如何智能化生成烟草公文？流程设计与合规闭环

烟草公文智能化，不等于把提示词交给大模型直接出稿。真正可用的方案，是让模型先理解文种、制度、模板、事实数据和审批规则，再完成拟稿、校核、流转与留痕，这样才能同时做到提效、合规、可追溯。

图源：AI生成示意图

一、烟草公文为什么不能只靠大模型写一遍

公文智能化的边界

公文生成本质上不是语言润色，而是把制度规则、业务事实和审批口径翻译成规范文本。烟草行业常见文书包括通知、请示、纪要、通报、整改函、营销周报、安全生产简报、专卖稽查材料等，它们的核心要求不是写得花，而是口径统一、事实准确、流程合规、可审计。

• 能优先自动化的：固定模板类、重复汇总类、制度转写类、会议纪要类。
• 适合人机协同的：涉及政策判断、跨部门责任认定、敏感表述的正式发文。
• 必须先治理再上AI的：模板混乱、审批链不清、基础数据缺失的场景。

先看价值，再看技术

Gartner预计，到2026年，超过80%的企业将使用生成式AI API或部署生成式AI应用。McKinsey测算，生成式AI每年可创造2.6万亿至4.4万亿美元经济价值。放在烟草公文场景，这种价值最先体现在三件事：减少重复写作、降低口径错误、缩短审批前校核时间。

二、真正可落地的生成链路：制度、数据、规则、审签一起跑

一条可执行的生成流程

1. 识别文种：先判断是通知、纪要、请示还是通报，决定模板和行文结构。
2. 检索依据：从制度库、历史范文库、术语库中找出可引用依据，避免凭空生成。
3. 抽取事实：从业务系统、附件、表格、邮件、纪要录音中抽取时间、地点、金额、对象、处理结果等字段。
4. 规则校验：对发文字号、主送单位、附件引用、敏感词、权限边界、数字一致性进行校核。
5. 生成初稿：按文种模板输出规范文本，并自动补齐标题、摘要、正文、附件说明。
6. 标记疑点：把缺失依据、数据冲突、表述越权的部分高亮给审核人。
7. 人工终审：由业务负责人确认政策口径和最终责任表述。
8. 归档学习：将修改记录回流为新规则和新示例，持续优化质量。

如果企业希望把拟稿、校核、流转、归档串成闭环，实在Agent更适合承担跨系统执行层：一端理解自然语言指令，一端连接OA、档案、业务系统与本地桌面操作，减少人员在多系统之间反复复制粘贴。

为什么烟草公文要引入规则引擎

• 同一文种的标题、主送单位、附件引用、发文依据通常有固定格式。
• 数字、时间、金额、批次、门店数量等事实字段必须可核验。
• 敏感用语、越权表述、缺少依据的判断要被拦截。

三、烟草公文智能化最容易踩的四个坑

• 只做写作，不做校验：首稿看起来顺，但数字、时间和责任主体容易错。
• 只接知识库，不接业务系统：制度能引用，事实却取不到，最后还要人工补数。
• 只追求全自动，不保留终审：强监管行业对责任口径非常敏感，必须保留人工确认。
• 只上模型，不做日志审计：一旦出现表述争议，很难追踪是谁改的、依据是什么。

更稳妥的控制项

• 私有化部署：敏感文稿、内部制度和附件不外流。
• 权限隔离：不同部门只看得到自己有权限的数据和模板。
• 全链路日志审计：保留生成依据、修改记录、审批动作和时间戳。
• 人工终审机制：让AI承担80%的重复劳动，人负责20%的判断和定责。

四、一个接近真实业务的落地场景：文书生成与审核协同

在某类烟草业务场景下，客户没有先追求一步到位全自动写稿，而是先把制度解析、附件识别、规则校验、结论生成、人工复核串成闭环。这比单纯让模型写文章，更接近烟草公文真实落地逻辑。

• 规则智能管理：上传制度文本后，大模型解析内容并生成可执行代码规则，实现制度到规则的自动转化。
• 业务端提单不改习惯：继续沿用原有业务系统上传附件、填写信息，降低组织切换成本。
• 智能识别：数字员工自动扫描附件，结合OCR小模型与LLM提取关键信息并分类切割。
• 深度校验：IDP引擎按规则进行字段比对，并穿透查询相关系统数据，识别疑点。
• 结论生成：系统自动生成审核辅助结论，列出通过项和疑点项。
• 人工确认：审核员重点复核疑点项，形成最终意见，完成人机协同闭环。
• 持续优化：人工复核发现的错误会被采集为学习素材，配合定期优化训练与全链路日志审计，持续提升准确率与可追溯性。

这类链路迁移到公文场景后，可以直接用于会议纪要生成、通报草稿生成、整改通知初稿、制度修订说明、月度汇报材料等工作：先抽事实，再套规则，最后出稿，而不是先出稿再补证据。

企业级落地时，更应强调本土流程适配、私有化部署、权限隔离和审计留痕，这正是烟草行业采用AI时最关心的底层条件。

数据及案例来源于实在智能内部客户案例库

五、实施顺序怎么排，才能三个月内看到效果

建议分三步推进

1. 第一阶段：先做高频、低争议文书，如会议纪要、例行通报、月报周报。
2. 第二阶段：接入制度库、模板库、历史优秀范文库、术语库，建立统一生成口径。
3. 第三阶段：打通OA、档案、业务系统，实现自动取数、校验、流转、归档。

判断项目是否真正成功，看这四项指标

• 首稿生成时间是否显著缩短。
• 人工修改率是否持续下降。
• 事实性错误率是否可量化控制。
• 审签前发现问题的比例是否提升。

六、🤖 常见问题

Q1：烟草公文能不能完全自动生成并自动发文

A：不建议直接全自动发文。更稳妥的做法是AI生成初稿+规则校验+人工终审。正式发文尤其涉及政策判断、责任认定和敏感措辞时，必须保留人工把关。

Q2：没有大量标注数据，项目还能启动吗

A：可以。公文场景通常先依赖模板库、制度库、历史文档、术语库和流程规则启动，再用人工修改记录反向训练，逐步提升质量，不必等到海量标注数据齐备再开始。

Q3：最先应该接哪类系统

A：优先接入OA办文系统、档案系统、制度知识库、业务数据源。如果附件很多，再补OCR与IDP能力。顺序正确，比一次性铺太多系统更容易见效。

参考资料：Gartner，2023年10月，《More Than 80% of Enterprises Will Have Used Generative AI APIs or Deployed Generative AI-Enabled Applications by 2026》；McKinsey，2023年6月，《The economic potential of generative AI》；烟草业务场景流程资料整理时间为2026年3月28日。

预约实在Agent企业效能顾问

深度诊断企业痛点，定制专属 AI 自动化办公方案

联系我们 →立即试用