转点

CASE 03 / DOCUMENT REVIEW

制度、合同和项目材料越来越多,
怎样先把查找与初审做扎实。

客户类型 贵州某大型白酒制造集团行业 国有白酒制造业务场景 企业知识与文档审查
原来的问题材料规模大、版本多,查找依据和逐项检查依赖熟手经验。
改变的一步把知识检索和审查清单放到同一条可回溯的工作链路中。
保留的判断系统只提示依据、差异和疑点,最终结论仍由业务负责人作出。

PROJECT BACKGROUND

多类重要文件进入同一套办公体系,审查质量却不能只依赖少数熟手。

客户是一家贵州大型白酒制造集团。合同、采购文件、招投标材料、制度政策以及项目立项与结项材料,贯穿日常经营和内部管理。

随着材料数量、篇幅和参与部门增加,企业需要的不只是“搜到一份文件”,而是把有效依据、审查规则、问题定位和人工复核连接成一条可追溯链路。

使用环境企业办公体系内约 1200 名日常在线用户
采购场景约 1500 次 / 年采购立项审查
合同范围标准合同覆盖约 80%
材料规模常见约 50 页,复杂材料可达 200–300 页
01 / 业务原貌

一份材料进入审查后,人员先找依据,再逐页核对,最后还要确认是否漏项。

原流程通常包括:接收材料、寻找对应制度和模板、逐条检查关键内容、汇总修改意见、等待业务补充,再归档供下一次参考。任何一个环节缺少明确版本或上下文,都可能让审查重新开始。

01 接收

合同、采购或项目材料从不同业务入口进入。

02 找依据

查找制度、政策、模板和历史案例的有效版本。

03 逐项审查

人工阅读长文档,对照要求识别差异和缺项。

04 反馈修订

汇总问题,与提交方来回补充和确认。

05 归档复用

结果进入资料体系,但经验不一定结构化留下。

02 / 核心问题

瓶颈不是单纯“读得慢”,而是规模、标准、知识和责任同时存在。

材料规模持续放大

常见采购材料约 50 页,复杂项目可达 200–300 页,逐页检查占用大量专业时间。

审查口径容易漂移

不同人员对制度、模板和风险点的熟悉程度不同,同类材料可能得到不同反馈。

关键经验集中在熟手

重要判断依赖少数专家定位依据,新成员难以快速复用既有审查经验。

知识分散且版本敏感

政策、合同模板和历史项目材料持续变化;找错版本,比找不到材料更危险。

03 / 建设目标

把“有据可查、按项可审、结果可复核”作为最低可用闭环。

项目没有把目标设成“让 AI 自动批准合同或采购”。真正需要解决的是三件事:在权限范围内找到有效材料;面对长文档时优先暴露关键条款、差异和缺项;让所有提示都能回到原文,供责任人复核。

同时,原有知识资产需要从 RagFlow 迁移到 HiAgent,并保持后续同步和权限对齐,避免前端问答已经更新、底层材料仍停留在旧版本。

04 / 方案模块

不是一个聊天框,而是三组嵌入业务流程的能力。

01

企业文档智能入口

在授权资料中检索制度、政策、合同与项目依据,回答时保留来源,无法确认时明确暴露缺口。

覆盖:智能公文、合同与政策查询;与 OA 工作入口衔接。

02

多场景审查辅助

围绕采购、招投标、项目立项与结项等场景配置检查项,先定位相关段落,再提示差异、缺项和待确认问题。

输出不是最终结论,而是一份供负责人复核的结构化问题清单。

03

知识迁移与持续治理

将原 RagFlow 知识资产迁移到 HiAgent,处理资料同步、权限映射和后续更新,确保使用入口与知识底座一致。

治理重点:来源、版本、权限和更新责任,而不只是导入文件。

05 / 工作流变化

让人把时间用在高风险判断,而不是重复翻页和搬运依据。

01 限定范围

按业务、权限和有效版本确定本次可用资料。

02 解析材料

识别文档结构、条款和关键字段,建立可定位上下文。

03 对照检查

按场景清单检索依据,标记差异、缺项与不确定项。

04 人工复核

负责人回看原文,结合业务事实作出判断。

05 沉淀反馈

将新增规则、有效版本和典型问题回到知识体系。

06 / 项目结果

结果首先体现在覆盖能力与工作方式,而不是一个脱离口径的“准确率”。

服务范围

能力进入约 1200 名日常在线用户所在的企业办公环境。

这是使用环境规模,不等于 1200 人每天都使用某一功能。

采购审查

面向约 1500 次 / 年采购立项审查的业务规模设计工作链路。

数字说明业务体量,不直接代表自动化完成量。

合同场景

标准合同覆盖约 80%,优先从规则更稳定的材料建立复用。

非标准合同和复杂争议仍需专业人员重点介入。

长文档处理

支持从常见约 50 页到 200–300 页复杂材料的定位与辅助检查。

支持处理不代表可以跳过原文复核和责任审批。

证据说明:本页依据项目交付记录整理并匿名化。数字用于说明该项目的覆盖范围与材料规模;未把缺少统一统计口径的效率、准确率或投资回报数字写成公开承诺。
07 / 人机边界

AI 负责定位和检查,人承担有效性、解释与责任判断。

AI 可以处理

  • 在授权材料中检索并引用依据
  • 按既定清单提示条款、差异与缺项
  • 标记材料不足或无法判断的部分

仍由人决定

  • 材料版本与制度依据是否有效
  • 条款解释、风险接受与业务取舍
  • 合同、采购和项目的最终结论
08 / 适用边界

有权威材料和稳定检查规则,才有值得验证的起点。

更适合

查询或审查高频发生;资料范围、权限和人工合格标准明确;愿意指定知识更新责任人。

不适合直接照搬

材料有效性无人负责、权限边界不清,或希望系统直接替代法律、采购与业务决策。

你的文档工作,
最难的是找、读,还是判断?

选择一个高频、边界清晰的任务,从少量真实材料开始验证。

用我的业务做一次初诊 →