政企公文抽取 PoC
行政人员从公文、通知、会议纪要中自动抽取事项、责任部门和截止日期，生成可跟踪台账。
一句话场景
行政人员从公文、通知、会议纪要中自动抽取事项、责任部门和截止日期，生成可跟踪台账。
业务流程
收文登记 → 人工阅读 → 摘录事项/责任单位/时限 → 录入台账 → 督办跟踪 → 归档
痛点：文档格式多样、扫描件多、摘录慢、易漏项、责任分解口径不一。
数据样例
| 类型 | 格式 | 注意 |
|---|---|---|
| 红头文件 | PDF/Word | 版式复杂 |
| 会议纪要 | Word/扫描 | 多人发言 |
| 附件 | 表格/图片 | OCR 质量 |
| 历史台账 | Excel | Ground Truth |
架构
文档解析 + 结构化抽取 + RAG 溯源 + 人工校验
上传 → OCR/解析 → 字段抽取 → 引用原文段落 → 人工校对 → 写入台账系统
工具清单
| 步骤 | 组件 |
|---|---|
| 解析 | OCR、版式分析、表格还原 |
| 抽取 | Schema 约束 JSON 输出 |
| 溯源 | chunk 引用页码/段落 |
| 校验 | 人工 HITL 界面 |
权限边界
- 涉密文件不得进入公有云模型；专网私有化路由。
- 按密级分级：公开/内部/敏感/核心。
- 抽取结果写台账前必须人工确认（L3 人审）。
Golden Dataset 示例
| id | 文档片段 | 期望字段 | 风险 |
|---|---|---|---|
| 002 | 纪要“月底前报送” | 截止日期、责任单位 | 低 |
| 009 | 模糊指代“有关部门” | 标注待确认 | 边界 |
| 020 | 涉密附件 | 阻断处理 | 高 |
Demo 脚本
- 上传脱敏样例 PDF，展示解析与抽取 JSON。
- 点击字段跳转原文引用高亮。
- 人工修改“责任单位”，系统学习记入反馈池（可选）。
- 导出台账 CSV（不自动发文）。
验收指标
- 核心字段抽取准确率 ≥ 90%。
- 遗漏率 ≤ 5%。
- 引用段落准确率 ≥ 95%。
- 人工修改率下降趋势（试点 4 周）。
上线风险
- OCR 错误导致事项错误 → 强制人审。
- 政策误读 → 拒答+引用不足提示。
- 涉密误上传 → 输入拦截+审计。
30 天计划
| 周 | 目标 |
|---|---|
| W1 | 密级策略+样例收集（合规审批） |
| W2 | 解析链路+抽取 Schema |
| W3 | 溯源 RAG+评估 30 条 |
| W4 | 台账对接试点+上线门禁 |
延伸阅读
- 16 治理与合规
- 国产模型选型