”等无具体指代的词替换成具体工作或直接删除这张表不是摆设。我实际用下来的感受是60%的问题在“文种匹配”和“空洞表述”这两栏智能体最容易在这两个地方自作聪明。6.2 翻车现场一调研报告被写成了工作总结有一次我让智能体写某专项调研报告它交出来的初稿小标题是“主要做法”“工作成效”“经验启示”一眼看去就是总结的脸。问题出在我没在指令里锁定调研报告的问题导向骨架。后来我在骨架指令里加了一句硬性规定“调研报告的问题部分占比不得低于全文的30%且必须位于建议部分之前。”之后再跑结构就老实了。教训很简单任何文种都要在骨架指令中写清楚语步顺序和占比放在“默认情况下AI知道”的位置它不见得知道。6.3 翻车现场二智能体自己编了个“三年增长40%”这是最严重的一次。当时写某专项汇报素材里只给了去年的基数没有今年的数据智能体在生成时直接“合理外推”了一个增长数据。虽然比例看着合理但这种数据交上去是要出问题的。从那以后我在所有智能体的纠偏规则里都加了一条铁律“所有数字和带有量化性质的表述如果素材里没有直接给出一律写[待补充]。严禁根据上下文推算或估计。”每次跑完我也会用“全文搜索[待补充]”的方法来反查AI有没有越权填数据。这个习惯后来帮我拦下了好几次风险。6.4 翻车现场三模仿过头满纸都是“假大空”还有一种情况恰恰是仿写太成功导致的。智能体把范文里的宏大表述学了个十成十比如“以XX为引领全面构建XX新格局”却因为素材不足这些句子背后没有具体内容支撑整篇文章变成了漂亮话的空转。我对付这个问题的指令是“凡是不涉及具体工作对象、具体动作的表述视为无效表述必须重写或删除。”说白了公文的底气永远是具体的人和事辞藻只是装饰不能当承重墙。整个流程走完你会发现AI写公文这件事真正值钱的部分不是“让AI直接写”而是在“收集范文—拆规律—建智能体—校准”这条链路里反复打磨出的那套约束。说得直白一点智能体是你的笔但那双扶着笔、知道往哪儿落的手仍然得是你自己。我自己的体会是这套流程跑顺之后再接到新文种、新任务第一反应不再是“又要从零开始憋”而是“我多久能把这类材料的风格摸清并灌进智能体里”。这个思路比任何一个具体模型或工具的变化都更耐用。