企业档案要“主动服务”,前提不是把文件扫描进来,而是让业务人员问一句话就能拿到答案,并且能顺着答案回去核对原件。做到这一步,需要三件事同时成立:档案内容可被全文检索,检索结果能按权限收口,回答必须附出处。缺任何一环,系统仍然只是一个电子柜子。
一、“被动保管”卡在哪三处
多数单位的档案系统已经建了多年,目录也录得不少,但利用端仍停在“查目录、借原件”。常见的卡点有三类:
- 检索停在目录层:按题名、文号、责任者能查到卷,但查不到卷里写了什么。“今年到期的证照有哪些”“设备采购合同的付款方式怎么约定”这类问题,靠题名检索答不出来;
- 内容散在正文与扫描件里:纸质件扫描后只有图像,没有文本层;电子公文、合同、报告虽然是电子文件,也没有建立全文索引,关键词只能命中目录字段;
- 查到了却不汇总:一个专题要写材料,得把几十卷调出来人工翻阅,谁也没有精力把库里的存量再读一遍。
这三种状态的共同点是:档案部门在不断接收、整理、保管,业务部门却感受不到档案的存在。所谓“主动服务”,就是把这层墙拆掉——让档案在业务发生时被检索到、被引用、被核对,而不是等到检查或审计才被想起。
二、知识库要解决的是“能取到、能核对”
很多人把知识库理解成“把文件放进向量数据库”,实际工程里远不止这一步。知识库的质量取决于四个环节:
| 环节 | 要做的事 | 常见问题 |
|---|---|---|
| 文本化 | 扫描件先做 OCR,电子文件直接抽取正文 | 只存图像不建文本层,全文检索等于没有 |
| 切分 | 目录与元数据结构化向量化,全文按段落、语义单元动态切分 | 按固定字数切,一句话被切成两半,回答问题断章取义 |
| 权限 | 建索引时就绑定数据范围 | 先全量入向量库、查询时再过滤,容易越权召回 |
| 出处 | 每条结论关联具体档案与页码 | 只给一段文字,无法回到原件核对 |
在这一点上,子书智慧档案解决方案的做法是把同一份 OCR 结果、同一个向量知识库、同一套权限体系供收集、整理、利用、编研共用,不做多套索引各管一段。正文抽取覆盖 Word、Excel、PPT、文本文件与带文字层的 PDF,上传时自动建全文索引;扫描件则先经 OCR 识别,再进入索引。
需要提醒的是,历史存量往往占大头。指望上线当天就把几十年的扫描件全部 OCR 完并不现实,务实的做法是先按门类分批处理,把使用频率高的合同、证照、竣工验收材料排在前面。
三、智能检索:一句话拆成可核对的条件
智能检索的价值不在于“能听懂人话”,而在于把一句口语化的提问还原成一组明确的检索条件,让结果可以被解释、被调整。
- 一句话里的年度、单位、门类、密级、关键词被拆出来,以标签形式显示在结果页,业务人员可以逐项去掉,也可以转到高级条件里改;
- 传统检索方式全部保留:组合条件、全文检索、跨库检索、递进检索都能用,智能检索只是多一个入口;
- 关键词同时匹配目录字段与正文内容,扫描件有了文本层之后同样能命中;
- 每一次检索都写审计日志,谁在什么时候查了什么,事后可查。
对集团型企业,检索条件还要能落到组织维度上。子书企业电子档案管理系统按“法人主体 → 项目 → 档案门类”三层建库,著录时同时记录主档法人与所属项目,检索时可以把法人主体、所属项目、门类、责任部门、年度、密级组合起来;角色除功能权限外还带数据范围,集团管理员看全部,工厂档案员只看本法人。
四、智能问答:出处、拒答、权限三条线
问答是知识库最容易出问题的地方。大模型擅长组织语言,却不擅长保证事实,因此工程上必须给出硬约束。可用的做法有三条:
- 只依据检索到的原文作答:先在当前账号可见的范围内检索,再把命中片段交给模型,每条结论后标注引用编号,点开即回到对应案卷核对原文;
- 查不到就直说:可见范围内没有相关资料时直接告知,并给出换词建议,不调用模型硬答,避免把相似内容拼成看起来合理的结论;
- 权限不越界:问答沿用全宗、密级、状态与数据范围,账号看不到的档案,助手也答不出;每次提问写审计。
此外,输出宜带结构化约束——按问题分类、描述、位置、等级等固定字段返回,而不是一段自由文本。这样下游可以统计问题分布,也便于人工复核。
对档案部门而言,还有一条容易被忽略的边界:AI 出建议,人做最终决定。著录、鉴定、销毁、开放审核这些动作要人工确认并留痕,模型只负责把候选答案和依据摆出来。
五、从“查得到”到“用得上”
检索与问答解决的是“找到”,主动服务还要求“用起来”。真正拉开差距的是下面三项能力:
- 智能推荐:在档案详情页与检索结果页给出关联档案,把同一项目、同一相对方、同一事项的材料串起来;
- 专题编研:按编研类型、档案类型、年度自动从库内匹配素材,编研人员在此基础上删改,不必从空文档开始;
- 结构化报告:多源数据接入后按“背景 → 数据 → 分析 → 结论 → 建议”生成报告初稿,每条结论标注来源档案与页码。
配合知识图谱,实体、关系、属性以三元组形式抽取,再由人工复核,可以把“某项目的参建单位、验收时间、关联合同”这类跨卷关系显式表达出来,检索时按关系扩展,而不是只靠关键词碰运气。
六、试点怎么选、验收看什么
知识库项目失败,多半不是技术不行,而是范围一开始铺得太大。可行的节奏是先做窄、再做深:
| 阶段 | 周期 | 内容 |
|---|---|---|
| 打底 | 1—3 个月 | 选定一个门类(合同或证照),完成存量 OCR、著录规范统一、权限与数据范围梳理 |
| 试点 | 3—6 个月 | 智能检索与问答在该门类上线,选两三个高频使用部门试用 |
| 推广 | 6—12 个月 | 扩展到其他门类,与 OA、合同、财务系统打通,接入编研与报告能力 |
| 运营 | 持续 | 用本单位语料精调模型,定期复盘命中情况与人员培训 |
验收时不要只看“能不能答”,而要看四件事:抽取的典型问题能否答出且出处可点开核对;无权限账号是否真的看不到;合同要素、证照有效期等结构化字段的抽取准确率是否经过抽样核对;审计日志是否覆盖登录、检索、预览、下载与问答。这四项都能拿出记录,系统才算能用。
七、子书的做法
子书智慧档案解决方案以本地化部署的大模型为核心,在“收、管、判、用、活、防”六个环节补齐人工干不动的部分:OCR 自动著录与四性检测解决“进得来、靠得住”,语义检索、智能问答与智能推荐解决“找得到”,专题编研、知识图谱与结构化报告解决“用得上”。模型与推理服务部署在内网,不连接互联网、不调用外部云端 API,涉密场景同样可用;确定性问题交给规则引擎,语义问题交给大模型,两者分工明确。
面向集团与多法人企业的,是企业电子档案管理系统:三层建库、44 个门类通用包、四级数据范围、带出处的 AI 问答、合同与证照识别、归档计划与项目完整度,以及实体库房定位,一个 Docker 镜像即可在内网起站。需要覆盖全门类综合管理与复杂工作流的,可看 zbook DAMS 数字档案管理系统;完整的能力地图见智慧档案解决方案。
已有一家新能源行业龙头企业在数字档案与知识管理项目中完成了这一步转变,档案从被动存储转为主动赋能——查阅从“找文件”变成“问问题”,依据由系统给出,核对仍在原件上完成。
如需按本单位门类与权限口径评估知识库的建法与试点范围,可预约演示,由业务顾问带着样例数据走一遍检索、问答与出处核对。