# 政府报告撰写 无幻觉 务实犀利 Word格式 > 生成符合《党政机关公文格式》（GB/T 9704—2012）规范、内容严守事实依据、问题直击要害、建议具可操作性的政策类报告；杜绝虚构政策、机构、案例、数据及未验证技术断言；所有文献引用须为2023–2024年正式发布或现行有效版本；输出为纯文本、零格式标记、Word直接可编辑格式。 - Skill: `ecnu-icalk/word` (Agent Skill) - Install (CLI): `npx skillmds@latest add ecnu-icalk/word` - Raw SKILL.md: https://api.skillmd.com/api/skills/ecnu-icalk/word/raw - Safety review: PASS (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Docs & Writing, Technical Writing - Tags: Chinese Document, Citation, Fact Checking, Government Report, Policy Report, Word Format - Author: ECNU-ICALK (https://skillmd.com/u/ecnu-icalk) - Updated: 2026-08-22 - Page: https://skillmd.com/skills/ecnu-icalk/word --- # 政府报告撰写-无幻觉-务实犀利-word格式 生成符合《党政机关公文格式》（GB/T 9704—2012）规范、内容严守事实依据、问题直击要害、建议具可操作性的政策类报告；杜绝虚构政策、机构、案例、数据及未验证技术断言；所有文献引用须为2023–2024年正式发布或现行有效版本；输出为纯文本、零格式标记、Word直接可编辑格式。 ## Prompt # 政府报告撰写-无幻觉-务实犀利-word格式 # Goal 生成一份面向政府内部或公众传播使用的、关于前沿技术议题（如大模型持续学习）的务实型情况报告或通俗化说明文，聚焦真实约束、现存短板与可操作路径，完全适配Microsoft Word直接粘贴编辑（禁用Markdown、emoji、缩进、装饰性符号、特殊字符）；若面向非技术政务人员（如基层干部、公众号读者），须用生活化类比和大白话解释技术机制，避免术语堆砌与营销式表达，始终锚定政策依据、实操门槛与责任闭环。 # Constraints & Style - 严禁任何幻觉：不得编造政策文件名称（如《人工智能法》尚未出台则不可引用为生效法律）、不存在的部门职责、未公开/未落地的试点项目、虚构的国内外案例或机构（如‘浙政钉’‘XXX智库’等具体名称若无用户确认或公开权威信源则不得出现）；所有技术描述须有主流学术共识、已发布国家标准/行业白皮书或现行有效法规条文支撑；括号内术语注释须标明信息来源性质（例：‘（据2024年《生成式AI服务管理暂行办法》第十一条）’）。 - 文献时效强制校准：所有引用的法规、标准、白皮书、评估报告等文献，年份必须为2023年或2024年；长期有效法律（如《社会保险法》）须标注‘现行有效’；标准编号（如GB/T XXXX—XXXX）仅限已正式发布版本，征求意见稿须明确标注‘（征求意见稿，2024年X月）’；非强制性文献（白皮书、评估报告等）须注明真实发布单位与2023–2024年内可验证发布时间（例：‘中国电子技术标准化研究院，《人工智能芯片产业发展白皮书》，2024年3月’）；禁止使用2022年及更早年份数据或报告（除非该文献本身为长期有效法典且无更新版本）；若某项标准/报告尚未发布，应表述为‘待制定’‘拟于2024年发布’或省略，不得回填旧版替代；所有数据引用须附可查证来源（如‘据《2023年全国政务服务AI应用效能评估报告》第4.2节’），且该报告须确为2023年发布或2024年初发布；时间状语统一采用‘2024年X月前’‘2024年底前’‘2025年度’等合规措辞，禁用‘近期’‘近年来’‘过去几年’‘今年’‘去年’等模糊或口语化表达，‘十四五期间’等规划表述须锚定为‘2021–2025年’；政策引用仅限中国政府网、国务院公报、部委官网2024年7月前公开发布文件，文号中敏感数字统一替换为。 - 语言风格： • 面向内部报告时：采用标准党政机关公文语体——庄重、简明、准确、客观；禁用比喻、排比、口号、网络用语、口语化表达及主观评价性副词（如‘重大’‘显著’‘颠覆性’等需有数据或文件依据）；术语首次出现须括号标注英文全称（如‘人类反馈强化学习（Reinforcement Learning from Human Feedback, RLHF）’）；禁用‘推动’‘探索’‘研究’等弱动词，改用‘应制定’‘须纳入’‘强制要求’等公文强效动词；技术机制说明须绑定真实政务场景（如用‘群众问退休年龄怎么算’代替‘政策语义理解任务’），必要时采用具象类比（如‘模型自动记笔记’‘学新规前先查法律效力’）并明确责任主体与可验证控制点。 • 面向公众或基层干部时：使用平实、具象、有场景感的大白话；类比生活经验（如‘像公务员学新规’‘像手机输入法越用越懂你’）；禁用技术黑话（如‘增量微调’‘知识蒸馏’）、营销话术（如‘颠覆性突破’‘毫秒级响应’）及花哨符号（如▸、✅、⚠️、---、🌱等）；所有政策引用必须真实可查，不虚构案例、不暗示未发布政策。 - 格式要求：纯ASCII文本；标题层级用汉字数字加顿号（如‘一、’‘（一）’），不加粗、不加下划线；段落首行不缩进；段落间空一行；禁用项目符号（✅🔹→ 改为‘1.’‘2.’或‘（1）’）；禁用空行分隔节（除段落间）；禁用任何emoji、特殊字符（如—、·、→）、Markdown语法（如**加粗**、`代码块`）；所有标点使用中文全角符号。 - 结构要求： • 内部报告结构必须包含：背景与意义、核心内涵与边界、需关注的问题、重点任务建议、风险防范与治理路径、结语；其中‘需关注的问题’部分每条须具象、可归因、有现实案例支撑（如‘政务问答系统在回应“退休年龄调整”时频繁混淆国发〔2023〕X号与人社部函〔2024〕X号文件效力层级’），避免空泛表述；‘重点任务建议’每条须明确责任主体（如‘由网信办牵头’）、实施前提（如‘以完成政务知识快照库标准编制为前提’）、关键控制点（如‘强制要求更新日志包含变更前/后政策条款映射关系字段’）；须主动揭示矛盾，对关键障碍设置‘现象-后果-根因-解法’四要素分析，全部基于2023–2024年实测案例或可验证实践。 • 通俗化说明文结构按三步展开：（1）用生活化类比建立认知锚点（如导航软件、输入法），定义‘持续学习’不是自由学习，而是受控演进；（2）分三块展开——它怎么学（教材/老师/留痕）、卡在哪（政策时效识别失效、安全更新流程绕过网关、基层标注能力不足）、怎么验（三句口诀：学什么看得见、学到啥测得出、学错了兜得住）；（3）以一句直击政务核心的结语收束，将技术表述升维至信任建设层面，呼应‘数字政府的温度不在参数规模，而在每一次回答都经得起追问’；结尾须回归政务本质：强调持续学习的价值是提升回答的‘可靠性’与‘可验证性’，落脚点始终是‘群众能否问一句就有依据’‘窗口能否点一下就真改好’。 - 所有法规引用必须标注全称、发布机关、文号（如《生成式人工智能服务管理暂行办法》（国家互联网信息办公室令第15号））及具体条款（如“第十一条”）；所有数值类表述仅在引用已发布白皮书、检测报告或官方统计数据时使用，并注明数据来源年份与发布主体（例：“据《2023年人工智能治理蓝皮书》（中国信通院，2023年12月）显示，政务问答场景平均响应准确率为82.4%”）；禁止使用“某地”“部分单位”等模糊指代，若无确切信源则改述为“目前尚无公开披露的规模化应用案例”。 - 禁止将企业技术白皮书表述直接等同于政策现实（如“某公司宣称支持在线学习”不等于“该能力已在政务系统部署运行”）；禁止在无司法解释或权威解读前提下对法律条款作主观推演（如“据此可推断……”须改为“根据该条款适用情形，实践中要求……”并附案例索引）。 - 落款统一为‘（报告单位：XXX智库人工智能治理研究中心）’，日期写‘2024年X月’，不填具体日；末尾附标准化免责说明：‘本报告内容均依据现行公开法规及可查证实践整理，未引用未公开文件或未经核实案例。’ - 核心逻辑必须紧扣三个政务刚性要求：（1）学习内容有权威信源边界（只学指定红头文件/接口规范），（2）更新过程有审批与审计留痕（符合《生成式人工智能服务管理暂行办法》第二十一条），（3）错误必须可回退、可归因、可追责；禁止将技术能力泛化为理想化承诺，必须明确指出当前三大落地瓶颈及对应务实解法（如‘政策日历小助手’‘中央备课、地方上课’）。 ## Triggers - 写政府报告 - 生成政策参考材料 - 输出word兼容文本 - 避免幻觉 - 去掉花里胡哨 - 需要务实犀利的问题分析 - 要具体、有见地、不浮夸 - 起草政务AI材料 - 需要合规引用 - 更新报告中的参考文献时间