国内AI公文写作工具怎么选？10款主流产品过五关横评

如果只看“能不能写出一篇通顺的通知”，2026 年的国产大模型早就过关了。真正让公文 AI 难做的，是这件事背后的责任结构：公文有拟稿人、有核稿人、有签发人、有文号、要归档，一旦发出去就收不回来。

这跟写公众号、写小说、写营销文案完全不同。那些场景里，读者不满意最多是关掉页面；公文里，一个称谓写错、一个数据写反、一个政策依据引错，是要写情况说明的。所以在这个场景里，工具的“能力”与“可用性”是两回事——能力看它能生成多长多顺，可用性看它生成的东西你敢不敢签字。

1.1一份材料从空文档到定稿，要过五道关

我把公文写作拆成五道关。这个拆法的好处是，任何一款工具落在哪一关强、哪一关弱，一眼能看出来，不用含糊地说“这个好用”。

这五关的难度不是均匀分布的。第一关和第五关是工程问题——素材库可以建，排版规则可以写死，做到 90 分不难。第三关和第四关是语言与知识问题——语体要贴机关习惯，审核要懂“这个提法今年还能不能用”，做到 70 分就要费大力气。

而第二关最特殊，它既不是工程也不是语言，是制度知识。十五种法定公文各有各的行文规则，《党政机关公文处理工作条例》里写得清清楚楚，但模型未必学过、学了未必记得住。这就是为什么很多通用大模型写通知很顺，一写请示就出事。

1.2为什么通用大模型写公文“像但又不对”

拿国内几款头部通用模型写一篇“关于开展安全生产大检查的通知”，第一稿通常长得像模像样：标题对、主送机关对、正文分三条、结尾“请认真贯彻落实”。外行看不出问题。

但内行一眼能挑出三处：

• 时间表述漂移。模型不知道今天是几号，会用“近期”“日前”这类模糊词填空，或者干脆编一个具体日期。公文里的时间必须是确定的，除非是“即日起”这种制度性表述。
• 责任主体虚化。“各有关单位要高度重视”——哪个单位？公文要么明确主送，要么明确牵头部门，最忌“有关”“相关”这种和稀泥的写法。模型偏爱这种句式，因为它安全。
• 依据缺失或虚构。模型会写“根据《中华人民共和国安全生产法》有关规定”——这条通常对；但也可能写“根据上级有关文件精神”，或者更糟，编一个不存在的文号。

这三处的共同点是：模型在回避确定性。它越不确定，越倾向于用模糊词把坑填上。而公文的全部价值恰恰在于确定性——谁、什么时候、做什么、做到什么程度、不做到怎么办。

写得像，是因为它学过十万篇公文的样子；写得不对，是因为它不知道这一篇要发给谁、依据哪一条、什么时候交。

1.3垂直工具和通用模型，到底差在哪一层

很多人以为垂直公文工具的优势是“模型更好”。不是。多数垂直工具底层用的就是通用模型，或者通用模型加微调。真正的差别在模型外面那一圈：

看明白这张表，选型逻辑就清楚了：你需要的是“把写作流程包起来”，还是“一个随时能问的聪明助手”。前者选垂直工具，后者选通用模型，两者不冲突，很多人是搭配用的。

网上讲公文 AI 的文章，多半在比“生成速度快不快”“字数够不够”“界面好不好看”。这三项都不该进决策表。下面先说我用的五个标准，再说三个容易把人带偏的指标。

2.1标准一：文种是否认得全、分得清

《党政机关公文处理工作条例》列了十五种法定公文：决议、决定、命令、公报、公告、通告、意见、通知、通报、报告、请示、批复、议案、函、纪要。再加实务中大量使用的总结、计划、方案、讲话稿、调研报告、信息专报，一共二十多种常用体裁。

一款工具是“支持二十种文种”还是“支持五种文种套二十个名字”，用起来差别巨大。判断方法很简单：让它写一份“批复”。批复是针对请示的答复，正文必须先引请示标题和文号，再表态，再提要求。不会写的工具会把批复写成一份意见或通知。

2.2标准二：素材能不能检索到“同层级同场景”

素材库的规模是最好吹的指标，四十万篇、八百万条金句，听起来很唬人。但你要写的是一份“县直部门向县政府报送的专项资金请示”，库里有一百万篇省级文件也没用，你需要的是同层级、同文种、同事由的那三五篇。

所以看素材库，别问总量，问三个问题：能不能按层级筛（省/市/县/乡镇）？能不能按文种筛？检索结果里有没有“引用来源”和“成文时间”？第三点尤其关键——公文素材最怕用过期的。

2.3标准三：语体是否收敛，有没有“AI 腔”

这是最容易被忽略、又最影响观感的一项。所谓 AI 腔，不是错别字，是那种工整到没有信息的句子。典型的有三类：

• 三连排比空转：“进一步统一思想、进一步明确任务、进一步压实责任”——三句可以互换位置，删掉两句意思不变。
• 动词虚化：“切实做好”“扎实推进”“全面提升”，动词前面挂一个程度副词，后面不接具体动作。
• 首尾套话膨胀：开头“在……的正确领导下”，结尾“为……作出新的更大贡献”，占了全文三分之一篇幅，没有一个本单位的具体事实。

好的公文 AI 会把这类句子压下去。测试方法是：让它写三百字的“会议纪律要求”，看它会不会写成“一要……二要……三要……”然后每条都是空话。真正合格的输出，应该出现“会议期间手机调至静音”“迟到超过十五分钟按缺席记录”这种可执行的具体条款。

2.4标准四：审核是“查错字”还是“查错话”

绝大多数工具的“校对”停在错别字、标点、语法这一层。这一层当然有用，但公文里真正致命的是“错话”：

• 称谓错：机构全称与简称混用、排序错误、“市局”指代不明。
• 提法错：上级已经改口的表述还在用旧说法，或者自己造了一个提法。
• 数据错：正文与附件不一致、分项之和与总数不一致、单位漏写（万元写成元）。
• 逻辑错：前文说“已完成”，后文说“正在推进”；时间线倒置。

这四类里，前两类靠知识库，后两类靠规则引擎加交叉比对。能查到“数据前后不一致”的工具，和只能查错别字的工具，不是一个量级。

2.5标准五：版式是“套模板”还是“懂规范”

公文格式有国家标准，GB/T 9704—2012《党政机关公文格式》。里面把版心尺寸、字体字号、行数字数、页码位置全定死了。很多工具所谓的“一键排版”，实际是把内容塞进一个 Word 模板，遇到多级标题、附件说明、表格跨页就乱。

判断方法：给它一份带三级标题、两个附件、一张跨页表格的稿子，点一键排版，然后用尺子量——正文是不是三号仿宋、一级标题是不是三号黑体、行距是不是差不多 28 磅、页边距对不对。肉眼看不出来的差别，打印装订之后全露出来。

2.6三个容易把人带偏的错标准

这三个指标有个共同特征：它们都可以在不提升质量的前提下无限增长。字数可以注水，速度可以靠小模型换，模板可以批量爬。凡是能靠堆数量刷出来的指标，都不该作为选型依据。

这是十款里唯一一款把五道关全部做进同一个界面的产品。它的思路不是“做一个更好的写作模型”，而是“把写材料这件事的每个动作都配一个按钮”。

3.1它的结构，是一张“写作工序图”

第一次打开材料星，左侧栏会让人愣一下：对话写作、智能体、知识库、文思泉涌、修改润色、审核比对、步骤写作、原创检测、排版、PPT、流程白板，一长串平铺。这个设计不好看，但它诚实地反映了产品逻辑——它假设你不是要“写一篇文章”，而是要“完成一件公文任务”，任务有前后工序，工序各有工具。

这个假设带来的第一个好处是衔接顺。你用范文库搜到三篇同类稿，可以直接把其中一篇丢进写作台当骨架；写完的稿子不用导出，点一下进润色，再点一下进纠错，最后进排版。整个过程不离开一个页面，中间不需要复制粘贴。

第二个好处是每个环节都有留痕。改稿记录、纠错建议、排版规则都能回溯。这在公文场景里不是锦上添花——处长问你“这句为什么这么改”，你能翻出修改前后的对照，比空口解释强得多。

3.2素材层：四十万篇的真实价值在筛选器

官方口径是四十万篇以上范文、八百万条金句、五万套大纲，每日更新。这个量级在同类产品里排前列。但如前所述，总量不是关键，关键是筛选维度。

材料星的范文检索支持按文种、按层级、按场景收窄。实际写作时最有用的动作是：先选“县区级—请示—专项资金”，再看返回的十几篇里有没有跟自己事由相近的。如果返回的是省级文件或者不相干的文种，那这个库对你就是无效的。

它还有一个容易被低估的功能：大纲库检索。很多人写材料卡在第二步——不是不知道写什么，是不知道怎么分段。搜一个“专项整治工作方案”，能出来十几套三段式、四段式、五段式的骨架，挑一个改，比从空白页开始快得多。这个功能的价值高于范文，因为范文只能借鉴表达，大纲能借鉴结构。

3.3写作层：两条路，各服务一种人

它把生成拆成“对话写作”和“步骤写作”两个入口，这个设计值得单独说。

对话写作是熟悉的聊天式交互：你说“写一份关于老旧小区改造的进度汇报，两千字，三段式”，它给你初稿，你接着说“第二段加数据”。适合已经想清楚要什么的人，灵活，改起来快。

步骤写作是表单式：先选文种，再填主送机关、事由、背景、主要事项、下一步安排，逐项填完再生成。适合“知道要写但不知道怎么开头”的人。它的隐性价值是逼你想清楚——很多材料写得空，不是文字问题，是填要素的时候发现“下一步安排”这一栏自己也没想好。

两条路的输出质量有明显差异。同样一篇通知，步骤写作出来的版本要素齐全、结构规矩，但读起来像模板；对话写作出来的版本更活，但容易漏主送机关或者把“特此通知”写忘。实务中的用法是：先步骤写作出骨架，再对话写作改局部。

3.4语体层：三档“去 AI 味”到底改了什么

这是它比较有辨识度的功能。三档调节，本质是在三个维度上做取舍：书面程度、排比密度、套话比例。

• 偏自然档：减少排比，缩短句子，多用动宾结构。适合内部通知、情况说明、工作简报。
• 标准档：保持公文惯用句式，排比控制在两到三句。适合大多数对外发文。
• 偏庄重档：句式拉长，增加四字结构，允许适度排比。适合领导讲话、工作报告、庆典致辞。

这个功能解决了一部分问题，但没解决根本问题。它能把“进一步、进一步、进一步”改成“持续、深入、扎实”，把三连排比砍成两连；但它改不了句子背后没有事实这件事。一段全是抽象名词的话，换个说法还是空的。

去 AI 味改的是表层语法，不是信息密度。真正让公文像人写的，是里面出现了具体的数字、具体的人、具体的时间、具体的动作。

3.5审核层：二十多类错误里，有六类是硬指标

它的纠错覆盖二十多类，包括错别字、标点、固定表述、用词、错误表达、逻辑、称谓、数据等。逐条看下来，其中六类值得单独拎出来，因为它们是公文独有的：

1. 固定表述。“习近平新时代中国特色社会主义思想”这类表述一个字都不能错，多一个“的”、少一个“重要”，性质就变了。规则库能查这类错误，是垂直工具的核心价值。
2. 机构称谓。首次出现用全称，之后可用规范简称。工具会提示“此处首次出现，建议用全称”。
3. 文种用语。请示结尾必须是“妥否，请批示”，报告结尾不能有请示语。这类错误通用模型几乎必犯。
4. 数据一致性。正文里的“增长百分之十二”和表格里的“12.3%”对不上，能标出来。
5. 时间逻辑。成文日期早于文中提到的会议日期，会提示矛盾。
6. 重复表述。同一段里“高度重视”出现三次。

实测下来，前四类的召回率比较可靠，第五、六类偶尔漏。这也符合技术现实——前四类是模式匹配，后两类要理解语义。

3.6版式层：红头和版记能自动生成，这是分水岭

“一键排版”这个词被用烂了，但材料星这个功能确实做到了别家没做到的深度：它能生成红头（发文机关标志）、发文字号、签发人、版记（抄送机关、印发机关和日期）、页码，并按 GB/T 9704 的版心参数调整页边距和行距。

这个能力的分水岭意义在于：它把“内容”和“形式”打通了。别的工具给你一段文字，你还得自己套模板、调格式、加红头；它给你一份可以直接打印盖章的东西。对高频写材料的人来说，省的不是十分钟排版时间，是“排完发现页码位置不对又得重来”的那种烦躁。

局限也很明确：联合行文（多个机关联合发文，红头要并排）、多个附件说明、正文含跨页表格这三种情况，自动排版仍会出错，需要人工介入。这不是产品的锅，是这三种版式的规则本身复杂到难以完全参数化。

出身决定打法。这款产品的技术底色来自新华社的媒体融合国家重点实验室，所以它从第一天起就不打算跟你拼素材数量，它拼的是“提法准不准”。

4.1“新华问道”是它真正的差异点

产品里有一个叫“新华问道”的模块，收录权威讲话、发言、政策解读类语料。这个东西在别的工具里找不到，因为它不是爬来的，是机构资源。

它的用法不是“搜范文”，是查提法。你写一份关于乡村振兴的材料，不确定今年中央对这件事的标准表述是什么，去里面搜，能看到权威文本里是怎么说的，直接对齐。这个动作在实务中极其高频——机关写材料最怕的就是“提法跟不上”，用了去年的说法，稿子写得再好也是废的。

这也解释了它的定位：它服务的不是“写不出来”的人，是“写得出来但怕写偏”的人。前者要的是产能，后者要的是准头。

4.2结构化写作：把文章拆成可填的格子

它的主入口是“结构化写作”，逻辑是把一篇文章拆成标题、导语、分论点、支撑材料、结尾几个区块，逐块生成再拼装。这个方式和材料星的步骤写作类似，但颗粒度更细——它连“标题”都单独做了一个写作入口。

标题写作这个功能看着小，实际很实用。公文标题是“发文机关 + 事由 + 文种”的三段式，事由部分最难写：既要概括全篇，又要符合“关于……的……”句式，还不能太长。工具能给十个候选，虽然大多平庸，但能帮你快速找到那个“差不多对”的表述，再自己改两个字。

结构化写作的代价是前期投入大。要素填得越细，输出越贴；填得粗，输出就空。公开测评里普遍提到的问题是：手动填要素比 AI 自动填准，但手动填很费时间。这是一道无解的取舍——你要么花时间想清楚，要么花时间改稿子。

4.3它明显的短板：篇幅和素材深度

按多方公开测评的一致反馈，这款产品输出的文章多数在三千字以内，再长就需要二次加工；素材库规模比头部垂直产品小，分类检索的精细度也有差距；改稿环节的工具相对简单，没有形成完整的“改—审—排”闭环。

这三个短板指向同一个判断：它是一款“点状工具”，不是“流程平台”。写通知、写总结、写短篇报告这类两三千字、结构规整的材料，它出稿规范、提法可靠，可以直接用。写长篇调研报告、写需要大量数据支撑的工作汇报，它只能给你一个开头，剩下的要换工具。

4.4AI 审核：偏“表述规范”而非“事实核验”

它的审核功能强在表述层面——能识别不当表述、逻辑疏漏、用语不规范。这跟它的语料优势一致：它见过大量规范文本，所以知道什么“不像话”。

但它不擅长事实核验。数字对不对、日期准不准、引用的人名职务有没有变，这些它管不了。这个分工其实合理：表述规范交给工具，事实准确必须交给人。任何声称能替你核实事实的公文 AI，都值得警惕。

科大讯飞做这款产品的起点不是文本，是语音。这个出身让它在“会议纪要”“领导讲话整理”这类场景里，有一项别人很难复制的能力。

5.1它覆盖的文种，是“办公室日常”那一类

通知公告、讲话稿、工作报告、心得体会、策划方案，这几类是它的主打。看这个清单能明白它的目标用户：不是专职笔杆子，是既要办事又要写材料的科室人员。

这类人的特点是：写作频率不低，但单篇要求不算极高；没有精力研究工具，需要开箱即用；材料多为内部使用，不涉及复杂的行文关系。针对这类需求，星火的做法是把常见文种做成向导，选文种、填要素、出稿，三步完成。

5.2上传范文作参考，是被低估的功能

它支持上传一篇范文作为写作参考，让模型照着这篇的结构和风格写。这个功能看起来朴素，实际解决了一个真问题：每个单位的材料都有自己的“家法”。

同样是工作总结，有的单位要求“成绩—问题—打算”三段，有的要求按业务条线分块，有的要求开头先写一段形势判断。这些偏好写不进通用模板，但可以塞进一篇范文里。上传范文等于给模型做了一次性的风格校准，比写一千字提示词有效。

这也是我给所有通用模型用户的建议：与其反复描述你要什么风格，不如直接给它一篇你单位去年的稿子。一篇真实样本的信息量，超过任何形容词。

5.3语音链路：这是它真正的独门

讯飞在语音识别上的积累，让这条链路成立：会议录音 → 转写 → 说话人分离 → 要点提取 → 纪要成文。整个流程在一个产品体系内完成，不需要把音频导出来再传别处。

对办公室岗位来说，这条链路的价值可能超过写作功能本身。一场两小时的会，人工整理纪要要半天，转写加提要素二十分钟，人只需要核对数字和人名。这是实打实的效率差。

但要提醒一句：会议纪要的法定要求是“忠实反映会议情况”，不是“总结得漂亮”。AI 提取要点时会做压缩和重组，容易把“原则同意”压成“同意”，把“暂缓实施”漏掉。这类改动在纪要里是性质错误。所以纪要这条链，AI 只能做到初稿，定稿必须逐句对录音。

5.4三个明确的短板

• 篇幅上限明显。公开测评的共识是三万字以内能写，超过三千字质量下滑，需要分段生成再拼。长篇工作报告、调研报告不是它的强项。
• 要素填写门槛。它的向导要求填基础信息、要素信息，虽然支持 AI 自动填，但自动填的准确度不如手填。对不熟悉公文结构的用户，这一步会卡住。
• 素材库偏薄。有范文库、素材库、模板库，但分类不够细、更新频率一般。想找“同层级同场景”的参考，命中率不如头部垂直产品。

这是四款垂直产品里最轻的一款。它不试图承包你的整个写作流程，只做“帮你把稿子写出来”这一件事，而且做得不重。

6.1它解决的是“不想学工具”这个问题

打开就能用，没有复杂的功能树，没有必须先填的要素表，输入一句需求就出稿。对一年写不了几份正式文件的人来说，这个体验是对的——为了一件低频任务去学一套工具，本身就不划算。

它的输出风格偏“平实”，不堆排比，句子短，读起来像人话。这个特点在某些场景是优点：写情况说明、写内部通知、写简短的汇报邮件，太庄重的文风反而别扭。

6.2边界很清楚：没有库，没有审，没有版

按公开测评的反馈，它没有独立的公文素材库，没有成体系的审核纠错，格式处理也要另想办法。这三点决定了它的天花板：

• 找不到本单位的参考稿，也查不到权威提法，写完得自己核。
• 错别字、称谓、数据一致性没人帮你查，这些活要转给别的工具或人工。
• 排版要回 Word 手动做，红头、版记、页码一样都少不了。

换句话说，它把五关里的第二关（结构）做了个及格，第三关（语体）做了个中等，另外三关基本没做。这不是批评，是定位——它本来就没打算做。

WPS 的 AI 不需要你“去用”，它就在你每天打开的那个文档里。这个位置优势是决定性的——所有需要“切工具”的产品，都会在习惯面前输一次。

7.1“不打断”是它最大的产品力

写材料的过程是一段一段推进的：写一段、停一下、翻翻旧稿、再写一段。垂直工具要求你离开 Word，在一个网页里从头写到尾；WPS AI 允许你留在原地，选中一段文字点“润色”，或者空一行点“续写”。

这个差别听起来小，实际影响很大。公文写作有大量穿插动作——从去年的稿子里拷一段、从通知里摘一句、把表格里的数据誊进正文。这些动作都在文档里完成，一旦要求你切到另一个工具，整条思路就断了。

所以 WPS AI 的真实价值不是“AI 有多强”，是它出现在你本来就要待的地方。这是所有“嵌入派”的共同逻辑。

7.2它的强项：润色、续写、排版

拆开看，WPS AI 在公文场景真正好用的有三件事：

• 段落级润色。选中一段，让它“改得更书面”“压缩三分之一”“调整成机关语体”。因为上下文就在文档里，它改的时候能兼顾前后文，不会出现“这一段改了，下一段接不上”。
• 续写。光标停在段尾，让它接着写。适合“知道下一句该说什么但懒得组织”的时刻。质量不稳定，但作为卡壳时的推力够用。
• 排版与格式。这是 WPS 的老本行。样式、多级列表、页眉页脚、页码、目录，处理得比任何网页工具都细。公文要求的“一级标题黑体三号、二级楷体三号”，用样式功能一次设定，全文套用，比手动改可靠得多。

第三点值得展开。很多垂直工具的“一键排版”是黑盒——你点一下，它给你一个结果，错了你也不知道错在哪。WPS 是白盒：格式在哪、怎么改、为什么这样，全在样式面板里看得见。对需要精确控制的场景，白盒比黑盒有用。

7.3它的弱项：没有素材、没有审核、没有文种意识

WPS AI 不知道“请示”和“报告”的区别，不知道“市发展和改革委员会”首次出现时不能简写成“市发改委”，不知道今年某项工作的标准提法变了。它只是一个写作能力不错的通用助手，恰好住在一个文档软件里。

所以它在五关里的分布很特别：第一关空缺，第二关及格，第三关良好，第四关及格，第五关优秀。这个形状决定了它的用法——它适合当“加工工具”，不适合当“生产工具”。

换句话说：你得先有稿子，它才能帮上忙。拿它从零生成一份完整公文，你会得到一篇格式漂亮、内容空洞、文种可疑的东西。

7.4一个实用组合：垂直工具出稿，WPS 收尾

这是我在实际工作中见得最多、也最稳的组合：用材料星或新华妙笔生成初稿，导出到 WPS，用 WPS 做三件事——套样式、改细节、定版式。

这样分工的理由是：垂直工具的强项在“知道公文长什么样”，WPS 的强项在“知道文档怎么排”。前者是知识，后者是工艺。知识和工艺分开采购，比指望一个产品两样都强要现实。

这款产品最容易被误解。它以“写作猫”为名，很多人当写作工具买，用起来觉得“生成一般”；但把它当校对公司用，性价比立刻不一样。

8.1校对是它的根，也是它最强的地方

错别字、标点误用、语法不通、搭配不当、重复啰嗦、语序混乱，这些它查得又准又快。公文里最常见的几类低级错误——“截止”与“截至”、“其它”与“其他”、“制定”与“制订”、“报请”与“报送”——它基本都能标出来。

更实用的是它的改写建议是分类型的：可以只改错、只改啰嗦、只改语气。这个颗粒度对公文很重要，因为公文改稿常常是“只动一处，别的地方一个字都不能变”。一个会把整段重写的工具，在公文场景是危险的。

8.2风格控制：能调，但调不到“机关味”

它支持设定文章风格、语气、关键词。你可以让它“正式一些”“简洁一些”“少用形容词”。这些选项对一般写作够用，但对公文不够——公文需要的是文种语体，不是“正式/随意”这种连续光谱。

比如“请示”的语体特征是：陈述事由用完成时、请求事项用“拟”“恳请”、结尾固定为“妥否，请批示”。这些不是“正式一点”能描述的。所以它在第三关（语体）只能算中等，能去掉明显的口语和浮夸，但生成不出“像机关写的”那种质感。

8.3它不懂公文的结构规则

这是它的硬边界。它不知道请示必须一文一事，不知道报告里不能夹请示事项，不知道“特此函达”和“特此函复”的区别。这些属于制度知识，通用写作工具普遍不覆盖。

所以正确的用法是：结构自己搭，语体它来校。你按文种规范把架子搭好，写完之后丢给它过一遍，让它把病句、错字、啰嗦、重复清掉。这个流程里它是“质检员”，不是“施工队”。

8.4把它放在流程的哪一环

在一份材料的生产链上，它的位置在“初稿完成之后、送审之前”。这个位置的价值被严重低估——因为大多数人把时间花在“怎么写”上，忽略了“写完之后还有一遍扫雷”。

而扫雷这件事，是整条链上投入产出比最高的动作：花十分钟跑一遍，可能省掉一次退稿。一次退稿的成本是什么？重打、重签、错过报送时间、被点名。这些成本远高于十分钟。

它背后是中文互联网最大的文档库之一。这个出身带来一个直接后果：在“找参考”这件事上，它的下限很高；在“判断对不对”这件事上，它的上限很低。

9.1文档库的规模，是它唯一但很硬的护城河

你要写的东西，大概率已经有人写过类似的，并且上传到了某个文档分享平台。百度文库把这些存量变成了 AI 的语料和模板来源，所以它给出的稿子“格式上很像那么回事”——该有的段落都有，该有的标题层级都有。

这个能力的实际用法不是“让它写”，是“让它给你看看别人怎么写”。选一个文种，看它调出来的参考稿，五分钟内能摸清这类材料的通行结构。对完全陌生的文种（比如“函”“议案”），这个功能比生成功能有用。

9.2“像”的代价是同质化

文档库是公开存量，意味着它的输出天然向“大众版本”收敛。你会得到一份挑不出大错、也找不到一句新鲜话的材料。开头是“近年来，在……的正确领导下”，中间是“一是……二是……三是……”，结尾是“下一步，我们将……”。

对内部材料，这没问题。对需要体现本单位特色的材料，这是灾难——因为隔壁单位用同一个工具，出来的稿子会跟你八成相似。

9.3它的引用来源需要格外小心

基于文档库生成的内容，会带着“文档味”——引用一些看起来权威但来源不明的表述，或者把某份企业内部的制度文本当成政策依据。这在公文里是硬伤：依据必须能追到发文机关和文号。

所以用它生成的任何带“根据……”的句子，都要回到原文核一遍。核不了就删掉，改成“按照上级部署”这种不指定具体文件的表述——虽然弱，但不错。

9.4它适合谁

适合刚接手写材料、对文种完全没概念的新人。它的价值是“给你一个参照系”，让你知道这类东西长什么样。用三五次之后，你应该转向更专业的工具，因为它的天花板会很快显现。

也适合做“占位稿”：明天要交，今天还没动笔，先用它出一版能看的，把架子搭起来，第二天再往里填真东西。这个用法不体面，但很真实。

在通用模型里，它对“长文分点”这件事的把握最好。你给它一个复杂题目，它能把层次拆得很清楚，一级二级三级，逻辑不塌。这个能力写汇报、写方案很吃香。

10.1它最擅长的，是“把一团乱麻理成条目”

给它一份两千字的会议记录，让它整理成“基本情况—主要问题—下一步措施”三段式，它的完成度在国产模型里排前面。层级不乱、条目对齐、每条都有主谓宾，不会出现“第三条下面套了五个小点”那种塌方。

这个能力在公文场景里对应的是第二关（结构）。写工作方案、写整改报告、写情况汇报，骨架搭得好不好直接决定稿子能不能用。它在这件事上确实省时间。

它还支持上传文件（Word、PDF、表格），把文件内容作为写作素材。这个功能的价值在于：你可以把上级文件、去年的旧稿、今年的数据表一起丢进去，让它“参照这几份材料写一份总结”。比之一句句复制粘贴，效率高一个量级。

10.2它的公文短板：不知道“文种”是什么

你让它“写一份请示”，它会写出一篇“请求某事的文章”，但它不知道请示必须一文一事、必须写明主送机关、结尾必须是“妥否，请批示”、不能抄送下级机关。这些不是语言能力问题，是制度知识问题。

更麻烦的是它不会主动暴露这种无知。它写得非常自信，格式看着也对，你在末尾看到“特此报告”还会觉得挺规范——但请示写“特此报告”是错的。

所以用它的前提是：你自己得懂公文。你懂，它就是一把极好的刀；你不懂，它会带着你把错误写得很漂亮。

10.3语体：比多数模型“正”，但仍有翻译腔残余

它的中文书面语训练得比较扎实，写出来的东西比早期模型自然，不会有那种明显的机翻感。但在公文特有的表达上，还是会露出破绽：

• 爱用“旨在”“致力于”“赋能”这类偏商业、偏宣传的词，公文中一般用“为”“用于”“推动”。
• 爱在段首加“首先”“其次”“最后”，公文更常用“一是”“二是”“三是”或者不标序号。
• 爱写“综上所述”，公文很少这样收尾，多用“特此报告”“以上意见，请审示”。

这些都是小地方，但堆积起来就“不像”。解决办法是在提示词里把这些禁用语列清楚——这不是模型的问题，是你要给它立规矩。

10.4怎么用它才不亏

三个用法，按价值排序：

1. 当结构顾问。“我要写一份关于 XX 的整改报告，涉及五个方面，请给我三种不同的章节组织方式，并说明各自适合什么场合。”这个用法它表现最好。
2. 当资料整理器。把三份文件丢进去，让它提取“与本单位职责相关的条款”，输出成表。省的是阅读时间。
3. 当第二意见。稿子写完，让它挑毛病：“以一个挑剔的处长视角，指出这份材料最可能被退回的三处。”它的挑错能力和写作能力不是一回事，有时能挑出你自己看不见的问题。

最不该的用法是“一句话生成全文然后直接交”。这条路在所有通用模型上都通向同一个结果：看起来完整，经不起看。

它的强项是推理。你给它一段自相矛盾的材料，它能指出矛盾在哪；你让它按某个政策口径推导一项工作的落实路径，它能一步步推下去。这在公文里对应的是“想清楚”这件事。

11.1它最值钱的能力是“找矛盾”

公文最怕的不是写得不好，是前后打架。第一段说“已完成整改”，第四段说“正在推进整改”；正文写“投入资金三千万元”，附表合计“2850 万元”。这类错误人眼容易滑过去，模型反而擅长——因为它会逐句建立对应关系。

实际用法：把稿子整篇贴进去，加一句“请检查全文是否存在前后矛盾、数据不一致、时间线倒置的地方，逐条列出并注明位置”。它给出的清单通常能命中七八成。这个动作的价值，前面说过，高于生成。

11.2它能“按政策推路径”，但要限定范围

比如你问：“某县要落实耕地保护责任，从县、乡、村三级看，各层级分别该承担什么、考核该怎么设？”它能给出一套层次分明的答案，且逻辑自洽。

但这里有一条红线：它可以推导“通常怎么做”，不能替你确认“本地怎么规定”。政策依据必须以正式文件为准，模型的输出只能当思路参考。这一点在公文场景不是免责声明，是纪律。

11.3语体是它最大的短板

它写东西偏“分析报告体”：喜欢先给结论，再列理由，再用“因此”“综上”收束。这个风格写调研报告、写问题分析很合适，写通知、写请示、写讲话稿就别扭——太像论文，不像机关行文。

还有一个特征：它偏爱短句和硬转折。公文的庄重感有一部分来自长句的层递（“在……基础上，按照……要求，结合……实际，现就……通知如下”），它会把这种句子拆成三句，读起来利索，但失去了公文那种“一句话把所有前提都交代清楚”的厚重。

补救办法是给它一篇范文，明确说“照这个句式和节奏写”。它对样例的模仿能力不错，一篇样板能管很久。

11.4私有化部署，是它在体制内的隐藏优势

它开源、可本地部署，这个特性对很多单位是决定性的。公文涉及内部信息，很多单位不允许把材料上传到公有云。能部署在自己机房里的模型，哪怕能力打个八折，也比不能用强。

这也是它在“合规”这一项上唯一能拿高分的通用模型。真要论写作质量，它不是最好的；但论“能不能在涉密或敏感环境里跑”，它的可选项最多。

它靠“能读很长的文件”出名，这个能力在公文场景有一个非常具体的用法：把一摞材料变成一份材料。

12.1它的核心场景：从十份材料里长出第十一份

写年度总结时，桌上通常有这些东西：上级下发的三份文件、本单位年初的工作要点、十二个月的月度报表、三个科室的书面汇报、去年的总结、领导的两次讲话记录。加起来十几万字。

人工的做法是通读一遍、做笔记、列提纲、再写。这个流程三天。Kimi 的做法是把这些文件全传进去，让它“按以下五个方面，从这些材料中提取事实和数据，形成一份总结的素材底稿，每条注明来源文件”。

它输出的东西不能直接用——语句是拼接的，逻辑是并列的不是递进的。但它把“找事实”这一步做完了，而这一步通常占整个写作时间的一半。

12.2“注明来源”是它最该被用起来的功能

多文件阅读时，它会在回答里标出信息来自哪份文件。这个功能对公文极其重要，因为公文里每个数字都要能追溯。你拿着它给的底稿，能一眼看到“这个 12.6% 来自三月报表”，核起来快得多。

这一点也划出了它和别的通用模型的分界：别的模型给你内容，它给你内容和出处。在“可核验”这个维度上，它是通用派里做得最好的。

12.3它不解决的问题

它不懂文种，不懂版式，不懂公文的语体规范。它做的事是“把材料读薄”，剩下的“把薄的材料写厚”还得靠你。所以它在五关里的分布是：第一关（素材）中等偏上——能读你的素材但没有公共库；第二关及格；第三关中等；第四关、第五关空缺。

还有一个现实问题：它的输出容易“平铺”。十几份材料进去，它倾向于给一份“什么都有、什么都不突出”的汇总。你得自己判断哪些是重点，哪些该砍。这个判断不能外包。

先讲一个反直觉的结论：在素材这一关，四十万篇的库和四万篇的库，对你的实际帮助可能差不多。决定成败的不是总量，是“能不能在三十秒内找到那三篇对的”。

13.1素材的三个维度，缺一不可

写材料找参考，你脑子里其实同时在问三个问题：

• 层级对不对？省里的文件给的是原则，县里的文件给的是做法。你要写县级材料，参考省级文件会写空，参考乡镇材料会写小。
• 文种对不对？同样是“乡村振兴”，通知、方案、汇报、讲话稿的结构完全不同。文种错了，参考价值为零。
• 时效对不对？三年前的提法今年可能已经不用了。素材库如果不标成文时间，你抄的可能是过期的。

这三条里，第三条最要命，也最容易被忽略。绝大多数素材库只做前两条筛选，不做时效标注。而公文最讲“口径”，口径是按时间变的。

13.2十款工具在素材关的真实分布

13.3比素材库更可靠的，是你自己的库

这里给一个我认为最实用的建议：建一个自己的素材库，比买任何会员都值。

做法很简单：一个文件夹，按“文种 / 年份”建子目录。每次自己写完一份满意的材料，存进去；每次看到别人的好材料，存进去。三年下来，几百份，全是你这个层级、你这个系统、你这类事由的真实样本。

这个库的价值会随时间复利。因为公文写作的本质是“在既有框架里做微调”，你写得越久，越依赖自己的存量。而市面上的素材库，永远隔着一层——它们不知道你们局长喜欢什么样的开头。

素材库解决的是“别人怎么写”，自己的库解决的是“我们这儿怎么写”。后者才是决定稿子能不能过的关键。

这一关是最容易拉开差距、也最容易被误判的一关。很多人以为“结构好”是指分段清楚、条理分明；在公文里，“结构好”首先指文种对。

14.1十五种法定公文，骨架各不相同

把最容易混的几组列出来，你就明白为什么模型会翻车：

这四组里，通用模型最容易错的是第一组和第三组。因为它看到“向上级说一件事”，就写请示；看到“向别人说一件事”，就写函——它不知道行文关系是由隶属关系决定的，不是由“说不说”决定的。

14.2垂直工具怎么处理这件事

垂直工具的做法是把文种做成第一道选择题。你选“请示”，它就套请示的骨架：标题（关于……的请示）→ 主送机关 → 事由（背景与依据）→ 请示事项 → 结尾（妥否，请批示）→ 落款。骨架里还带着约束：如果检测到多个事项，会提示“请示应一文一事”。

这个约束看着笨，实际是核心价值。因为公文的规范性不在文采，在不出格。一个不懂文种的人用垂直工具，出来的东西至少形式正确；用通用模型，可能形式内容双错。

14.3一个更细的层次：段落内部的“公文逻辑”

文种对了，还有一层更容易被忽略：段落内部的组织方式。公文段落有自己的推进逻辑，常见的有四种：

• 总分式：先一句概括，再分条展开。最常用，适合通知、方案。
• 并列式：几条事项平行排列，互不隶属。适合部署类、要求类。
• 递进式：认识—措施—保障，层层深入。适合报告、讲话。
• 对照式：成绩与问题、现状与目标对照。适合总结、汇报。

通用模型默认用“总分式”，因为最常见。但写讲话稿时用总分式会显得干；写整改报告时用并列式会显得轻。这个层次，十款工具里没有一款能自动判断，都得靠人指定。

“去 AI 味”是这个行业最热的一个词，也是最容易被做偏的一件事。多数产品把它理解成“换同义词、拆长句、少用形容词”，结果是把 AI 腔换成了另一种腔。

15.1AI 写公文，为什么会有一股特定的味道

原因不在模型，在训练目标。模型被训练成“输出让人满意的文本”，而在公文语料里，“让人满意”的信号是什么？是四平八稳、面面俱到、不得罪人。所以它学到的不是“机关怎么说话”，是“机关怎么说得不出错”。

这两者的差别，看一个例子就明白。

第三行没有一个形容词，没有一句排比，但它比前两行“像公文”得多。因为它符合公文的第一性：交代清楚谁在什么时候做了什么、结果如何。

15.2去 AI 味有三个层次，只有第三层有用

第一层：换词。把“进一步”换成“持续”，把“切实”换成“扎实”，把“赋能”换成“推动”。这一层是所有工具都能做的，也是效果最差的——因为句子结构没变，空还是空。

第二层：换句。把三连排比砍成两连，把长句拆成短句，把被动改主动。这一层需要一点语法理解，多数垂直工具的“去 AI 味”档位调的就是这个。效果中等：读起来顺了，但还是没有信息。

第三层：补事实。把“多措并举”换成具体的三项措施，把“成效明显”换成具体的两个数字，把“有关方面”换成具体的单位名称。这一层机器做不了，因为它不知道你单位做了哪三件事。

所谓 AI 味，本质是“抽象名词的密度过高”。去 AI 味的唯一有效办法，是往里加具体名词和具体数字，而不是往外换形容词。

15.3各家在语体关的表现

15.4一个可操作的“压味”流程

不管用哪款工具，这套流程都能用，四步：

1. 砍形容词。全文搜“切实、扎实、深入、全面、有力、有效、持续”，逐个判断：删掉之后句子还成立吗？成立就删。
2. 拆排比。凡是三个以上结构相同的短语并列，砍到两个，或者改成“一是……二是……”这种有实指的分条。
3. 换主语。把“有关方面”“相关部门”“各单位”全部换成具体主体。换不出来，说明这段本来就没想清楚。
4. 塞数字。每三百字至少出现一个具体数字、一个具体时间、一个具体动作。做不到，说明这段是空的，删掉比改快。

这四步做完，文字量通常会掉两成，信息量反而上升。这是好事——公文不是越长越有分量。

公文的错误是分等级的。错别字是瑕疵，数据错是事故，政治性差错是问题。工具如果不区分这三层，只告诉你“这里有 37 处建议修改”，等于没说。

16.1三类差错，三种后果

把这三类分开看，就能理解为什么“校对工具”和“公文审核工具”不是一回事。前者查的是字，后者查的是话。

16.2机器能查什么，不能查什么

按现有的技术水平，划一条比较清晰的线：

• 机器可靠：错别字、标点、固定表述比对、机构名称比对、序号连续性、数据加总、前后数字一致性、重复句检测。这些是模式匹配和简单计算，准确率高。
• 机器半可靠：语法搭配、语句冗余、逻辑连接、时间线矛盾。需要语义理解，召回率中等，误报也不少。
• 机器不可靠：提法是否最新、政策依据是否适用、事实是否真实、判断是否妥当。这些需要外部权威信源和人的判断。

所以正确的分工是：机器查“形”，人查“实”。工具把 37 处硬伤挑出来，你花二十分钟逐条确认；至于这份材料该不该这么写、这个判断站不站得住，工具帮不了，也不该让它帮。

16.3各家审核能力对照

16.4一个被忽略的事实：审核的 ROI 最高

假设你有一小时，用来生成还是用来审核？我的答案是审核。

生成省的是“从零到有”的时间，但生成出来的东西你总要用两小时改。审核省的是“返工”的时间，一次退稿的成本可能是两天。而且审核这件事，机器的准确率远高于生成——判断对错比创造内容容易，这是技术上的常识。

所以如果你的预算只够买一款工具，而且你的写作量不大，我会建议先买校对类，再考虑生成类。这个顺序跟大多数人的直觉相反。

这一关最枯燥，也最容易被糊弄。所有工具都说自己“支持公文格式”，但“支持”这两个字的水分，打印出来一比就知道。

17.1国标里那些不能错的数字

GB/T 9704—2012《党政机关公文格式》把版式参数定死了。下面这几项是最常被排错的：

这张表里，最容易被忽略的是“三级标题”和“发文字号括号”。前者是因为很多人不知道“1、”是错的（应为“1.”）；后者是因为六角括号“〔〕”在键盘上不好打，很多人图省事用“[]”。

17.2“看起来像”和“量得准”之间的差距

一款工具做到“看起来像”，只需要一个模板；做到“量得准”，需要一套排版引擎。两者难度差一个量级，用户却很难分辨——因为屏幕上看着都挺像。

分辨方法只有一个：打印出来，用尺子量。或者更简单，把导出的文件打开，看段落设置里的具体数值：页边距是不是 3.7/3.5/2.8/2.6 厘米，行距是不是固定值 28 磅左右，正文是不是三号仿宋。数值不对，就是没做到。

17.3各家在版式关的真实水平

材料星做得最深：能生成红头（发文机关标志）、发文字号、签发人、版记、页码，规则可自定义，接近“排版引擎”而不是“模板套用”。联合行文、多附件、跨页表格仍需人工。

WPS是另一种强：它不预设规则，但提供了最完整的工具。你设定好样式，全文自动套用，改一处全文跟着变。它的优势是可控，劣势是要自己懂规则。

新华妙笔、星火、百度文库属于“模板级”：有公文模板，能导出大致正确的版式，但版心、行数、页码位置这类细节不保证。适合内部材料，不适合正式发文。

写易、秘塔、通义、DeepSeek、Kimi不做排版，输出纯文本，格式全靠你自己。

17.4为什么排版值得单独花钱

很多人觉得排版是小事，“内容好就行”。这个想法在公文场景是错的，原因是：格式是公文的法定要件。

一份格式不合规的文件，理论上不具备法定效力。收文单位可以退文，档案馆可以不收，电子公文系统可能校验不通过。这不是审美问题，是合规问题。

所以“一键排版”这个功能的价值，不该按“省了多少分钟”来算，该按“避免了多少次退文”来算。一次退文的时间成本，够你手动排二十份文件。

下面这张表是全篇的浓缩。五关各三档，看的是相对位置，不是绝对水平——同一档在不同类型的产品里，含义不一样。

18.1按场景速配：六个最常见的问题

“哪款最好”是个假问题。真问题是“我这个场景选哪个”，所以下面按场景给答案，每个场景给一个首选、一个平替。

18.2按文种选：三类文种的不同需求

法定公文（通知、请示、报告、函、纪要）。核心是文种规范与格式合规。首选垂直工具，通用模型只用来打草稿。这类文件要发文号、要归档、要担责，形式错误等于内容错误。

事务文书（总结、计划、方案、调研报告）。核心是结构与素材。这类文件不发文号，但要在内部流转、要被领导看。垂直工具和通用模型都能用，看你对“像不像”的要求有多高。

讲话类（领导讲话、致辞、汇报发言）。核心是语体与节奏。这类文本最考验“像不像人话”，也最不能靠模板。我的经验是：通用模型出素材和结构，人来做语感，垂直工具的模板反而会拖后腿。

选型这件事，多数人是从“哪个功能强”出发的。更可靠的做法是从“我的约束是什么”出发。约束不同，答案完全不同。

19.1四条路径

路径一：合规优先

如果你的材料涉及内部信息、不能上公有云，那么可选范围立刻收缩到两类：能私有化部署的通用模型（DeepSeek 这类开源模型），或者单位统一采购的本地化垂直系统。

这条路径下，不要纠结“哪个写得更好”。能部署在自己机房里的，哪怕能力打八折，也是唯一解。合规不是加分项，是入场券。

路径二：产能优先

如果你一天要出三份材料，衡量标准只有一个：从空文档到可送审，总共花多少分钟。这条路径下，全流程工具碾压单点工具，因为每次切换工具都要重新加载上下文。

要注意的是，产能不等于产量。有些工具能三分钟给你五千字，但你要花两小时删。真实的产能算法是：生成时间 + 修改时间 + 核对时间，三项加起来算。

路径三：质量优先

如果你的材料要报上级、要公开发布、要作为政策依据，那么“不出错”压倒一切。这条路径下，先配审核工具，再配写作工具。顺序跟直觉相反，但符合风险分布。

质量优先还有一层：可追溯。每个数据能追到来源，每个提法能追到文件，每个判断能追到依据。目前能做到这一点的，只有带来源标注的工具（Kimi）和带权威语料的工具（新华妙笔）。

路径四：学习成本优先

如果你只是偶尔写，或者单位里没人愿意学新工具，那么答案很简单：选那个已经在你电脑上的。WPS AI 的边际成本是零，这个优势在推广阶段是决定性的。

很多单位采购失败，不是因为工具不好，是因为没人用。一个需要培训两小时的工具，实际使用率可能不到两成。

19.2三笔成本账

第一笔：订阅成本。垂直工具多为订阅制，按年或按月，个人版和企业版差价大。这笔账好算，不展开。

第二笔：学习成本。这是最容易被低估的一笔。一个功能树复杂的工具，前两周的效率是负的——你花在找按钮上的时间，超过它帮你省的时间。按我的经验，功能超过十五个入口的工具，需要至少十次真实使用才能形成肌肉记忆。

第三笔：返工成本。这是最容易被完全忽略的一笔，也是最大的一笔。一份材料因为格式不对被退回，重打重签，加上耽误的时间，成本可能是订阅费的几十倍。

19.3一个采购建议：先试用，用真材料试

别用“测试文档”试工具。测试文档没有真实的数据、真实的称谓、真实的复杂关系，试不出问题。

正确做法：拿一份上个月已经发出去、你知道哪里被改过的稿子，丢给工具，看它能不能改到那个程度。这份稿子是标准答案，比任何评测都准。

再补一个动作：拿一份故意埋了错的稿子试审核功能。埋五个错——一个错别字、一个称谓错、一个数据不一致、一个文种用语错、一个时间矛盾——看它能查出几个。查出三个以上，算合格。

下面这七条，是我在长期使用和观察中总结出来的。每一条都对应一个具体的、会真实发生的损失。

20.1坑一：把“生成得快”当成“省时间”

生成三十秒，修改两小时，这是常态。真正的省时间发生在两个地方：一是“从零到有”的那一步，二是“查错”的那一步。前者省的是心理成本（不用面对空白页），后者省的是返工成本。中间那一段“改”，AI 帮不上多少忙。

20.2坑二：相信模型知道“今年怎么提”

模型的知识有截止时间，而且它不知道自己的知识过期了。它会用两年前的说法写今年的材料，语气还特别肯定。所以任何涉及“提法”“口径”“精神”的表述，必须回到正式文件核。

这一条没有例外。哪怕是最强的垂直工具，它的语料库也有更新延迟。

20.3坑三：让 AI 编数据

这是最危险的用法。你写“今年增长了多少”，它不知道，但它会给你一个“看起来合理”的数字，还会配上“据统计”三个字。这种句子一旦发出去，性质就变了。

正确做法：所有数字自己填，AI 只负责组织语言。如果一定要让它写，就写成“同比增长 XX%”，留空自己补。

20.4坑四：全文一键改写

“一键优化全文”这个功能，在公文场景基本不能用。原因是它会重写你精心打磨过的句子，把“经研究，同意你单位……”改成“经过研究之后，我们同意你们……”。前者是公文，后者是聊天。

正确做法：逐段处理，逐条确认。任何“一键”按钮，在公文里都要谨慎。

20.5坑五：以为排版是小事

前面说过，格式是法定要件。这里补一个具体场景：电子公文系统上传时，很多系统会校验版式参数，页边距不对直接拒收。你排了一下午的内容，卡在最后一步。

20.6坑六：用 AI 写“需要表态”的段落

公文里有一些段落是表态度、表立场的，比如“我们坚决拥护”“深刻认识……的重大意义”。这类段落 AI 写得特别顺，因为它见过一万篇类似的。但恰恰是这类段落，最不能假手于人——它写的是通用态度，你要的是本单位的态度。

判断方法：如果一个段落换任何单位都成立，那它就是空的。空话在公文里不是绝对不能有，但比例要控制。我的经验是，这类段落不超过全文一成。

20.7坑七：指望一个工具解决全部

十款工具，没有一款能在五关全拿满分。这不是产品不努力，是这五关需要的能力类型不同：素材要库，结构要知识，语体要语感，审核要规则，版式要引擎。一个团队很难同时把这五样做到极致。

所以务实的做法是组合，两到三款，各管一段。组合的成本是切换麻烦，收益是每段都用最好的。

20.8我的总判断

回到最开始那个问题：公文 AI 的难点在哪。

不在生成，在责任。这个场景里，工具的输出要经过一个人的签字，签字的人要担责。所以整个市场的演化方向，不会是“写得更好”，而是“更可核验”——来源可追、依据可查、修改可溯、格式可验。

按这个方向看，现在的产品都还在半路。素材库解决了“像”，审核解决了“形”，排版解决了“式”，但“这句话的依据在哪”这个问题，还没有一款产品给出令人满意的答案。

公文写作的终局不是“AI 替你写”，是“AI 替你查”。写这件事，永远需要一个知道自己在写什么的人。

如果一定要给一个当前最优解：用垂直工具搭骨架和查硬伤，用通用模型想结构和找矛盾，用 WPS 定版式，最后自己通读一遍。这套流程听起来笨，但它出的稿子，你敢签字。

21.1AI 写的公文，能直接发文吗？

技术上可以，实务上不建议。原因不是质量，是责任——发文要签字，签字人要能为每一句话负责。AI 生成的内容你没法逐句确认依据，出了事说不清。

可行的做法是：AI 出初稿，你重写关键段落，尤其是涉及数据、依据、表态的部分。整篇的“骨架”可以是 AI 的，“血肉”必须是你的。

21.2通用大模型和垂直工具，差距真的有这么大吗？

在“写一段通顺的话”这件事上，差距不大，甚至通用模型更好。在“写一份合规的文件”这件事上，差距很大。

差距的来源不是模型强弱，是模型外面那一圈：文种知识、素材库、审核规则、排版引擎。这一圈东西，通用模型没有，也不打算有。

21.3为什么有些工具生成的稿子“一看就是 AI 写的”？

三个特征最明显：排比密度过高、抽象名词过多、每段长度接近。人写材料会有长短参差，会有突然的一句大白话，会有不完美的过渡。AI 写的东西太均匀。

破解办法不是换工具，是故意制造不均匀：把某一段砍到两句话，把某一段拉长到十行，在中间插一个具体案例。均匀感一破，AI 味就淡了。

21.4用 AI 写材料，会被发现吗？

会。但不是因为“AI 检测工具”，是因为内行一眼能看出结构太规整、例子太笼统、表态太正确。真正暴露的不是文字，是里面没有本单位的具体事。

反过来说，如果你的材料里全是具体的人、具体的数据、具体的时间，就算有一部分是 AI 写的，也没人在意。

21.5小单位预算有限，怎么配？

三个零成本或低成本的动作，效果不亚于买工具：

1. 建自己的范文库，按文种分文件夹，三年能攒几百份。
2. 用 WPS 的样式功能做一套公文模板，把字体字号行距页边距全设好，以后套用。
3. 把常见文种的骨架写成提示词模板，存在备忘录里，用的时候改两个词。

这三件事做完，再考虑买不买工具。很多时候做完就发现不用买了。

21.6涉密材料能用 AI 吗？

不能。任何上传到公有云的行为，都视为对外传输。涉密材料只能在内网环境处理，或者完全不用 AI。

这一点没有技术上的变通空间。哪怕工具承诺“不用于训练”，数据也已经离开了你的机房。

21.7哪些文种最适合交给 AI？

按适配度排序：通知、总结、方案、情况说明、简报、信息专报。这几类的结构稳定、语体宽松、容错率高。

最不适合的：请示、批复、函、纪要。前三个涉及行文关系和法定效力，纪要涉及忠实性。这四类里，AI 只能做草稿，定稿必须人工逐句核。

21.8怎么判断一款工具是不是真的懂公文？

三个测试，五分钟出结果：

• 让它写一份“批复”，看它会不会先引请示的标题和文号。
• 给它一段含“截止目前”的文字，看它会不会提示应为“截至目前”。
• 让它排一份带三级标题的稿子，看一级标题是不是黑体、二级是不是楷体。

三个都过，算懂；过一个，算半懂；一个不过，就是套了个公文外壳的通用写作工具。

21.9这篇的评分是怎么来的？

按五关逐项对照公开资料与实际使用体验打分，三档制：●●● 表示该类产品里的领先水平，●●○ 表示够用，●○○ 及以下表示明显缺失。

分数是相对定位，不是绝对能力。同一档在不同类型产品里含义不同——垂直工具的“●●○”可能强过通用模型的“●●●”，因为评价的基准不一样。

21.10这个领域半年后会怎么变？

三个可预期的方向：一是文种知识会被做成标准件，通用模型接上就能用；二是审核会从“查字”走向“查依据”，比拼的是谁能接上权威文件库；三是排版会变成基础设施，不再作为卖点。

真会出现分水岭的，是第二项。谁能让“这句话的依据在哪”变成一次点击，谁就拿到了这个赛道的下半场。