基于大语言模型的模板自适应填充式文档生成方法及系统与流程

摘要: 本发明属于软件工程与人工智能交叉领域,具体涉及文档自动化生成、基于大语言模型的智能体技术、docx文档结构化处理,以及面向大语言模型的约束工程技术。尤其涉及一种...
基于大语言模型的模板自适应填充式文档生成方法及系统与流程

本发明属于软件工程与人工智能交叉领域,具体涉及文档自动化生成、基于大语言模型的智能体技术、docx文档结构化处理,以及面向大语言模型的约束工程技术。尤其涉及一种基于大语言模型的模板自适应填充式文档生成方法及系统。本发明尤其适用于需要严格保留企业或行业模板格式的复杂文档自动生成场景,以及文档种类繁多、模板频繁变化、传统硬编码脚本维护成本高的软件测评、工程质量管理、合规归档等领域。

背景技术:

1、基于固定模板的文档自动化生成旨在减少人工复制、粘贴、排版的工作量,将数据自动注入预定义模板以生成最终文档。传统方案主要包括以下两类。

2、第一类为基于占位符替换或内容控件的模板填充方法。该类方案要求模板制作者预先知晓所有待填充字段并统一占位符格式或固定控件,实现简单,但难以应对复杂表格、动态行数增减、图片插入等灵活场景。例如,传统占位符替换方法仅能对预先标记的特定文本位置进行简单替换,当模板中包含需要根据数据量动态扩展的表格行时,该类方法无法自动克隆表格行并继承其格式,需要人工预设最大行数或编写额外逻辑代码,灵活性明显不足。

3、第二类为利用大语言模型直接生成文档或填充文档的方法。随着人工智能发展,利用大语言模型生成技术文档、报告、合同、会议纪要等已成为研究热点。例如,现有技术中存在通过大语言模型解析多份文档并基于提示模板生成结构化文本数据的方案,以及将大语言模型接入wps等办公软件实现智能文档生成的方案。然而,该类方案在实际应用中暴露出以下突出问题:

4、一是格式漂移问题。大语言模型在面对用户自定义的docx模板时,由于缺乏对文档内部xml结构的精确理解,容易偏离模板格式要求,产生格式漂移、字段遗漏、幻觉内容等问题。现有方案虽可通过词表约束或后校验循环对模型输出进行格式约束,但这些约束仅作用于模型输出环节,无法从根本上解决模型对复杂word模板格式理解不精确的问题。

5、二是过程不可复现与不可解释问题。现有大语言模型文档生成方案通常将模型仅作为"文本生成器"直接输出最终文档,其生成过程是即时的、不可复现的、不可解释的,难以满足流程规范化场景(如归档管理)中对生成过程可审计、可追溯的要求。

6、三是同类型文档生成任务的重复成本问题。现有方案中,对于同类型文档的每次生成任务,均需重新调用大语言模型,无法将同类文档的生成逻辑固化为标准流程,导致效率低下且成本较高。传统硬编码脚本方案下,每新增一种模板都需要开发人员编写专门的填充逻辑,维护成本高。

7、综上所述,现有技术迫切需要一种既能灵活适应复杂word模板,又能将业务流程中涉及的同类文档生成任务固化为标准流程的填充式文档生成方法,能够将结构化或半结构化的复杂项目过程记录等信息作为输入,输出严格遵循模板格式且内容填写准确的word文档,减少人工介入,提升工作效率。

技术实现思路

1、针对现有文档自动生成技术中存在的格式漂移、过程不可复现不可解释、同类型文档生成任务重复成本高的不足,本发明提供了一种基于大语言模型的模板自适应填充式文档生成方法及系统,旨在实现以下目标:

2、1、使大语言模型生成的内容能够严格遵循用户自定义word模板的格式要求,消除格式漂移。

3、2、使文档生成过程可复现、可审计、可追溯。

4、3、将同类型文档的生成逻辑固化为可复用标准流程,降低新增模板的维护成本。

5、为解决上述技术问题,本发明采用如下技术方案:

6、一方面,本发明提供了一种基于大语言模型的模板自适应填充式文档生成方法,包括以下步骤:

7、s1:模板分析,解析用户上传的自定义文档模板,提取所述模板的结构化描述信息并生成模板分析结果,所述结构化描述信息至少包括字符级别的格式信息。

8、具体地,模板分析程序对docx模板进行解析,提取section级别的页面尺寸与边距信息、段落级别的样式与对齐方式信息、字符级别的每个文本片段(run)的字体、字号、粗体、斜体及颜色属性,以及表格的行列数与单元格格式信息,生成结构化的模板分析报告。这一约束将大语言模型对模板结构的认知从"黑箱猜测"转变为"确定性输入",显著降低了模型因误判表格位置、单元格合并或样式范围而导致的填充错误。

9、s2:规则获取,获取用户输入的填充规则描述信息,并将所述填充规则描述信息解析为可执行的规则指令集合。

10、所述填充规则描述信息包括自然语言描述和/或结构化表达式。结构化表达式至少包括用于指示字段间取值映射的第一类表达式(如map关键字,支持字符串拼接操作)和用于指示直接字符串替换的第二类表达式(如replace关键字)。例如:

11、"rr240801"replace项目编号:将所有"rr240801"字段替换为项目编号对应值;

12、项目名称map项目名称+"测试":将所有项目名称对应字段后面加上"测试"两个字;

13、把所有时间相关的值都加一天:由模型根据自然语言描述判断并执行相应转换。

14、这一模块将自然语言映射转化为可解析、可执行、可审计的指令集合,同时保留了对复杂转换的表达能力。

15、s3:脚本生成,基于所述模板分析结果和所述规则指令集合构建生成提示词,调用大语言模型,使所述大语言模型在所述生成提示词的约束下生成可执行的填充脚本,所述填充脚本包含标准化的文档生成调用接口,并以可持久化的文件形式保存。

16、具体地,系统构建包含模板路径、模板分析文件路径、输出脚本路径、数据源配置路径在内的生成提示词,明确约束大语言模型必须参考源程序逻辑、保留文档格式、生成脚本必须包含generate_report标准接口、必须根据当前模板调整偏移量和表格行数等细节。所述生成提示词还包含同类型已有填充脚本的参考路径信息,使大语言模型在生成当前填充脚本时参考已有稳定脚本的逻辑结构进行适配,以形成对所述大语言模型输出行为的先验约束。

17、大语言模型在agentloop的迭代上限、工具约束、安全护栏下生成python填充脚本,并保存到指定路径。对所述大语言模型的调用设置工具注册表、参数校验、命令黑名单、工作区隔离及超时输出限制中的至少一种安全约束,显著降低了大语言模型被诱导执行危险操作的风险。

18、s4:数据获取,根据所述填充脚本中的数据源配置信息,从指定数据源读取待填入数据。

19、所述数据源包括结构化数据源和/或半结构化数据源,具体可以是数据库连接、表单数据、用户上传的文档等。生成的填充脚本支持通过数据库配置或表单读取数据源,也支持用户上传文档并填写提示词,从文档中抽取相关数据形成数据表单作为数据源。

20、s5:文档生成,调用所述填充脚本的所述文档生成调用接口,由所述填充脚本基于所述待填入数据,按照所述模板分析结果中的格式信息对所述模板的文档对象进行操作,生成内容填充后的文档。

21、所述文档对象操作至少包括文本替换、表格单元格填充及多媒体对象插入中的一种或多种。具体地:

22、对于replace规则,遍历所有段落和表格单元格,替换匹配文本;

23、对于map规则,在表格中查找标签单元格,计算其右侧值单元格位置(考虑gridspan),并填入表达式结果;

24、对于表格的动态行数变化,采用克隆模板行并继承其格式的方式进行操作;

25、对于自由描述的动态内容,根据文档模板实现字段操作、图片插入与删除、表格数据行数克隆与删除、单元格内容修改等操作。

26、所述文档生成过程由状态机进行生命周期管理,所述状态机至少管理待处理、运行中、已完成、失败四种任务状态,并通过临时文件记录生成进度,便于回溯生成过程。

27、另一方面,本发明还提供了一种基于大语言模型的模板自适应填充式文档生成系统,包括:

28、模板分析模块,用于对用户上传的自定义文档模板进行解析,提取所述模板的结构化描述信息并生成模板分析结果,所述结构化描述信息至少包括字符级别的格式信息;

29、规则解析模块,用于获取用户输入的填充规则描述信息,并将所述填充规则描述信息解析为可执行的规则指令集合;

30、脚本生成模块,用于基于所述模板分析结果和所述规则指令集合构建生成提示词,调用大语言模型,使所述大语言模型在所述生成提示词的约束下生成可执行的填充脚本,所述填充脚本包含标准化的文档生成调用接口,并以可持久化的文件形式保存;

31、数据获取模块,用于根据所述填充脚本中的数据源配置信息,从指定数据源读取待填入数据;

32、文档填充模块,用于调用所述填充脚本的所述文档生成调用接口,由所述填充脚本基于所述待填入数据,按照所述模板分析结果中的格式信息对所述模板的文档对象进行操作,生成内容填充后的文档。

33、本发明与现有技术相比,具有以下有益效果:

34、(一)显著提升格式稳定性。本发明通过run级别的高精度模板结构先行分析作为大语言模型的确定性输入,使模型对模板结构的认知从"黑箱猜测"转变为"确定性输入",从根本上减轻了格式漂移问题;通过可复用的填充脚本直接操作docx的xml元素,保留原始段落的样式、表格边框、单元格合并、页眉页脚等信息,实现了格式的稳定输出。这一效果来源于步骤s1中的字符级格式信息提取和s5中基于文档对象模型的操作方式。

35、进一步地,为验证本发明的格式稳定性效果,以10份不同类型测试文档为样本,将本发明与现有大语言模型直接生成方案进行了对比测试。测试的文档样本涵盖了复杂表格填写、图片插入、文本替换、字体/字号/颜色更改、页眉/页脚更改等多种格式和内容上的变更需求。结果表明:在字体/字号/颜色/章节标号/缩进等原有格式信息保留任务方面,本发明达到100%的精确保留率,而对比方案仅为60%;在复杂表格填写任务方面,本发明达到100%的完整继承率,在精准保留表格边框、单元格合并结构等格式约束的基础上成功将相关内容填写到表格中,而对比方案格式正确率仅为20%,填写内容正确率仅为60%;在动态表格行数扩展场景下,本发明通过克隆模板行并继承格式的方式达到90%的成功率,而对比方案完全无法正确处理此类场景(成功率为0%);在页眉页脚保留方面,本发明达到100%,对比方案为70%。上述数据充分证明了本发明在格式保留这一核心问题上相比现有技术方案取得了质的飞跃。

36、(二)提升对复杂文档撰写任务的适用性。本发明通过定义自然语言与表达式的混合规则,兼顾了撰写文档时的简单替换与复杂映射需求;通过prompt明确约束页面尺寸、表格宽度、图片类型、列表编号等格式细节,结合prompt与同类型脚本形成强先验约束,可适配多类型复杂文档模板;支持根据提示词动态扩展表格行数、自动插入图片等,满足复杂表单填写需求;可同时从表单、数据库、文档等多源获取待填入数据,满足复杂工程的管理需求。这一效果来源于s2中混合规则的支持、s3中同类型脚本参考的先验约束以及s4中多类型数据源的支持。

37、(三)显著降低人工维护成本。传统硬编码脚本方案下,每新增一种模板都需要开发人员编写专门的填充逻辑。本发明通过"模板分析+大语言模型生成脚本+标准接口"的范式,将新增模板的成本从"写代码"降低为"写规则",后续相同模板直接调用已有脚本,无需再次生成。这一效果来源于s3中填充脚本的持久化保存与复用机制。

38、经实际场景验证,在归档文档生成场景中,需一次性生成37份不同类型文档。传统方式下任务约需20人时;本发明通过模板分析一次解析后永久固化,解析时间约2小时,后续每任务可在1分钟内完成生成。

39、(四)增强可解释性与可追溯性。本发明中所有填充规则以规则指令集合形式保存,便于审计与修改;大语言模型生成的填充脚本以编程语言文件形式持久化,可被人工检查、调试、版本控制;每个文档生成任务的状态、进度、输出路径与错误信息均可通过状态机追溯,每个中间进度都保存为临时文档,便于回溯生成过程。这一效果来源于s3中脚本的持久化保存和状态机管理机制。

40、(五)系统化约束工程优势。本发明将约束工程思想落地为一套完整、可复用、可配置的文档自动生成约束框架:不是依赖大语言模型本身能力,而是通过prompt、schema、状态机、安全护栏、配置项等多层约束,使30b以内参数量的模型即可稳定完成复杂文档生成任务;大语言模型能调用的工具、能执行的命令、能访问的路径、能输出的格式均被严格限定,行为边界清晰;提供模型重试、工具错误隔离、状态机异常处理、临时文件恢复,确保系统级鲁棒性;通过建立命令黑名单、工作区隔离、超时输出限制及参数校验,显著降低了大语言模型被诱导执行危险操作的风险,使其更适用于企业级文档生成环境。这一效果来源于s3中对大语言模型调用的多层次安全约束设置。

41、经实际场景验证,在测试用例执行单生成场景中,模板包含项目信息表格、测试用例执行记录表格(含427条动态用例数据)、测试结论等章节。在已经测试完所有用例并保留关键记录(如步骤、每步操作结果、截图)的前提下,传统人工撰写方式需耗时约40人时(约5个工作日),本发明采用单并发执行完成全部填充耗时约1小时(约0.125个工作日),将原本需要约5个工作日的文档撰写任务缩减到1小时以内,效率提升约97%。随着后续同类模板的脚本复用,该效率优势将进一步放大。本发明已在测试和归档管理等实际场景中得到了较好的应用效果。