一种基于自由指令解析的文档改写控制方法及系统与流程

本技术涉及自然语言处理、生成式人工智能、文档编辑、人机交互及智能写作，具体涉及一种基于自由指令解析的文档改写控制方法、系统、计算机可读存储介质以及电子设备。

背景技术：

1、目前，随着大语言模型技术的成熟，智能写作系统已广泛支持文章改写、扩写、缩写、润色、摘要生成、风格转换及标题生成等多种文档处理任务。然而，现有系统在处理用户自由文本指令时，普遍采用将用户原始指令与待处理文本直接拼接为提示词输入大语言模型的简单模式，该方式在自由指令场景下存在以下技术缺陷：

2、第一，用户指令表达的非结构化和口语化特征导致意图理解不稳定。比如，用户常以“帮我改得正式一点”、“这段太啰嗦，压一下”、“整体像政策报告一些”、“换个更有冲击力的标题”等隐含、模糊方式下达指令，系统未经深度解析即直接传递原始指令，易使大语言模型产生意图偏差，例如将语气润色误解为内容重写，或将信息压缩误解为事实删除，严重影响生成结果的可用性。

3、第二，改写任务类型多样但缺乏统一的结构化任务表达与控制机制。扩写、缩写、润色、风格迁移、结构重组、标题生成等任务对模型的输入输出约束和生成侧重差异显著，而现有系统通常采用通用提示词模板处理所有任务，缺少对任务类型、改写范围、长度约束、风格等级、事实保持要求及禁止事项等关键参数的结构化描述和精细化控制，导致模型输出的稳定性、准确性和可控性不足。

4、第三，生成控制策略的选择粗放，无法依据不同意图动态匹配最优生成链路。不同改写任务对提示词模板、模型温度及top-p等参数设置、多步工作流及后处理策略的要求各不相同，例如缩写需强调信息浓缩与长度控制，润色需保持事实和流畅性，风格迁移需突出目标语体特征，结构重组需保障逻辑清晰。现有系统缺乏前置意图识别与结构化配置，导致所有任务复用同一生成链路，难以实现任务适配的动态策略优化，影响改写效果的一致性和效率。

5、第四，缺乏生成前可预判、生成后可校验的任务配置与约束量化手段。现有“原文+用户指令”自由组合模式下，系统无法在生成前判断任务完整性或约束冲突，亦无法在生成后客观校验结果是否满足指令要求，例如“压缩一下”未明确字数目标，“正式一点”未定义风格等级，“不要改变原意”无可量化校验标准，致使用户期望难以确定，结果质量也无法自动化评估。

6、第五，多轮自由改写过程中易发生上下文漂移和指令遗忘。在连续改写场景中，用户常提出“再短一点”、“保留第二段”、“换成简报风格”、“刚才太硬了，柔和一点”等迭代指令，若系统缺乏对每轮指令任务类型和约束更新的识别能力，且未对历史任务状态进行有效管理，则容易丢失前序要求，导致改写方向偏离乃至生成与用户意图相悖的内容，这是现有系统在上下文状态管理方面的显著短板。

7、综上所述，现有智能写作系统在自由指令处理方面存在意图理解、任务表达、策略适配、约束量化及上下文管理等不足，亟需一种能够对自由指令进行结构化解析并据此实施精细化改写控制的方法。

技术实现思路

1、为了克服现有技术中存在的上述缺陷，本技术提出了一种新的基于自由指令解析的文档改写控制方法与系统。更确切地，本发明提出了一种通过将自由文本指令解析为结构化改写任务配置，并基于该配置动态控制生成过程和结果校验的文档改写控制方法与系统，旨在解决自由文档改写场景中，用户自然语言指令不规范、任务意图不明确、生成控制策略选择粗放、改写过程不可控、结果难以校验以及多轮改写上下文漂移等核心技术难题。

2、具体而言，本发明主要解决以下技术问题：

3、1、如何从用户高度自由的文本指令中精准识别其真实改写意图，并将其转换为机器可理解、可执行的结构化改写任务配置。

4、2、如何在复合指令和多轮改写场景下，有效管理和传递改写意图与约束，解决指令冲突，避免上下文漂移。

5、3、如何根据生成的结构化改写任务配置，动态选择最匹配的生成控制策略（包括prompt模板、模型参数、工作流、预设校验器等）。

6、4、如何建立生成前可预测、生成后可校验的改写任务闭环，确保生成结果高度符合用户预期。

7、5、如何通过上述机制显著降低大语言模型对用户指令的误解概率，提升自由改写结果的稳定性、可控性和可信赖度，并实现自动修正。

8、本发明方案的核心在于，在调用生成式模型进行文档改写之前，引入一个智能控制层。该控制层对用户自由文本指令进行深度的语义解析、多意图识别、约束抽取、语义归一化、任务配置生成与校验，并实现多轮改写上下文管理。最终，将原始自然语言指令转化为一个标准化、可验证、可追踪的结构化改写任务配置。系统根据该配置动态选择最合适的生成控制策略，包括定制化的prompt模板、模型参数、工作流、文档裁剪与注入规则、以及校验器组合，进而执行文档改写，并对结果进行闭环校验与修正。

9、本发明改变了现有技术中简单prompt拼接的模式，通过在生成前增加“指令语义归一化”、“结构化任务配置管理”和“生成控制策略选择”环节，使文档改写任务具备明确的任务类型、处理范围、目标风格、长度要求、事实保持要求、禁止事项和输出格式要求，显著提升了生成结果的精确性、可控性和可靠性。

10、为了实现上述目的，本发明采用了以下技术策略：

11、1、自由指令到可执行结构化改写任务配置的转换机制

12、本发明并非简单地将用户自由指令发送给生成式模型，而是引入一个智能控制层，通过指代解析、多意图识别、约束抽取和上下文补全，将用户非结构化、口语化、隐含式的自由指令，全面转换为包含改写类型、精确范围、硬/软约束、优先级和校验规则的标准化结构化改写任务配置（rewritetaskconfig）。这是实现可控改写的核心前提。

13、2、支持复合意图、约束优先级与冲突处理的任务归一化机制

14、针对用户表达的多样性和潜在冲突，本发明能同时识别主意图和副意图，并对长度、风格、事实保持等要求进行硬约束和软约束的区分与优先级定义。当检测到约束冲突时，系统依据预设策略进行自动消解或向用户澄清，确保最终生成的任务配置是逻辑自洽且可执行的。

15、3、基于结构化任务配置的动态生成控制策略选择与适配机制

16、本发明根据rewritetaskconfig中识别的意图、约束及优先级，动态、精细化地选择和适配最合适的生成控制策略，包括：定制化的prompt模板、文档裁剪与注入规则、模型参数配置、多步骤工作流以及预设的校验规则集和失败处理策略。而非现有技术的单一通用prompt或粗放策略。

17、4、基于任务配置版本链的多轮改写上下文管理机制

18、为解决多轮自由改写中的上下文漂移问题，本发明引入了任务配置版本链管理机制。每一轮改写都会生成新的rewritetaskconfig版本，该版本能智能地继承、覆盖或新增上一轮任务的意图和约束，确保连续改写过程中的指令上下文得到有效且精确的传递和管理。

19、5、可验证任务配置与基于校验失败项的闭环修正机制

20、本发明建立了一个从生成前校验到生成后修正的闭环控制流程。系统在生成前对任务配置进行完整性和冲突校验，在生成后依据配置进行多维度自动化校验。更重要的是，当校验失败时，系统能自动识别失败校验项，将其转换为具体的修正约束，并触发局部修正或重新生成，直至结果满足要求或达到重试上限，极大地提升了生成结果的可靠性和自动化处理能力。

21、具体而言，本技术提供了以下技术方案：

22、本技术的第一方面提供一种基于自由指令解析的文档改写控制方法，如图1所示，包括以下步骤：

23、s1、获取用户输入的自由文本改写指令及与当前文档对应的上下文信息；

24、s2、对所述自由文本改写指令进行预处理，所述预处理至少包括指代解析和上下文补全，生成规范化指令；

25、s3、对所述规范化指令进行改写意图识别、约束参数抽取及改写范围定位，以获得至少一个候选改写意图及关联的结构化约束参数；

26、s4、将所述候选改写意图、约束参数及改写范围语义归一化，生成包含主改写意图、副改写意图、改写范围、硬约束、软约束及约束优先级的结构化改写任务配置；

27、s5、对所述结构化改写任务配置执行完整性校验和约束冲突检测，并在多轮改写场景中基于历史改写任务配置进行上下文继承、覆盖或新增，以生成当前轮次的最终改写任务配置；

28、s6、根据所述最终改写任务配置，动态选择目标生成控制策略；

29、s7、基于所述目标生成控制策略构建模型输入并调用生成式模型执行文档改写，获得改写结果；

30、s8、根据所述最终改写任务配置中确定的预设校验规则集，对所述改写结果进行多维度自动化校验；

31、s9、当所述改写结果未通过校验时，将失败校验项转换为修正约束，并基于所述修正约束触发局部修正或重新生成，直至所述改写结果通过校验或达到预设重试次数。

32、进一步地，本技术方法中，步骤s1中，所述上下文信息至少包括用户选中文本、文档结构及历史改写任务配置；

33、步骤s2中，所述预处理还包括：去除无效空白字符、统一标点符号、识别否定表达、提取程度副词及识别口语化表达。

34、进一步地，本技术方法中，步骤s3中，所述改写意图识别包括：识别所述规范化指令中包含的一个或多个候选改写意图，并评估各候选改写意图的置信度；当所述规范化指令包含多个改写意图时，区分主意图与副意图；所述改写意图至少包括扩写、缩写、润色、改写、风格迁移、结构重组、标题生成、摘要生成、语气调整、逻辑优化、格式转换、内容续写及错别字与语病修正。

35、进一步地，本技术方法中，步骤s3中，所述改写范围定位包括：基于所述上下文信息，将所述自由文本改写指令中的指代词解析为明确的改写范围；所述改写范围包括选中文本、光标所在段落、指定段落或章节、全文中的至少一种，或通过起始偏移量和结束偏移量精确定义。

36、进一步地，本技术方法中，步骤s3中，所述约束参数包括硬约束和软约束，所述硬约束为必须满足的条件，所述软约束为优先满足但允许灵活处理的条件；

37、所述约束参数包括改写类型、目标长度、目标风格、目标语气、事实保持指示、信息增减限制、结构保持指示、实体保持指示、输出格式、候选结果数量及禁止事项中的一项或多项。

38、进一步地，本技术方法中，步骤s5中，所述完整性校验和约束冲突检测包括：当所述结构化改写任务配置中存在关键参数缺失时，根据所述上下文信息或历史改写任务配置进行自动推断补全，或生成澄清问题向用户追问，或采用默认策略补全并标记置信度；当检测到约束冲突时，依据硬约束与软约束的优先级进行自动消解，或向用户提示冲突并请求选择。

39、进一步地，本技术方法中，步骤s5中，所述在多轮改写场景中基于历史改写任务配置进行上下文继承、覆盖或新增包括：维护任务配置版本链，所述任务配置版本链通过记录各轮次任务配置的标识、版本号及父子关系，实现约束的继承、覆盖、新增或删除；将上一轮改写任务配置作为基础配置，当当前指令为增量指令时，在所述基础配置中新增约束参数；当当前指令为修改指令时，更新所述基础配置中对应字段；当当前指令为删除指令时，移除所述基础配置中相应约束；对未提及的约束参数默认继承所述基础配置；基于所述基础配置和当前指令生成新版本的结构化改写任务配置，并记录版本间的继承关系。

40、进一步地，本技术方法中，步骤s6中，所述目标生成控制策略包括：prompt模板选择、文档裁剪与注入规则、模型参数配置、工作流选择、预设校验规则集及校验失败处理策略；其中：所述prompt模板根据主改写意图和副改写意图选择；所述文档裁剪与注入规则根据改写范围和约束参数确定待注入文档内容及其裁剪方式；所述模型参数配置至少包括温度参数和top-p参数。

41、进一步地，本技术方法中，步骤s8中，所述多维度自动化校验包括以下至少一项校验：任务类型匹配校验、长度约束校验、风格符合度校验、语气符合度校验、事实一致性校验、实体一致性校验、数字一致性校验、时间一致性校验、结构保持校验、输出格式校验及禁止事项检查。

42、本技术的第二方面提供一种基于自由指令解析的文档改写控制系统，所述系统运行时实现前述的基于自由指令解析的文档改写控制方法的步骤，如图2所示，所述系统包括：

43、指令接收模块，用于获取用户输入的自由文本改写指令及与当前文档对应的上下文信息；

44、指令预处理模块，用于对所述自由文本改写指令进行预处理，所述预处理至少包括指代解析和上下文补全，生成规范化指令；

45、意图识别与参数抽取模块，用于对所述规范化指令进行改写意图识别、约束参数抽取及改写范围定位，以获得至少一个候选改写意图及关联的结构化约束参数；

46、任务配置管理模块，用于将所述候选改写意图、约束参数及改写范围语义归一化，生成包含主改写意图、副改写意图、改写范围、硬约束、软约束及约束优先级的结构化改写任务配置；以及对所述结构化改写任务配置执行完整性校验和约束冲突检测，并在多轮改写场景中基于历史改写任务配置进行上下文继承、覆盖或新增，以生成当前轮次的最终改写任务配置；

47、生成控制策略调度模块，用于根据所述最终改写任务配置，动态选择目标生成控制策略；

48、改写执行模块，用于基于所述目标生成控制策略构建模型输入并调用生成式模型执行文档改写，获得改写结果；

49、结果校验与修正模块，用于根据所述最终改写任务配置中确定的预设校验规则集，对所述改写结果进行多维度自动化校验；以及当所述改写结果未通过校验时，将失败校验项转换为修正约束，并基于所述修正约束触发局部修正或重新生成，直至所述改写结果通过校验或达到预设重试次数。

50、本技术的第三方面提供一种电子设备，包括：存储器和处理器；

51、存储器：用于存储计算机程序；

52、处理器：用于执行所述计算机程序，以实现前述的基于自由指令解析的文档改写控制方法的步骤。

53、本技术的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现前述的基于自由指令解析的文档改写控制方法的步骤。

54、综上，与现有技术（简单prompt拼接模式）相比，本发明方案具有以下优势：

55、（1）显著提高意图识别的精准性：能够从高度自由的自然语言指令中，精准识别用户真实改写意图（包括主副意图），并评估置信度，大幅降低大语言模型对用户需求的误解概率。

56、（2）实现改写任务的结构化与标准化：将非结构化指令转换为机器可理解、可执行的标准化rewritetaskconfig，包括硬约束、软约束和优先级，提高了任务的可执行性和自动化程度。

57、（3）提供精细化的生成控制能力：能够根据结构化任务配置，动态选择最匹配的prompt模板、文档裁剪注入规则、模型参数、工作流和校验器组合，确保生成过程高度受控，输出结果更加符合预期。

58、（4）支持复合意图和多轮改写场景：有效处理用户提出的复合指令，并通过任务配置版本链机制，智能管理多轮改写过程中的上下文继承、覆盖和更新，显著解决上下文漂移问题。

59、（5）建立闭环、可验证的改写流程：在生成前进行任务完整性和冲突校验，在生成后对结果进行多维度自动化校验。当校验失败时，能自动生成修正约束并触发局部修正或重生成，大幅减少不合格输出，提高结果可靠性。

60、（6）提升智能写作系统的鲁棒性和用户体验：通过精准的指令解析、灵活的策略选择和自动化的闭环修正，显著提升了智能写作系统在自由改写场景下的稳定性、可控性、生成质量和用户满意度。

61、（7）提供可追溯的审计与优化机制：完整的任务配置版本链和执行记录，为后续的性能分析、模型优化、审计和问题排查提供了全面的数据支撑。