























公文写作中的质检环节长期困扰政企用户,低效且易错。本文揭秘如何用工作流智能体打造6步完成的高效质检方案,通过拆解模型分析与结构化输出的黄金组合,实现从JSON报告到可执行建议的无缝转换。这种'模型判断+工作流表达'的范式,更可复用到合同审查等各类文本核查场景。

在政企办公、集团内部管理、行政人事等场景中,公文写作几乎是高频、刚需,却长期低效的工作。无论是通知、请示、报告还是函件,真正耗时的并不是“写”,而是反复检查:行文是否规范、称谓是否准确、标点是否合规、要素是否缺失。
正是基于这个真实痛点,我尝试用工作流智能体的方式,搭建了一款 6 个节点以内即可完成的「公文智能质检官」。本文将完整分享我的场景洞察、设计思路、实现路径以及实战中的关键经验,帮助你一步步复刻这套方法。
在日常工作中,我观察到几个非常典型的现象:
这类任务的本质并不是“生成内容”,而是:对已有文本进行规则化检查,并给出结构清晰、可追溯的修改建议。
这正是工作流智能体的优势所在:
所以我给自己定下了一个明确目标:不做“帮你重写公文”,而是做“帮你找出哪里不合规、为什么、该怎么改”。
在设计之初,我刻意避开了“复杂即高级”的误区,而是坚持三个原则:
最终,我设计的整体结构如下:
开始
→ 参数提取
→ 公文质检(模型分析)
→ 问题结构化(JSON → 人话)
→ 回复
→ 结束
这个结构非常关键,它解决了很多人第一次用工作流时容易踩的坑:
不是模型输出什么,用户就看什么。
下面我按真实搭建顺序,拆解每一个关键节点的作用。
用户的操作非常简单:
把完整公文正文复制进输入框,发送。
开始节点不做任何加工,只负责把文本传给后续流程。这一步看似简单,但有一个关键意识:
不要在开始节点“引导用户分字段填写”,那会极大降低可用性。
在参数提取节点中,我只做了两类信息收集:
这些信息全部来自同一段用户输入,而不是额外表单。这样可以做到:
这是整个系统的核心模型节点,但它的职责被我刻意收窄:
只输出 JSON 结构的质检结果
例如:
这一步我明确禁止模型:
原因只有一个:
模型擅长分析,不擅长“控制表达形式”。
这是我整个流程里最关键、也最容易被忽略的一步。
很多人会问:
模型都已经输出结果了,为什么还要一个节点?
答案是:
用户不是程序员,看不懂 JSON。
这个节点的作用只有一个:
把结构化结果,翻译成“质检报告”。
例如:
这一层不是“多余”,而是体验分水岭。
在回复节点,我不再让模型“思考”,而是:
这一步确保了:
最终输出 = 可控、稳定、不会跑题。
结束节点只做收口,不承担业务逻辑。这让整个流程:
在多次调试和真实公文测试后,我总结了几条非常重要的经验:
拆成两个节点,效果会好非常多。
这会极大提升用户信任度。
而不是一味追求模型能力。
这套公文智能质检工作流,并不是为了“炫技”,而是一个可被复制到无数类似场景的方法论:
只要你记住一句话:
模型负责判断,工作流负责表达。
本文由 @芋头 原创发布于人人都是产品经理。未经作者许可,禁止转载
题图来自Unsplash,基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理,仅供阅读参考。 原文来自 — 版权归原作者所有。