第2253篇：政务AI——公文处理和政策问答的工程实现

适读人群：政务信息化工程师、Java开发者、政府IT技术团队 | 阅读时长：约15分钟 | 核心价值：从真实政务场景出发，实现公文智能处理和政策问答的工程方案，重点解决合规性和数据安全挑战

跟政务项目打交道，让我深刻理解了什么叫"特殊场景"。

数据安全要求是最高级别的，政务数据不能出境、不能上公有云、不能接外部API。这直接排除了所有主流云AI服务，必须完全私有化部署。

政策文件的权威性要求也很特殊。政府文件的字一字千金，有时候一个字的差别就是完全不同的法律含义。AI生成或解释的内容，必须有明确的来源依据，不能有任何"创造性理解"。

还有审批流程的严肃性。一封公文的处理，涉及多级审批，格式有严格规范（参照《党政机关公文格式》国家标准），错一个字都要重新发文。

这些约束意味着政务AI必须比商业AI更保守、更严谨、更可控。

---

政务AI的技术边界

---

公文信息抽取

公文有严格的格式规范，可以利用这个特点做结构化解析：

@Service
public class GovernmentDocumentParser {

    @Autowired
    private LLMService localLLM;  // 私有化部署的LLM（如Qwen-7B-Instruct）

    /**
     * 解析政府公文，提取关键信息
     * 按照《党政机关公文格式》（GB/T 9704-2012）解析
     */
    public ParsedGovernmentDoc parse(String docText) {
        ParsedGovernmentDoc doc = new ParsedGovernmentDoc();
        
        // 1. 规则提取：利用公文格式规范
        doc.setDocType(extractDocType(docText));
        doc.setIssuingUnit(extractIssuingUnit(docText));
        doc.setDocNumber(extractDocNumber(docText));
        doc.setIssueDate(extractIssueDate(docText));
        doc.setUrgencyLevel(extractUrgencyLevel(docText));
        doc.setSecretLevel(extractSecretLevel(docText));
        
        // 2. 主题词提取
        doc.setKeywords(extractKeywords(docText));
        
        // 3. LLM深度解析：正文摘要、主要事项
        doc.setSummary(extractSummaryWithLLM(docText));
        doc.setMainPoints(extractMainPointsWithLLM(docText));
        
        // 4. 紧急事项和办理要求
        doc.setDeadlines(extractDeadlines(docText));
        doc.setActionRequired(extractActionRequired(docText));
        
        return doc;
    }

    private String extractDocType(String text) {
        // 常见公文类型：命令/令、决定、公告、通告、意见、通知、通报、
        //              报告、请示、批复、议案、函、纪要
        String[] docTypes = {"命令", "令", "决定", "公告", "通告", "意见", 
                            "通知", "通报", "报告", "请示", "批复", "函", "纪要"};
        for (String type : docTypes) {
            if (text.contains(type)) return type;
        }
        return "其他";
    }

    private String extractDocNumber(String text) {
        // 文号格式：[机关代字]〔年份〕编号号
        Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+[〔\\[](\\d{4})[〕\\]]\\d+号");
        Matcher matcher = pattern.matcher(text);
        return matcher.find() ? matcher.group() : null;
    }

    private DocSummary extractSummaryWithLLM(String docText) {
        String prompt = String.format("""
            请对以下政府公文进行摘要，输出JSON格式：
            
            公文内容（前2000字）：
            %s
            
            输出：
            {
              "core_subject": "核心主题（一句话）",
              "main_content": "主要内容摘要（100字以内）",
              "key_requirements": ["关键要求或指示1", "关键要求或指示2"],
              "target_units": ["执行单位1", "执行单位2"],
              "deadline": "完成期限（如有）"
            }
            
            注意：严格基于公文内容，不添加任何推断或解释。
            """,
            docText.length() > 2000 ? docText.substring(0, 2000) : docText
        );
        
        return parseFromLLM(prompt, DocSummary.class);
    }
}

---

公文格式校验

@Service
public class DocumentFormatValidator {

    /**
     * 按国标校验公文格式
     * 返回格式问题清单
     */
    public List<FormatIssue> validate(String docText, String docType) {
        List<FormatIssue> issues = new ArrayList<>();
        
        // 1. 版头格式
        issues.addAll(validateHeader(docText, docType));
        
        // 2. 标题格式
        issues.addAll(validateTitle(docText));
        
        // 3. 正文格式
        issues.addAll(validateBody(docText, docType));
        
        // 4. 落款格式
        issues.addAll(validateFooter(docText));
        
        return issues;
    }

    private List<FormatIssue> validateHeader(String text, String docType) {
        List<FormatIssue> issues = new ArrayList<>();
        
        // 密级标注（涉密文件必须有）
        if (isClassifiedDocument(docType) && !hasSecretLevel(text)) {
            issues.add(FormatIssue.error("版头", "涉密文件未标注密级"));
        }
        
        // 紧急程度标注
        if (hasUrgencyMarker(text)) {
            String urgency = extractUrgencyLevel(text);
            if (!isValidUrgencyLevel(urgency)) {
                issues.add(FormatIssue.warning("版头", 
                    "紧急程度标注不规范，应使用「特急」「加急」「平急」"));
            }
        }
        
        return issues;
    }

    private List<FormatIssue> validateTitle(String text) {
        List<FormatIssue> issues = new ArrayList<>();
        
        // 提取标题
        String title = extractTitle(text);
        if (title == null) {
            issues.add(FormatIssue.error("标题", "未识别到标题"));
            return issues;
        }
        
        // 标题不应有标点（除法规名称外）
        if (title.matches(".*[，。、；].*")) {
            issues.add(FormatIssue.warning("标题", "标题中含有标点符号，一般应避免"));
        }
        
        // 标题应包含发文机关、事由和文种
        if (!containsDocType(title)) {
            issues.add(FormatIssue.warning("标题", "标题中未包含文种名称"));
        }
        
        return issues;
    }
}

---

政策知识问答

@Service
public class PolicyQAService {

    @Autowired
    private PolicyDocumentRepository policyRepo;
    
    @Autowired
    private HybridSearchEngine searchEngine;
    
    @Autowired
    private LLMService localLLM;

    public PolicyAnswer answer(String question, String department) {
        // 1. 查询理解
        PolicyQueryInfo queryInfo = analyzeQuery(question);
        
        // 2. 文档检索（限定部门相关文件）
        List<PolicyDocument> retrieved = searchEngine.search(
            queryInfo.getExpandedQuery(),
            SearchFilter.byDepartment(department),
            6
        );
        
        if (retrieved.isEmpty()) {
            return PolicyAnswer.noResults("未找到相关政策规定，建议联系" + 
                department + "核实最新政策。");
        }
        
        // 3. 时效过滤（优先最新政策）
        retrieved = filterByEffectiveness(retrieved);
        
        // 4. 生成回答
        String answer = generatePolicyAnswer(question, retrieved);
        
        return PolicyAnswer.builder()
            .answer(answer)
            .sources(buildPolicySources(retrieved))
            .issuedBy(extracted.getIssuingUnit())
            .effectiveDate(extracted.getEffectiveDate())
            .disclaimer("以上解读仅供参考，如有疑问请以最新正式文件为准。")
            .build();
    }

    /**
     * 政策文件的时效管理
     * 被新文件废止的旧政策不能用于回答
     */
    private List<PolicyDocument> filterByEffectiveness(List<PolicyDocument> docs) {
        return docs.stream()
            .filter(doc -> doc.getStatus() == PolicyStatus.EFFECTIVE)
            .filter(doc -> doc.getExpiryDate() == null || 
                          doc.getExpiryDate().isAfter(LocalDate.now()))
            .sorted(Comparator.comparing(PolicyDocument::getIssueDate).reversed())
            .collect(Collectors.toList());
    }

    private String generatePolicyAnswer(String question, List<PolicyDocument> docs) {
        String context = docs.stream()
            .map(d -> String.format("【%s】（%s发布）\n%s",
                d.getTitle(), d.getIssueDate(), d.getRelevantContent()))
            .collect(Collectors.joining("\n\n"));
        
        String prompt = String.format("""
            请根据以下政策文件，回答问题。
            
            问题：%s
            
            参考政策文件：
            %s
            
            回答要求：
            1. 严格基于政策原文，逐点回答
            2. 引用具体文件名称和条款
            3. 如果政策有多个版本，以最新版本为准
            4. 如果问题涉及多个政策，需要说明各政策之间的关系
            5. 不得添加政策原文中没有的内容
            """,
            question, context
        );
        
        return localLLM.complete("你是政府政策解读专员，回答必须严格基于官方文件。",
            prompt, LLMConfig.builder().temperature(0.0).build()).getContent();
    }
}

---

公文写作辅助

@Service
public class DocumentDraftingService {

    @Autowired
    private LLMService localLLM;
    
    @Autowired
    private DocumentTemplateRepository templateRepo;

    /**
     * 生成公文草稿
     * 只能生成草稿，必须经过人工审核修改
     */
    public String generateDraft(DocumentDraftRequest request) {
        // 获取对应文种的模板
        DocumentTemplate template = templateRepo.findByDocType(request.getDocType());
        
        String prompt = String.format("""
            请根据以下信息，起草一份%s草稿：
            
            发文机关：%s
            主送机关：%s
            主要事项：%s
            
            格式要求（严格遵守）：
            1. 标题格式：[发文机关]+[事由]+[文种]
            2. 正文使用第一人称（我单位/我局等）
            3. 末尾"此致/此函"根据文种选择
            4. 落款格式：发文机关+日期（年月日，中文大写）
            
            参考模板：
            %s
            
            重要提示：这是草稿，需要经过人工审核和修改，请确保内容准确合规。
            """,
            request.getDocType(),
            request.getIssuingUnit(),
            request.getRecipient(),
            request.getMainContent(),
            template.getContent()
        );
        
        String draft = localLLM.complete(
            "你是政府公文写作专家，精通《党政机关公文格式》国家标准。",
            prompt,
            LLMConfig.builder().temperature(0.2).build()
        ).getContent();
        
        // 格式校验
        List<FormatIssue> issues = formatValidator.validate(draft, request.getDocType());
        if (!issues.isEmpty()) {
            // 自动修正明显格式问题
            draft = autoCorrectFormat(draft, issues);
        }
        
        return draft;
    }
}

---

安全与合规：政务AI的核心约束

政务AI最关键的工程决策不是算法选择，而是数据安全架构：

决策1：完全私有化部署。所有AI服务（LLM推理、向量数据库、文件处理）都在政务内网。绝对不能有任何数据出境。

决策2：操作全量审计日志。每一次AI处理、每一次查询、每一次文档访问，都记录完整的审计日志，包括操作人员、时间、内容摘要。这是监管要求，也是事后追溯的基础。

决策3：AI生成内容必须人工确认。任何AI生成的公文草稿、政策解读，都只能作为"草稿"或"参考"，必须经过相应权限的人员审核确认后才能用于正式用途。系统设计上，AI输出要有明显的"待审核"标识。

决策4：模型不能学习敏感数据。私有化部署的模型，要严格控制微调数据，防止涉密信息通过模型参数泄露。