企业官网建设流程全解析

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

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。