档案大模型能做什么？本地部署与数据不出域的做法

档案大模型能帮档案部门做四类事：读懂扫描件和电子文件并辅助著录、给鉴定和审核提供线索、用自然语言检索和问答、汇集素材生成编研初稿。要在档案场景里用起来，模型和推理服务应部署在单位内网，不连接互联网、不调用外部云端接口，这就是常说的“数据不出域”。

下面按“能做什么、哪些事不该交给模型、怎么本地部署、怎么分步落地”四段讲。

档案大模型能做什么：六个环节的用途

档案工作的卡点，往往是存量逐年累积而人手没有同步增加：扫描后仍要人工著录，只能按题名检索，编研一个专题要花几周。大模型的价值就在于补上这些人工干不动的环节。按档案工作流程，可以拆成六段来看：

可以看出，模型在每个环节都是“出建议”，并不直接改变档案状态。鉴定、销毁、开放这些关键动作，必须由人确认并留下记录。

如果想进一步了解问答环节如何避免胡编，可参阅档案 AI 问答怎么做到不胡编；能力范围和边界的讨论见档案 AI 助手能干什么、边界在哪。

哪些事不该交给模型：规则引擎与大模型分工

把所有判断都交给大模型，是档案 AI 项目常见的误区。大模型的输出有波动，而档案工作中很多判断要求结果稳定、可以复现。比较稳妥的做法是按问题性质分工：

分工之外，还要约束模型的输出形式。让模型按问题分类、描述、位置、等级等固定字段返回结果，每条结论都关联依据，才能回溯到具体档案、页码或标准条款，也才能和业务系统对接。一段自由发挥的长文字，很难进入正式流程。

此外，模型的前提是“有字可读”。扫描件要先经过 OCR 提取文本和版面结构，著录规范和分类表也要先统一。基础数据不规范时，模型只会把混乱放大。

本地部署怎么做：数据不出域的几个要点

档案常常涉及商业秘密、个人信息乃至涉密内容，公有云接口难以满足管理要求。本地部署时，建议逐项确认以下几点：

1. 模型与推理服务放在内网。模型部署在内网 GPU 服务器上，业务系统通过内网接口调用，运行时不连接互联网，也不调用外部云端 API。
2. 知识库也在本地。档案目录和元数据做结构化向量化，全文按段落、语义单元动态切分，向量知识库与原文一同留在内网。
3. 权限沿用档案系统。检索由档案系统按当前账号的权限执行，模型只看到当次检索出的片段，看不到未命中或无权限的内容。
4. 全程审计。提问、检索、生成和写入都记录账号、对象和时间，便于事后检查。
5. 准备降级方案。模型服务不可用时，退回规则引擎或检索摘录模式，日常检索与提醒不应中断。这条链路要在上线前实际断开模型测一次。
6. 用本单位语料精调。业务术语和文件体例各单位差异很大，用本单位专有数据定向训练，模型才能听懂行话。精调所用的数据同样不出内网。

硬件规格要按提问量、并发数和模型大小测算，不宜直接照搬其他单位的配置；信创环境下还要提前确认处理器、操作系统、数据库和中间件的适配情况，可参考信创档案管理系统选型清单逐项核对。

分步落地：不要一次铺开

档案大模型建议分阶段上线，每一段都能独立产生效果：

试点阶段建议选档案基础较好、利用需求明确的部门，用真实问题验证三件事：答案能否回到原文、低权限账号会不会越权、查不到时系统会不会硬答。这三项通过后再扩大范围，返工会少很多。

上线后不宜只看“用了多少次”，更应关注著录返工是否减少、查档时间是否缩短、编研初稿能否直接使用。这些指标比演示效果更能说明模型是否真正进入了日常工作。

子书的做法

子书的智慧档案解决方案以本地化部署的大模型为核心，覆盖收、管、判、用、活、防六个环节，六个环节共用同一份 OCR 结果、同一个向量知识库和同一套权限体系，不重复建设。方案采用“规则引擎 + 大模型”的分工，模型与推理服务部署在内网 GPU 服务器，遵循 GB/T 39784-2021《电子档案管理系统通用功能要求》，并适配人大金仓、达梦、统信 UOS、银河麒麟等信创环境。

按单位类型，可以选择不同的落地形态：企业集团可了解企业电子档案管理系统，支持带出处问答、合同要素提取和证照识别；地质资料管理单位可了解地质资料智能化管理平台，内置依据馆藏原文作答的 AI 助手；档案馆级的全门类综合管理可参考数字档案管理系统。两款标准产品的大模型都是可选组件，未接入时规则引擎或检索摘录模式仍可使用。

已上线功能、内网部署参考配置与常见问题汇总在档案 AI页面。想用贵单位的样例档案实测一遍，可预约演示。