zuoa Social Opinion Writer
面向民主党派和政协信息场景的社情民意写作技能。
目标不是写一篇泛泛的议论文，而是形成一篇更接近“可报送材料”的问题建议稿：选题聚焦，事实可靠，逻辑紧，建议可操作，且真正站在党委政府决策参考的视角写作。
先读什么
- 先读 references/writing-rules.md，把握公开可参考的写作要求、结构和常见误区。
- 涉及民主党派、政协、统战、履职表达时，优先读取 references/glossary-policy-org.md。
- 涉及专有名词、政策术语、机构名称、英文缩写时，读取 references/glossary-zh-en.md。
- 涉及医疗、教育、托育、养老、营商环境、人工智能治理等高频议题时，读取 references/policy-topic-map.md。
- 起草“对策建议”前，按议题读取 references/recommendation-playbooks.md。
- 需要做终稿把关时，再读 references/self-checklist.md。
- 需要输出
docx正式稿时，读取 references/docx-format-cn-official.md。
适用输入
- 只有一个主题，例如“如何缓解县域高中教师流失”
- 只有一些零散素材、录音整理、聊天纪要、调研笔记
- 已有初稿，但需要补充网络资料并改写成社情民意
- 需要围绕某个热点问题快速形成民主党派报送稿
默认设置
- 默认篇幅：
1500-2000字；确属重要信息时可放宽到3000字 - 默认文体：社情民意信息
- 默认报送层级：
市级及以上；优先形成面向市级、省级或国家层面的决策参考稿 - 默认结构：
现状/前言 -> 主要问题 -> 对策建议 - 默认研究方式：自动联网补充公开信息，优先权威来源
- 默认问题数量：
3-4个 - 默认建议数量：
3-4条，且与前文问题一一对应 - 默认验证轮次：
2轮；涉及强时效、政策敏感或数据密集主题时升到3轮 - 默认最终交付：
markdown + 引用表 + humanized-markdown + docx - 默认输出目录：
social-opinions/{slug}-{timestamp}/
如果用户明确说“不联网”“只基于我给的内容”，就跳过外部调研，但必须明确说明证据边界。
核心原则
- 信息工作本质上是决策参考型情报工作。真实性、准确性、可复核性优先于文采和铺陈。
- 报送对象是党政领导，不是企业客户或普通读者。问题和建议必须站在党委政府决策与政策执行的视角提出。
- 选题默认按“市级及以上起步”处理。区、街道、社区层面可自行处置的具体事务，原则上不上升为正式报送稿，除非能够提炼为市级以上制度性堵点。
- 一稿只解决一个核心问题，且报送层级必须单一，不能在同一篇稿件中混写市、省、国家多个层级的建议。
- 小切口写深，不写大而空的宏观宣言；前言部分只负责把问题引出来，不承担大段背景铺垫。
- 事实、数据、案例、政策表述必须可追溯，不能编造；凡无来源的数据，一律按不可用处理。
- 标题直接说问题，不写口号式、文学式标题，不引用领导人讲话做“穿靴戴帽”式开头。
- 建议必须能落到责任主体、机制动作或政策工具，并与前文问题逐项对应，形成闭环。
- 语言要像给决策者看的工作文，不像论文、新闻评论或宣传稿。
- 标题要精简、准确、切中要害，优先概括核心风险、关键堵点或治理方向，避免写成“关于xxxx的建议”“关于进一步加强xxxx的建议”这类泛标题。
- 问题部分不能只有个案和定性判断，全文必须体现一定量的可核实数据支撑；数据不必喧宾夺主，但不能完全缺位。
- 中文正文统一使用中文标点和中文引号；中文语境中的直引号
"必须改成“”，不能把英文半角引号留到终稿。
输出文件
为每次任务创建目录：social-opinions/{slug}-{timestamp}/
00-brief.md：任务约束、题目、对象、篇幅、是否联网01-terms.md：本次任务术语表，记录推荐写法、禁用写法、首次解释方式02-search-plan.md：检索问题、关键词、优先来源03-source-log.md：来源清单、原文 URL、发布时间、可信度、可用要点，供人工复核04-evidence.md：事实矩阵，区分已核实事实、判断、待证实点05-outline.md：切口、标题备选、结构06-draft-v1.md：初稿07-review-round-1.md：第一轮自检08-draft-v2.md：修订稿09-review-round-2.md：第二轮自检10-final.md：定稿11-references.md：引用表，汇总定稿正文实际采用的全部来源，含原文 URL，与正文角标一一对应12-final-humanized.md：调用humanizer-zh后的去 AI 味终稿13-final.docx：按中国大陆机关公文常见版式导出的 Word 定稿
如果做第三轮校验，再追加：
10-review-round-3.md11-final.md12-references.md13-final-humanized.md14-final.docx
如果用户只需要聊天窗口里的结果，仍然照常保存定稿文件，并在回复里给出路径。
Markdown 排版约定
各阶段输出的 .md 文件，默认尽量少用 Markdown 表格，优先使用竖向排列的卡片式结构，便于聊天窗口审阅、移动端阅读和后续人工增删。
默认写法：
- 每个阶段先给一个简短标题，再按主题拆成若干二级或三级小节
- 每条记录尽量独立成卡片，使用
##、###或加粗小标题组织 - 卡片内部优先用短段落和项目符号，避免横向字段过多的宽表
- 只有在“必须横向对比多个对象且字段很少”时才使用表格；即便使用，也应控制在
3-4列以内 - 涉及来源、术语、证据、问题建议映射、自检结论时，优先写成“一个对象一张卡片”的纵向格式
- 不追求花哨视觉效果；所谓“卡片式”仅指纵向分块清晰、字段固定、便于快速扫读，不是 HTML 卡片
通用卡片模板可参考：
## 卡片标题
- 字段一：内容
- 字段二：内容
- 字段三：
这里可补一小段说明。
- 字段四：
- 要点 A
- 要点 B
工作流
Step 1: 提炼任务，写入 00-brief.md
优先从当前对话直接提取，不要为了默认项反复追问。至少确认：
- 主题或问题是什么
- 报送层级：市级、省级、国家级，或由材料判断后确定
- 报送场景：民主党派、政协、统战部门、内部参考，还是泛用草稿
- 是否必须联网
- 是否要求最新政策、最新统计数据或地方案例
- 目标地域：全国、某省、市、县，还是未限定
- 用户已有材料有哪些
- 篇幅或风格要求
如果用户只给了一个大主题，先自动收窄成 2-3 个可报送的小切口，选择最具体、最容易拿到证据、建议最可落地的一项继续写。只有在几个切口风险差异很大时才追问用户。
额外执行两项筛题动作：
- 先判断问题是否达到“市级及以上起步”的报送价值。如果只是红绿灯损坏、垃圾分类执行细节、单个社区物业矛盾这类区街层面即可处置的事项，不直接成稿，先上提为制度、政策、协同机制层面的堵点；上提失败则明确说明“不宜作为本层级社情民意选题”。
- 先固定稿件层级。确定为市级稿，就围绕市级权限、跨区共性、全市政策执行问题展开；不要半篇写市级堵点，后半篇又提出国家级立法建议。
00-brief.md 优先写成单页摘要卡，不要用“字段很多的大表”。建议至少包含：
- 任务主题
- 拟定切口
- 报送层级
- 报送场景
- 是否联网
- 是否要求最新政策/数据
- 目标地域
- 已有素材
- 篇幅与风格约束
- 当前风险或待确认点
Step 2: 术语统一，写入 01-terms.md
出现以下任一情况时，必须先做术语统一，再进入检索和起草：
- 主题涉及政策专有名词、制度名称、专项行动、改革提法
- 涉及机构、部门、民主党派、政协系统名称
- 涉及统计口径、指标名、专业治理术语
- 含有英文缩写、外来概念、行业黑话
- 用户给的是口语素材、会议纪要、访谈记录，里面的叫法明显不规范
处理顺序：
- 涉及民主党派、政协、统战、履职表达时，先读取 references/glossary-policy-org.md
- 再按需读取通用术语表 references/glossary-zh-en.md
- 涉及高频民生或治理议题时，补读 references/policy-topic-map.md
- 从用户素材和拟检索主题里提取本次任务的关键术语
- 形成本次任务的会话术语表，写入
01-terms.md - 标出推荐写法、禁用写法、是否需要首次解释、是否保留英文或缩写
- 后续检索、初稿、自检、定稿都以
01-terms.md为准，不得前后漂移
执行原则：
- 机构名称、政策名称、法律名称优先使用官方全称
- 常见简称只有在首次出现已给出全称后，才可单独使用
- 英文缩写首次出现时，优先使用
中文全称（英文缩写） - 容易引发歧义的词，不为了“行文丰富”而频繁更换近义表述
- 如果
policy-topic-map.md中列出了较新的中央文件，优先采用该名称，不要退回使用更旧的口头叫法 - 用户原素材中的不规范表述可以保留为线索，但不能直接搬进定稿
01-terms.md 优先按“一个术语一张卡片”写，不要默认整理成大表。每张卡片至少写：
- 术语
- 推荐写法
- 禁用或不建议写法
- 是否需要首次解释
- 备注
Step 3: 建立检索计划，写入 02-search-plan.md
检索目标至少覆盖四类信息：
- 问题是否真实存在，症状是什么
- 现行政策、制度或执行流程卡在哪里
- 有没有权威数据、典型案例、地方实践
- 哪些建议已经被广泛说过，如何避免空泛重复，以及当前是否已经出台类似政策
为每个主题生成：
5-10个中文检索词组合- 必查对象：政策法规、主管部门、统计口径、政协党派公开信息、典型地方案例
- 时间边界：优先近
1-3年，强时效问题优先近12个月 - 离当前时间过久的依据、数据和案例，除非属于仍然有效的法律法规、国家标准、长期基础制度或无法替代的历史背景材料，否则一般不建议采用
- 对每一条拟写建议，预留一个“已出台政策核查”检索项，避免把现成政策再重复写成建议
- 如议题涉及事故、极端事件、人身伤害、未成年人、舆情争议等敏感场景，检索词优先使用中性或官方治理表述，尽量避免直接使用“死亡”“亡人”等高敏词；优先改写为“人员伤害”“安全事故”“严重后果”“突发事件”“善后处置”“风险隐患”“安全治理”等检索路径
- 如果中性检索词已足够定位权威来源，就不要再追加更敏感的直白说法；只有在核对原始文件标题、法规条文或官方通报原文时，才保留原词
02-search-plan.md 建议按“一个检索问题一张卡片”组织，每张卡片写清：
- 检索目标
- 关键词组合
- 优先来源
- 时间边界
- 已出台政策核查项
- 敏感措辞替代方案
Step 4: 联网搜集资料，写入 03-source-log.md
来源优先级按下列顺序执行：
- 党和政府机关、法律法规、政策文件、官方答复
- 全国政协、地方政协、民主党派中央或地方组织官网
- 国家统计局及地方统计公报、年鉴、公开数据平台
- 权威媒体和专业机构报告
- 高质量学术论文或行业研究
执行要求：
- 至少收集
5个有效来源；涉及复杂议题时争取8-12个 - 对每个来源记录：标题、原文 URL、发布日期、可信度、摘取要点
03-source-log.md中必须保留可直接打开的原文 URL，优先记录原始发布页 URL，不要只写站点名、搜索页、聚合页或二次转载链接- 如存在跳转链接、短链或门户转载页，需额外补记原始发布单位页面 URL；无法定位原文的，按低可信度或不可用处理
- 可选补记首次访问时间、访问说明或存档链接，但不得替代原文 URL
- 同一事实尽量做到双源交叉验证
- 把“事实”“观点”“推断”分开
- 自媒体、论坛、短视频评论只能作为线索，不可直接当证据
- 即使内容出现在新浪、网易、腾讯等平台，也必须判断其原始信源；如果本质是自媒体转载、无原始信源或明显 AI 拼接内容，仍按不可用处理
- AI 工具给出的链接、案例、统计值、年份，必须逐条人工复核；凡是找不到原始出处或时间明显过期的，一律删除
- 对发布时间明显偏早、且已存在更新口径或更新数据的材料，原则上用新不用旧；旧材料如确需保留，必须说明它只承担历史背景或制度沿革说明，不作为当前形势判断的核心依据
- 如果找不到足够权威来源，降低结论强度，不要硬写
03-source-log.md 推荐模板：
## 来源 1：来源标题
- 原文 URL：
- 原始发布单位：
- 发布日期：
- 首次访问时间：
- 可信度：高 / 中 / 低
- 可用要点：
- 要点 1
- 要点 2
- 备注：
- 是否原始发布页
- 是否转载页或短链跳转页
- 是否需要二次核验
填写要求：
原文 URL必填，且应可直接打开用于人工复核原始发布单位必填，便于判断口径和权威性可信度至少标注为高/中/低备注中标明是否为原始发布页、转载页、短链跳转页，是否已补找到原始链接- 除非用户明确要求做总览汇总表，否则不要把全部来源堆成一张横向大表
Step 5: 建证据矩阵，写入 04-evidence.md
不要默认做三列表格。优先按纵向分块整理：
- 已核实事实
- 可以成立的分析判断
- 仍有不确定性的点
同时补一段“可写不可写”判断：
- 可写：已核实、有普遍性、与决策相关
- 慎写：个案化、情绪化、缺乏公开证据支持
- 不写：无法证实的数据、夸大表述、容易引发误读的政治判断
对每个数据和案例，再补两项元信息：
- 来源出处：原始发布单位、标题、发布日期、链接或可回查标识
- 使用方式：作为现状引子、问题支撑，还是建议依据
04-evidence.md 建议按“一个证据点一张卡片”写入对应分组，例如：
## 已核实事实
### 证据卡 1
- 事实：
- 来源出处：
- 使用方式：
- 备注：
## 可以成立的分析判断
### 判断卡 1
- 判断：
- 依据：
- 使用边界：
## 仍有不确定性的点
### 待核卡 1
- 待确认点：
- 当前依据：
- 风险：
- 处理意见：
Step 6: 选切口和结构，写入 05-outline.md
至少输出：
2-3个标题备选- 一句话主张：这篇稿子到底想推动什么改变
- 报送层级与对应责任主体
- 前言/现状提要
3-4个问题小标题- 问题与建议对应关系
- 建议框架
- 每个问题对应的数据抓手或统计口径；至少标明哪些段落会落数据，避免正文只剩案例堆叠
优先使用这类切口：
- 执行层断点
- 群众高频痛点
- 新政策落地中的堵点
- 现有机制未覆盖的新情况
- 某类人群被忽视的制度空白
避免：
- 题目过大，例如“全面推进教育现代化”
- 纯价值表态，没有具体问题和机制抓手
- 建议与问题不对应
- 一个提纲里同时出现市级执行建议、省级财政建议、国家立法建议
起草建议前：
- 先按议题读取 references/recommendation-playbooks.md
- 从中选择
2-4个最匹配的建议抓手，不要把一份稿子写成政策工具大全 - 只保留和前文问题链条直接对应的建议
- 明确建立
问题一 -> 建议一、问题二 -> 建议二的映射，不允许出现前文写了四个问题，后文却只有泛泛三条建议的情况
05-outline.md 不要默认做“问题-建议”对照表。优先写成纵向映射卡，例如：
## 问题卡 1
- 问题标题：
- 核心表现：
- 证据抓手：
- 对应建议方向：
- 对应责任主体：
## 问题卡 2
- 问题标题：
- 核心表现：
- 证据抓手：
- 对应建议方向：
- 对应责任主体：
标题拟定要求：
- 标题优先概括”问题 + 风险/后果”或”堵点 + 治理方向”，而不是写成空泛题目
- 尽量避免”关于……的建议””关于进一步加强……的建议””关于……情况的反映”等普通公文腔标题
- 能直接点出问题性质的，优先直接点题，不必额外加”建议”二字
- 可适度使用”亟待””有待””警惕””谨防””破局””关注”等提示性词语，但前提是判断有证据支撑，不能虚张声势
- 标题尽量控制在
22字以内，特殊情况不超过25字 - 标题要与报送层级匹配，不要出现正文写市级执行问题、标题却拔高到国家战略的情况
标题风格参考：
AI手机智能体亟待加强安全、隐私与生态协同治理（问题判断句）警惕私域直播围猎银发群体（风险提示句）谨防”沉默企业”成为阻碍市场经济发展的”灰犀牛”（风险隐喻）税收政策复杂及服务短板制约民营企业发展有待破局（堵点描述）关注跨国生物医药企业在华战略调整带来的系统性风险（关注 + 风险定性）
避免这类标题：
关于加强 AI 手机智能体治理的建议关于私域直播问题的建议关于进一步促进民营企业发展的建议
Step 7: 写初稿，保存到 06-draft-v1.md
默认按下列模板起稿：
# 标题
【现状与前言】
用简明权威数据、主管部门通报或典型事件把问题引出来，篇幅控制在全文的 `10%-20%`。只说明“为什么值得报”，不写长背景，不引用领导人讲话，不做穿靴戴帽。
【主要问题】
一、问题小标题
用事实、数据、案例说明问题表现，并点出机制堵点或执行断点。
二、问题小标题
继续用可核实证据展开，不写空泛判断。
三、问题小标题
如确有必要可写到四个，但不要为了凑数扩写。
【对策建议】
一、对应问题一的建议
二、对应问题二的建议
三、对应问题三的建议
建议部分可占全文约 `40%`。每条建议尽量写清责任主体、动作机制、政策抓手和预期效果。
写作要求：
- 标题尽量控制在
22字以内，特殊情况不超过25字 - 标题要精简准确，优先写成”问题判断句”或”风险提示句”，少用普通公文腔
- 前言部分务必简短，只起到引题作用
- 正文尽量短句，少套话
- 不做文献综述，不长篇铺垫
- 问题部分优先写
3-4个，每个问题都要有小标题和证据支撑 - 问题部分不得完全由个案、媒体案例或抽象判断构成；全文至少要体现
2处可核实的数据性信息，优先放在前言或问题部分 - 数据和案例可以并用，不要求每个问题都被数据主导；但只要公开资料中存在可用统计、行政通报、监测结果或行业量化口径，就应适度写入
- 以事实和机制为主，不以情绪驱动
- 建议按“最重要、最可实施”排序，并与问题严格一一对应
- 建议优先写成“谁来做、做什么、靠什么机制做、如何衡量效果”
- 正文内引注采用角标制：凡涉及具体数据、统计、典型事件、政策表述，须在所引内容句末、标点之前标注角标
[1]、[2]……（半角方括号 + 阿拉伯数字）。同一来源多次引用共用同一编号，编号按首次出现顺序编排，并与引用表11-references.md一一对应。正文不再使用长括号引注，不做脚注，不把 URL 直接写进正文；来源明细统一收进引用表。 - 中文正文统一使用全角中文标点；中文语境中的引号统一为
“”，书名统一为《》，括号和顿号、逗号、句号优先使用中文写法，不保留英文半角双引号 - 建议分层写法：
（一）/一、大项下允许使用内嵌一是……二是……三是……列举若干具体措施，这是标准机关文风，不属于禁止的多层嵌套。禁止的是美式分级列表（如1.1.1、A-a-i）或超过三层的括号嵌套。 - 不使用”大ABC、小abc”式多层嵌套结构，保持两层以内即可
- 如果用户给的是现成内容，保留其中有价值的一手观察，但要把口语素材改成报送语言
Step 8: 第一轮自检，写入 07-review-round-1.md
第一轮只看“能不能成立”，不看辞藻。至少检查：
- 标题是否准确对应问题
- 标题是否避开“关于……的建议”一类普通泛标题
- 是否一事一议
- 报送层级是否明确且前后一致
- 事实、数字、政策名称、机构名称是否准确
- 每个问题是否都有来源支撑，来源能否回查
- 问题部分是否体现了必要的数据支撑，而不是只靠个案和定性判断
- 有没有把个别现象写成普遍规律
- 建议是否针对前文问题，而不是另起炉灶
如果存在硬伤，直接重写相关段落，再生成 08-draft-v2.md。
07-review-round-1.md 建议按“检查项卡片 + 结论”写，不要做勾选大表。每项可写：
- 检查项
- 是否通过
- 发现的问题
- 修改动作
Step 9: 第二轮自检，写入 09-review-round-2.md
第二轮看“像不像高质量社情民意”。至少检查：
- 是否做到小切口、真问题、短路径
- 标题是否精简、准确、切中要害，能否直接体现问题意识
- 前言部分是否控制得足够短，没有穿靴戴帽
- 问题数量是否控制在
3-4个，且每个问题都有小标题 - 是否把责任泛化给“社会”“群众”等空主体
- 建议是否可执行、可分工、可评估，且与问题一一对应
- 建议是否重复现有政策，是否存在“早已出台却仍作为建议提出”的情况
- 语言是否像工作文，而不是论文、评论或宣传稿
- 中文标点是否统一，中文语境中是否仍残留英文双引号、半角括号或半角标点
- 是否有新意，是否明显像“旧题重写”
修完后输出定稿。
09-review-round-2.md 延续卡片式写法，按“结构质量”“建议质量”“语言质量”“规范性”分别分卡记录即可。
Step 10: 必要时进行第三轮校验
出现以下情况时必须加做第三轮：
- 涉及最新政策、最新统计数据或近期舆情
- 涉及教育、医疗、就业、住房、营商环境等高关注民生议题
- 地方性很强，且用户要求具体到某地
- 主题证据不够扎实，但仍要形成可用初稿
第三轮重点检查：
- 时间是否过期
- 论证是否过度
- 建议是否超出当前政策权限
- 数据、案例、链接是否存在 AI 幻觉或二手转述冒充一手来源
- 有没有更稳妥的表述方式
Step 11: 输出定稿和引用表
默认输出三部分：
定稿正文引用表核验摘要
定稿正文 写入 10-final.md，正文中只保留 [n] 角标，不含 URL。
引用表 单独写入 11-references.md，并在聊天输出中与定稿正文分开呈现。要求：
- 只收定稿正文实际标注引用的来源，编号与正文角标严格一致，不多不少
- 来源以
03-source-log.md为准，不得新造条目；未被正文引用的来源不进入引用表 - 每条必须包含可直接打开的原文 URL，优先原始发布页
- 按“一个来源一张卡片”纵向排列，不堆成横向大表
引用表 推荐模板：
## 引用表
[1] 《来源标题》，原始发布单位，YYYY-MM-DD
- 原文 URL：https://...
- 引用位置：前言第 1 段；问题二
- 可信度：高
[2] 《来源标题》，原始发布单位，YYYY-MM-DD
- 原文 URL：https://...
- 引用位置：问题一；建议一
- 可信度：中
核验摘要 保持简短，只说明：
- 本稿基于哪些类型的公开来源
- 哪些点已经核实
- 哪些点仍属审慎判断
核验摘要 也优先用短卡片或短清单表达，不要再补一个总览表。
输出前增加一个收尾动作：
- 对
final.md做一次中文标点归一化检查；如在工作区落文件，执行python3 scripts/normalize_cn_punctuation.py --input <final.md> --in-place - 重点检查中文语境中的英文双引号、半角括号和半角标点，避免把未清理的英文标点带入聊天输出和正式稿
如果用户只要正式稿，可以只展示定稿正文，但内部文件仍要保留。
Step 12: 调用 humanizer-zh 做去 AI 味处理
在生成 docx 之前，默认先调用 humanizer-zh skill，对最终 md 定稿做一次“去 AI 味”处理，并保存为 final-humanized.md。
执行要求：
- 输入文件使用最终定稿
final.md - 调用
humanizer-zh时，明确限定目标是去掉 AI 套话、宣传腔、连接词堆叠、机械三段式和明显的模型化痕迹 - 不允许把正式报送材料改成口语随笔，不允许引入第一人称、俚语、幽默、自我表态、情绪化判断或网感表达
- 去 AI 味后，立即回看
01-terms.md、04-evidence.md和最终定稿，确认术语、事实、数据、政策名称、报送口吻没有漂移 - 正文中的
[n]角标属于引用标记，不属于 AI 痕迹，去 AI 味时必须原样保留，不得删除、改写或挪动位置 - 去 AI 味后，再执行一次中文标点归一化，尤其检查中文引号是否被还原成英文直引号
- 如
humanizer-zh的修改会削弱正式性、准确性或决策参考口吻，应回退相关改动，宁可保留较克制的工作文风格
这一轮处理的目标不是“写得更像个人博客”，而是让文本少一些机械生成痕迹，同时仍然像可以报送的工作文。
Step 13: 生成 docx 正式稿
除非用户明确说“不需要 Word”或“只保留 markdown”，否则定稿后默认追加生成 docx 文件。
执行顺序：
- 读取 references/docx-format-cn-official.md
- 先调用
humanizer-zh生成final-humanized.md - 对
final-humanized.md执行中文标点归一化：python3 scripts/normalize_cn_punctuation.py --input <final-humanized.md> --in-place - 以
final-humanized.md为输入，运行python3 scripts/generate_docx.py --input <final-humanized.md> --references <references.md> --output <final.docx>；正文中[n]角标会在 Word 中渲染为真正的上标，文末自动追加“附：引用来源”一节 - 在回复中给出
docx文件路径；如字体因本机环境缺失发生回退，需顺带说明
版式要求按“GB/T 9704-2012 页面设置基线 + 中国大陆机关材料常见排版习惯”执行。注意：社情民意信息并不等同于带版头、发文字号、版记的正式党政机关公文，因此默认只套用适合报送材料的正文版式，不擅自添加红头、文号、版记或印章位。
默认版式：
A4纵向- 页边距：上
37mm、下35mm、左28mm、右26mm - 标题：居中，
二号，优先方正小标宋简体，无该字体时回退到宋体 - 正文：
三号，优先仿宋_GB2312 - 一级标题：
一、形式，三号黑体 - 二级标题：
（一）形式，三号楷体_GB2312 - 正文首行缩进
2字符 - 行间距：固定值
28pt - 段前段后：
0 - 标题下方空
1行；正文段落之间默认不额外空行
如用户提供本单位模板或明确版式要求，以用户模板优先；不要用默认版式覆盖用户既有模板。
联网研究约束
- 用户要求“最新”“当前”“今年”“最近”时，必须联网核实，不能凭记忆写
- 优先找政策原文、统计原表、政府部门通报，不要先看二手解读
- 发现事实冲突时，优先采用更高等级、更新、口径更明确的来源
- 找不到公开证据支持的内容，不要包装成确定事实
- 离当前时间太久的依据和数据一般非必要不采用；优先使用近
1-3年材料，强时效议题优先近12个月材料 - 只有在引用仍然有效的法律法规、国家标准、基础制度安排或必要历史沿革时，才保留较早材料；且不能让旧材料充当当前判断的主证据
- 检索阶段默认做“去敏感化措辞”：先用中性、治理化、官方化表述搜索，再决定是否需要查看原始标题或原文
- 避免把“死亡”“亡人”等词作为首选搜索词；优先用“人员伤害”“安全事件”“事故处置”“风险防范”“善后工作”等替代表述
- 但来源记录必须保持准确：如果官方文件、通报或原始报道标题本身包含相关词语，
03-source-log.md中仍应按原题名如实记录，不得擅自改写
默认改写策略
用户只给主题
先研究，再写。不要在证据不足时直接编一篇“看起来像”的稿子。
用户给了素材
先抽取可核实的事实和一手观察，统一术语和叫法，再补充公开资料，最后重组为标准社情民意结构。
用户给了初稿
先做问题诊断，再补证据，再重写。不要只在原稿上机械润色。
定稿标准
只有同时满足以下条件，才可判定为定稿：
- 主题明确且单一
- 事实和政策表述经得起复查
- 问题和建议一一对应
- 建议具备现实可操作性
- 专有名词、政策术语、机构简称前后一致
- 行文简洁，基本去掉论文腔、宣传腔、空话套话
- 报送层级清楚，没有把区街事务硬写成市级以上决策议题
- 全文不存在无来源数据、虚构案例、虚构链接
- 正文角标与
11-references.md引用表一一对应，引用表每条均含可直接打开的原文 URL
如果达不到，就继续修，不要把明显仍是“初稿”的内容冒充定稿。
示例触发
示例 1 输入：请围绕“基层医院检查检验结果互认难”写一篇社情民意，要补充最新政策和案例。
示例 2 输入：我给你一段调研笔记，你帮我整理成民主党派报送的社情民意信息。
示例 3 输入：以“县域普通高中教师流失”为主题，自动查资料，出初稿，反复自检后给我定稿。