舍予基业旗下 · 政务与科技项目

把申报材料变成可核对的证据表

几十页到几百页的申报材料,几秒钟读完。抽出的每个值都带着页码、原文和双引擎交叉;每条结论都能追回指南原文。初审员不必再逐页翻找,只需要确认或改判。

进入系统先看它怎么做到

当前阶段仅对内部账号开放,尚未对外受理注册

Four Laws

不替人审,只让人审得快、审得住

常见做法是把材料丢给大模型,让它给一个「低/中/高风险」。我们不这么做 —— 那种结论没法追溯,也不敢进公文。这四条铁律,决定了它的每一个数字都站得住。

先定位,再抽取按章节树把字段映射到具体页面,模型只看该看的那几页。不是把整本材料塞给模型碰运气。

程序管数字,模型管语义金额、日期、份数、比例一律由程序读取和计算;模型只在表格直取、正则、计数全都没命中时才出手,而且必须给出原文。

没有出处的值不存在每个值带七项元数据:文件、页码、坐标、原文、抽取方法、引擎交叉、置信度。模型给的值若在原文里找不到,当场作废并留痕。

四值结果,绝不默认通过通过 / 不通过 / 需人工 / 未核验。数据源接不上就明写「未核验」,不会因为查不到就放行。

Pipeline

一个材料包进来,系统做五件事

进料 → 核验 → 对比 → 报告 → 治理。每一步的产物都落库、可单独重跑、可回放。

进料

PDF 文本层带坐标直读,扫描页走本地 OCR,表格走表格识别,Word 与 Excel 一并吃。内容哈希去重,按文件名与首页关键词分类到必备件清单。

几十到几百页扫描件本地识别自动分类必备件

核验

三层:确定性校验(信用代码校验位、预算求和、日期逻辑、必备件齐全)、自有库硬匹配(重复申报、历史履约、限项)、数据共享接口。规则用受限表达式写,每条挂着指南原文出处。

确定性校验自有库硬匹配共享接口

对比

与同专题历年项目比中位数与四分位。数字全部程序算,模型只在偏离显著时写一句解释,且只能引用给定的数字。明确标注「参考,不作为退回依据」。

同专题建池跨年度样本不作退回依据

报告

字段证据表可逐条点开并排核对:左边值与原文,右边原页带水印与高亮框。初审意见书出 Word 与 Markdown 两份,退回理由只列企业能整改的项。

并排核对意见书一键出理由可整改

治理

专题配置按年度冻结成快照,材料包钉住收包当时那一版 —— 指南改版不会翻旧账。回归测试、扰动测试、人机差异日志、在线热备,一样不少。

配置快照可回放人机差异日志

企业预检

企业提交前可自查,只返回自己能整改的项。让材料在进门前就干净一轮,初审员的工作量从源头降下来。

提交前自查只回可整改项源头减量

Verdicts

结论只有四种,每一种都说人话

没有「风险 0.73」这种没法落公文的数字。

通过

规则命中且数据齐全。

不通过

确定性规则判定不符,写明差在哪、依据哪条指南原文。

需人工

输入缺失或处于边界。系统不猜,交给人。

未核验

数据源没接上或名单未导入。明写未核验,不默认通过。

Architecture

多专项、多年度,是一开始就设计好的

一份年度申报指南里往往有十几套申报口径,各有各的材料清单和资助强度;同一个专题每年还要改一版。这两件事如果没在架构里分开,跨年度查重会查不到,同类对比的基线会串味。

层	回答什么问题	为什么必须独立
专项组	这份指南是哪来的	一份指南一个盘子,只做分组与出处。
专题	按什么口径审	各自一套必备件、字段字典、规则集、对比池。混在一起,基线就是错的。
专题族	跨年度是不是同一件事	查重、同类对比、初审员授权都沿它走。授一次管所有年度,新年度不必重来。
年度版本	这份材料按哪版规则审的	克隆上一年度再改 diff,发布即冻结成配置快照。
申报批次	现在能不能收	申报窗口关了就不该再收包。

Security

数据不出内网

政务网环境按离线设计:本地识别、模型可换、角色分权、全程留痕。

本地识别

OCR 跑在本机 CPU,不上云。替换成信创环境的引擎只改一个适配器。

模型可换

走 OpenAI 兼容接口,换成政务网内自建的模型只改一行地址,代码一行不动。不配模型也能跑,那几项改走「需人工补录」。

四类角色分权

管理员、初审员、审计、企业。初审员按专题族看数据,企业按信用代码只看自己的;审计与企业视角自动脱敏,页面图带水印。

全程留痕

谁在什么时候改判了哪个字段、模型被叫了几次、有几次被引用回验拦下,都进日志,可回放。