AI 写材料容易，排成合格公文难。这个开源 Skill 把 GB/T 9704-2012 拆成可执行规则，一条命令生成可编辑 DOCX，还附带校验器和截图证据链。本文拆解它凭什么比「标题黑体+正文仿宋」更靠谱。
你让 AI 写一份汇报材料，内容写得不错，发给办公室排版，对方一句话打回来：「格式不对。」
标题不是黑体？正文不是仿宋？页码不是四号宋体阿拉伯数字居中？红头纸套打留白差了几毫米？——对事业单位和国企来说，GB/T 9704-2012 里这些「没人愿意盯的细节」，就是文件能不能往下走的分水岭。
大多数 AI 工具只把标题设成黑体、正文设成仿宋，就敢自称「公文排版」。版心、层次、文号、页码、版记这些真正要命的地方，全都靠人肉返工。
有个开源项目专门治这个：gongwen-gbt9704-skill，一个按国标生成可编辑 DOCX 的 AI Skill。
GitHub:
一句话说清楚
这是一个开源的中文公文排版 AI Skill：把 GB/T 9704-2012 国家标准做成可执行的版式规则，一条命令生成符合规范的可编辑 DOCX，覆盖普通报告到正式红头发文，并支持九个主流 AI 编程工具平台安装。
它解决了一个什么问题
用 AI 写公文的流程，今天长这样：AI 生成内容 → 复制到 Word → 手动调字体 → 手动调行距 → 手动调页边距 → 手动加文号 → 手动排版记 → 还是被退回。
问题出在两层。
第一层是「像」和「对」的差距。AI 把标题设黑体、正文设仿宋，看起来像公文，但国标管的不只是字体：A4 版心尺寸、正文 3 号仿宋、28 磅固定行距、层次序数、首页红色反线、单双页页码规则、版记的粗细线和浮动锚定……每一项都是可测量的硬参数。差几毫米，文件就卡在流程里。
第二层是环境的不可控。作者在 README 里讲得很实在：WPS 和 Office Word 看着能互开，字体命名却不总在同一套规则里。有的环境认中文字体名，有的认英文名。一个文件在电脑上排得好好的，换个环境字号、行距、换行全变样。
这个 Skill 的解法是把国标从「文字描述」翻译成「可执行参数」：生成器按参数产 DOCX，校验器回头检查版式要素，视觉审计把每个场景转成 PDF/PNG 逐条对截图。不是让 AI「尽量排对」，而是让规则有生成、有检查、有证据。
核心功能
普通稿与正式发文分流
这是最体现设计判断的地方。默认走 ordinary 模式，做普通报告、方案、汇报——即使你给了机构名称，也不会擅自套红头。要走正式发文必须显式指定 --format formal，再选预印红头纸套打（preprinted）还是完整电子红头（digital）。
为什么这么设计：红头是公文严肃性的象征，误用红头比格式出错严重得多。「不自动升级到红头」是一个把合规风险挡在生成阶段的决策，比多写几个功能更有价值。
预印套打模式只在 DOCX 里留白，不重绘纸上已有的红色机关标志和红线；留白高度用 --letterhead-reserve-mm 控制，默认 72mm，可按本单位红头纸实际改成 37—130mm。电子红头才在文档里绘制红头要素，且要求目标电脑装有小标宋体和仿宋体，缺字体会在终端明确警告，--require-standard-fonts 可直接阻止替代输出。
全文种覆盖
除了常规「文件」格式，还内置信函、命令（令）、纪要、横排表格的专用生成分支：信函生成上粗下细/上细下粗的红色双线且关闭页码；命令落实机关标志距版心上边缘 20mm、令号下空二行；纪要把「出席/请假/列席」设黑体、名单设仿宋。联合行文用 --joint-org 重复传入即可，分离装订附件、另页附件也各有参数。
四级标题与自动目录
标题写入 Word/WPS 的标题样式和大纲级别，打开后「引用 → 目录」直接生成并可更新。这意味着产出不是「排死的」图片式文档，而是可以在 Word/WPS 里继续改表格、加附件、盖章的活文件——对需要二次编辑的实际办公场景，这一点比「生成时好看」更重要。
校验器与视觉审计
verify_gongwen_docx.mjs 检查生成器可承诺的版式要素；视觉审计把每个场景转 PDF/PNG，逐条记录截图证据；还有 PDF 字形坐标量测，独立核对份号首行、机关标志 35mm 定位。2.0 版本实测了 18 份 DOCX、37 个 PNG 页面。配套的 gbt9704-audit-matrix.md 更狠：逐条标明哪些能自动生成、哪些只做结构校验、哪些必须人工复核——把「AI 能承诺什么、不能承诺什么」写成了矩阵，而不是含糊的「支持国标」。
技术架构
技术选型克制到几乎「无聊」，而这正是它的优点：
| 组件 | 选型 | 为什么这么选 |
|---|---|---|
| Skill 定义 | SKILL.md（开放结构） | 一份规则服务九个平台，不用重复维护 |
| 生成/校验脚本 | Node.js（.mjs） | 无重型依赖，脚本即工具，CI 友好 |
| 标准依据 | references/*.md（执行摘要、审计矩阵） | 把国标拆成可执行要点与人工边界 |
| 测试 | shell 回归 + 视觉审计 + 坐标量测 | 生成、结构、视觉三层验证 |
| 安装 | install.sh / install.ps1（链接或复制到各平台技能目录） | Windows 默认复制，规避符号链接权限问题 |
没有自建框架，没有数据库，没有服务端。整个项目的本质是「国标知识 + 两个 Node 脚本 + 一套可核对的证据链」。架构上最值得学的是它把验证体系和功能放到了同等地位：功能会迭代，验证体系保证迭代不把已对的版式改坏。
跨平台安装也想清楚了：同一份源目录链接到 Codex、Claude Code、OpenCode、Trae Code、Kimi、TraeWork、WorkBuddy、ZCode 等平台的用户级技能目录，后续改规则不用在七八个目录里反复补。
同类项目对比
| 维度 | gongwen-gbt9704-skill | python-docx 手写模板 | Office/WPS 模板 + AI 提示词 | 商业公文排版 SaaS |
|---|---|---|---|---|
| 国标依据 | 逐条执行矩阵 + 视觉审计 | 无，靠开发者自己查 | 无，靠提示词措辞 | 商业机密，黑盒 |
| 校验能力 | 生成 + 校验 + 截图证据 | 无 | 无 | 部分有 |
| 红头处理 | 预印套打/电子红头分离 | 自己写 | 自己写 | 有 |
| 全文种 | 文件/信函/命令/纪要/横排表 | 自己写 | 自己写 | 视产品 |
| 可编辑性 | 标准 DOCX，Word/WPS 可续编 | 标准 DOCX | 视生成方式 | 导出后视产品 |
| 数据安全 | 本地脚本，可内网部署 | 本地 | 提示词在云端 | 数据在厂商云 |
| 上手难度 | 低（命令行一条命令） | 高 | 低但不稳 | 低 |
核心区别：市面方案要么「看起来像」（AI 提示词 + 模板），要么「全靠手」（python-docx 裸写）。这个项目第一次把「国标可执行化 + 生成后可校验 + 证据可回溯」三件事放进了同一个开源仓库，还把「哪些必须人工复核」诚实地写进了审计矩阵。数据安全维度也占优：纯本地运行，且 README 开头就挂了信息安全提醒——适合涉密敏感单位在内网部署大模型后使用。
优势与不足
这个项目的优势很集中：严格对照 GB/T 9704-2012 且 2025-05-30 复审确认现行有效，标准依据直接挂在国标全文公开系统；普通稿与红头严格分流，把合规风险挡在参数层；附带生成器、校验器、回归测试、视觉审计、坐标量测的完整证据链，不是「黑盒说支持」；四级标题进大纲级别，Word/WPS 里还能继续改；一份 SKILL.md 通吃九个 AI 平台，MIT 协议可商用可内网部署。
不足也得说清楚：单人维护，33 次提交，外部 PR 为零，长期维护存在不确定性；项目强依赖目标环境安装小标宋体、仿宋体，缺字体时需要人工介入，--require-standard-fonts 场景下会直接失败；测试虽覆盖结构与视觉，但最终仍需在目标 Word/WPS 与真实打印条件下人工复核——这是公文场景的固有约束，项目也如实承认；0 个 Release，版本管理靠 tag/文档而非 GitHub Releases 流程；社区仅 700 星、3 个 Watcher，生态和讨论氛围还很早期。
前景判断
项目处于早期成长阶段：2.0 刚完成一次扎实的标准核验与视觉审计，核心功能稳定，但社区生态、外部贡献、版本发布流程都还在建立中。
被弃用风险：中低。作者有同名内容 IP 在持续运营，项目与内容互相需要；但单人项目始终有「作者兴趣转移」的理论风险。
值得用的场景：体制内及国企的正式材料排版；需要在本地/内网跑完全部流程、文件不能出单位的环境；已经在用 Claude Code / OpenCode / Kimi 等工具、想把排版这一步也交给 AI 但要可校验的团队；需要红头套打、联合行文、分离附件这些冷门但真实存在的公文场景。
慎用/观望的场景：把国标执行完全托管给工具、不做任何人工终审的场景——审计矩阵自己都标了哪些必须人工复核；高频高并发的批量排版生产流水线（脚本工具，不是服务平台）；完全不装中文字体的纯 Linux 无头环境，除非接受字体替代警告。
GitHub:
写在最后
这个项目让我看到一个趋势：AI 应用的下一步竞争，不在「会不会写」，而在「能不能被验收」。
公文排版是个极端例子——内容 AI 早就会写，卡住所有人的是那几毫米的版心和一条红色反线。gongwen-gbt9704-skill 做的事本质上是把「行业默会知识」翻译成「机器可执行、人类可核对」的规则：执行摘要、审计矩阵、截图证据、坐标量测，一层比一层较真。
对整个 AI 工具生态，这给了一个启发：与其堆功能，不如把一个垂直场景的标准真正做穿。一份 SKILL.md、两个脚本、一套证据链，小，但把「像」和「对」之间的鸿沟填上了。
如果你在做中文正式材料，尤其是被格式卡过的，不妨试试。也记住它的第一条信息安全提醒：先确认文件可以进当前处理环境，再让 AI 碰它。
关注
如果这篇文章对你有帮助，可以点个关注，我会持续更新 AI 开源工具的深度解读系列，尤其是能真正落到办公场景的那些小工具。
