larashero3-dotcom/lieflat-gongwen

[](https://moxt.ai) 通过102万字语料提炼的公文写作 skill，可供 Codex、ClaudeCode、Moxt等兼容 agents.md 的 Agent 使用。这个 skill 把公文写作风格变成可测量、可验收的量化数据，让 Agent 能更好复现7种典型的公文风格，包括调研报告、领导讲话、工作意见、经验材料、工作方案、经验总结和党建材料。 这个 skill 用语料统计的方式，蒸馏复刻优质公文材料写作风格，因此只做没有固定模板的文体，总共分为两个文体族，七个类别的公文。 公文族六类：调研报告、领导讲话、工作意见、经验材料、工作方案、经验总结。篇幅中位 2,500-3,700 字，有 2-5 个一级标题。 党建族一类：千字级党建/基层经验材料。篇幅约 1,120 字，零一级标题，靠段首提领句和群众原话推进。 这个skill不做有固定模板的法定公文（通知/请示/批复/函）。 这类文体的正文是固定结构，不需要通过量化蒸馏来统计风格----因为已经确定了风格。 三篇范文，各展示一类文体的不同写法。 题目： 起草《关于开展电动自行车充停设施补建和安全隐患整治攻坚的工作方案》。（完整篇见 示例/工作方案\电动自行车充停设施补建和隐患整治攻坚方案.md） 这篇的 12 项参数全部落在语料区间内（这批范文里唯一一篇无区间外项）：句长 45.0，顿号密度 21.9‰，三级标题 11 个——这是工作方案的身份证参数，唯一大量用 1. 的文种。正文里的 【待补：xx】 是刻意留的坑，不是没写完。 那几处是该填本地数字的地方，语料统计发现 60%-72% 的真实公文完全不用百分比，不掌握真实数据时靠逻辑深度撑起文章是可行的，所以这个 skill 遇到无法核实的数字一律占位、绝不编造。 题目： 就本市制造业"人工智能+"应用情况写一份调研报告。（完整篇见 示例/调研报告\制造业人工智能应用情况调研报告.md） 同是公文，调研报告和工作方案的手感完全不同：一级标题从工作方案的 4-8 字业务标签，变成 17-21 字、"判断＋转折"的双分句（承载观点）；"一是二是"用了 12 次，这是它最密的段内分层方式；还带企业主和县工信局同志的原话。这些差异不是风格偏好，是语料统计出来的文种指纹——写调研报告用工作方案的短标题，参数上就是文种错位。 题目： 写一篇国企党建经验材料，讲党建怎么产生经营成效。（完整篇见 示例/党建经验材料\把组织优势转化为发展胜势.md） 这属于另一个文体族。它跟前两篇的差异是断崖式的：篇幅只有千字出头，零一级标题，靠"拧紧责任链"这样的段首动宾提领句分层，通篇挂着职工原话（长引语是这一族的正向指纹）。判族只看篇幅和一级标题两项——千字材料一旦加上多个一级标题，就变成了压缩版公文，参数全乱。 自检脚本只把一类东西判为错误：硬冲突，也就是文种识别错误，比如给工作方案写出了调研报告的层级结构。其余参数偏离仅作提示。原因是真实优秀作品个体差异极大：调研报告的"一是二是"从 0 到 20 次都有，四分之一的作品完全不用；语料中场面写得最好的几篇逐篇跑自检，没有一篇全项落在常见区间内。好文章不整齐，整齐的往往是平庸作品，所以脚本不拿均值当合格线。 参数来自 102 万字真实公文的全量统计，不是经验归纳。 先检验流行认知，多数不成立。 市面上的公文写作工具走的是同一条路：给模板、给套话清单，开头"根据……为……"，结尾"请遵照执行"。对照真实优秀公文一项项测，这些假设大多站不住： 反转在于，模板化的"公文套路"其实是低分公文的特征。真正稳定的共性在语言构造层：平均句长 53-56 字（自媒体的 2-3 倍）、长句占比近半、顿号密度每千字 14-31 个（自媒体的 4-5…