随着大模型能力的不断进化，用AI辅助公文写作早已不是新鲜事。但工具的升级，并不自动等同于工作流的成熟。
回顾过去一段时间的实践，我在公文写作的AI辅助上经历了数次工具更迭，也伴随着认知上的反复跃迁。借此机会作一梳理，作为“公文写作方法论”系列的开篇。
一、 早期探索：初尝甜头与“归因偏差”
最早接触AI写作时，我主要依托元宝调用混元和DeepSeek。当时的DeepSeek还是R1模型，在公文这种对结构、深度和逻辑要求极高的场景下，它更多只能提供一种“体验感”，实际能提供的帮助相当有限。
真正的转折发生在接触智能体之后。智能体展现出的文件操作能力（如排版、改格式）打破了纯文本生成的局限。第一次在auto模式下调用GLM-5.1时，系统将几份公文素材对比、揉碎、重组，产出的文本异常清晰。上级对此的评价是“好得出乎意料”。
当时我陷入了一个误区：把高质量的产出主要归功于“智能体”这一工作形式，而忽视了底层模型的核心驱动力。
基于这种认知，我开始在智能体中大量预设规则：输出格式、语言风格、标题加粗原则，甚至连领导的个人喜好都固化了进去。初期的效果确实好，文章输出越来越对路，公文写作似乎进入了一个“舒适区”。
二、 模型危机：工具依赖的脆弱性
对特定工具链的路径依赖，在面临资源变动时显得极为脆弱。上周，我常用的1亿token的GLM-5.2资源包见底，且官方已下架该产品。那一刻，原本顺畅的工作流面临中断。
当晚我开始密集测试替代方案。结果很残酷：在精细化公文写作这个垂直领域，智谱的模型表现一骑绝尘，其他家难以胜任复杂语境下的行文要求。 随后我又测试了智谱自家的4.7及4.7 flashX版本，效果均差强人意。如果维持原有的高频自动化调用习惯，单月算力成本预估将超过1500元。
最终的出路，是回归到智谱清言的对话式窗口。通过订阅制调用满血版GLM-5.2，量大管饱。这看似退回了“对话式”这种相对早期的交互模式，却帮我厘清了一个关键事实：过去的工作优势，不完全是智能体这种形式赋予的，而是智谱模型底座能力的加成。 工具形式会变迁，底层模型的能力才是核心生产力。
三、 认知跃迁：从“粗放生成”到“逐句打磨”
真正的认知跃迁，发生在近期一次严肃的领导年中工作会议报告撰写中。
此前，我的习惯是把素材和要求一股脑扔给智能体，一键生成终稿。这种模式产出的文本，逻辑通顺、对仗工整，结构也说不过去——这是模型能力的保底。但 “粗也是一定的”，没有过程中的干预和微调，在表述精度和逻辑纵深上，很难做到精益求精。
在这次年中报告的复盘中，我放弃了“一键生成”的执念，转而采用高强度的交互式打磨。具体流程调整为：
- 生成初稿：在对话窗口生成文字版初稿，并导出为标准公文格式版本。
- 手动固化：不再要求模型全篇重写，而是将文本手动复制到本地文档中固化。
- 逐段精修：对照着正式格式，在对话窗口中针对提纲结构、底层逻辑、标题对仗以及行文表述，进行逐段、逐句的微调。
这个过程很磨人，但成果斐然。这种做法确立了人机协作的正确边界：将AI的角色从“终稿生产者”降格回“初稿协作者”，把人的控制权重新拉回“节奏把控与标准制定者”的位置。 只有通过不断地交互和微调，打磨出的成果才更像是一个精品。
四、 写在最后
回顾这段历程，核心收获不在于发现了某个特定的模型订阅方案，而在于明确了公文写作中人机协同的边界。
模型提供素材整合与初稿生成的效率，而人必须掌握结构、逻辑与表述的最终裁定权。基于这些固化下来的思维和经验，我的公文写作工作流已基本成型。后续的文章将围绕这套工作流展开系统拆解，重点涵盖基于严肃度与介入深度的分层分类策略，以及各层级匹配的工具链选择。