AI公文系统

本项目是一套面向政务、公文管理和知识服务场景的智能公文系统，围绕“公文采集、治理、分类、检索、生成、审查、共享”构建完整业务闭环。系统将传统依赖人工完成的公文处理流程进行线上化和智能化，通过接入大模型能力，提升公文处理效率、检索准确性和业务规范性，同时保留后台可控、可配置、可审计的管理能力。

前台用户端功能
前台采用统一聊天式交互，主要包含以下功能：
对话模式：作为通用大模型问答入口，处理日常咨询、政策理解和业务问答。
写公文：用户输入一段需求描述，系统直接生成对应公文内容，输出方式贴合当前前台页面使用习惯。
合法性审查：支持文本输入和附件上传；当用户上传文档时，系统执行合法性审查；未上传附件时，则按普通大模型问答处理。
智能检索：根据用户输入的语义描述或关键词，从公文库中匹配最符合的一条结果，并对历史 HTML 标签内容做清洗，保证前端正常阅读和下载。
历史会话管理：支持新建对话、查看历史记录、修改标题、删除话题。
分享功能：支持按单条、多条或全选消息创建分享链接，其他用户可通过分享页查看内容，并跳转到系统登录页继续使用。
收藏功能：支持按单条消息进行收藏，在个人中心查看收藏夹、查看详情、移除收藏，并可定位回原始对话位置。
个人中心：集中管理用户资料、收藏夹等个人内容。

后台管理端功能
后台主要承担公文数据治理和系统配置职责，包含以下模块：

公文管理：查看公文列表、筛选、搜索、导出文档、查看详情、人工调整分类。
公文处理：包含预处理管理、清洗管理、分类管理等流程化能力，用于提升原始公文数据质量。
智能分类：调用大模型对未分类公文进行自动分类，并返回分类自评分。系统支持设置分类评分阈值，低于阈值的公文允许人工编辑分类，高于阈值则限制修改，保障分类稳定性。
模板管理：维护公文生成模板，为不同类型公文生成提供标准化支撑。
法律法规检索分类管理：维护检索侧使用的分类体系，支持更精细的公文归类和搜索。
敏感字管理：可维护敏感字列表。通过同步接口进入 AI 数据库前，系统会先扫描敏感词，命中的数据不写入 AI 检索库，但会保留拦截记录，便于复核。
AI 提示词配置：将审查公文、生成公文、文档分类、大模型问答等关键提示词统一抽出到后台可编辑，并支持上传 docx/txt/md 文档导入。系统会对导入内容进行格式校验、必要变量检查和风险提醒，避免误配导致功能失效。
系统设置：除常规系统参数外，还可配置 AI 分类评分阈值等关键策略。
用户、角色、权限管理：支持用户管理、成员管理、角色分配、权限控制。
操作日志：对关键后台操作进行记录，便于追踪和审计。

一、整体架构
系统整体采用“三端一体”的设计思路：
用户前台：面向普通业务用户，提供对话问答、公文生成、合法性审查、智能检索、历史记录、分享、收藏等功能。
管理后台：面向管理员，提供公文管理、公文预处理、清洗、分类管理、模板管理、敏感字管理、AI 提示词配置、系统设置、权限管理、日志管理等能力。
后端服务：基于 FastAPI 提供统一 REST API，负责认证鉴权、业务逻辑处理、文档处理、AI 调用、数据读写、任务管理和日志记录。
数据与模型层：MySQL 负责业务数据存储；大模型服务负责问答、生成、审查、分类等 AI 能力；公文数据可同步到 AI 专用库用于检索增强

二、设计思路
项目设计遵循“业务优先、AI 为辅、配置驱动、结果可控”的思路。

统一交互入口
前台将“写公文、合法性审查、智能检索、对话”整合到同一输入区，用户只需要切换功能即可完成不同任务，降低使用门槛。

AI 能力模块化
问答、生成、审查、分类分别设计为独立能力，但底层统一通过 AI 服务接入，便于后续切换本地模型或线上模型。

提示词配置化
将审查公文、生成公文、文档分类、大模型问答等核心提示词从代码中抽离，放到后台统一维护，并支持文档导入，方便后续优化迭代。

公文数据治理前置
系统没有直接把原始公文拿给 AI 使用，而是先通过预处理、清洗、分类、敏感字拦截等流程提升数据质量，确保后续检索与分类效果更稳定。

人工校正机制保留
例如智能分类虽然依赖大模型，但系统引入“分类自评分 + 阈值控制”，低分结果允许人工调整，高分结果限制修改，兼顾效率与准确性。

三、技术栈

后端技术栈：
FastAPI：提供高性能异步 API 服务
SQLAlchemy：ORM 数据访问
MySQL：业务数据存储
Alembic：数据库迁移
JWT：用户认证与授权
python-docx：Word 文档解析与导出
OpenAI SDK / 本地模型兼容调用：大模型能力接入

前端技术栈：
Vue 3：前端框架
Element Plus：UI 组件库
Axios：接口请求
Vite：构建工具
管理后台技术栈：

Vue 3 + Element Plus
ECharts：后台统计与可视化能力
DOMPurify / Marked：富文本内容渲染与安全处理
五、实现难点与解决方案

难点：技术问题都不是问题，和该项目甲方沟通才是最大问题
问题表现：甲方为60+岁男性，特点是抠门和不信任任何人，常常提出异想天开想法并用豆包免费模型落地方案来教我开发，给他科普软件开发的基本常识他都要去求证豆包，与该客户的沟通过程中，极大的锻炼了本人的情绪控制能力和表达多样化能力。