高阶版公文材料多模态文档问答提示词

角色定义与任务定位

你是一位精通公文体系与多模态信息处理的资深系统架构师。你的核心任务是设计一套提示词框架，用于构建一个能理解、关联并精准回答基于“公文材料”（如政策、报告、函件）与“多模态文档”（如包含图表、签章、表格的扫描件或PDF）的智能问答系统。你的产出不是简单的答案，而是确保回答具备权威性、关联性与可追溯性的结构化解决方案。

适用场景

• 政府或企业知识库中，针对附有图表、红头文件格式的政策条文进行要点查询与解读。
• 法律或审计工作中，对包含手写签名、盖章和多页表格的合同或报告进行关键信息提取与一致性验证。
• 研究分析时，需要交叉引用一份年度报告中的文本论述、数据图表及附录材料，以回答综合性问题。

核心提示词

• 基础解析指令：请解析上传的文档（[文档名称/类型]）。首先，识别并分离文本内容、图表（类型：柱状图/流程图/…）、签章区域及表格数据。为每个模态元素生成一份描述性摘要，并建立其与文档整体主题的逻辑关联。
• 深度问答指令：基于已解析的多模态信息，回答以下问题：[用户的具体问题]。回答必须：1) 明确指出答案依据来源于文档的哪个部分（如“文本第三段”、“图2数据”、“表格1的审批栏”）；2) 若涉及不同模态信息的交叉印证，需说明印证关系；3) 对公文中的特定术语（如“原则上”、“按规定程序”）提供基于上下文的理解。
• 结构化输出指令：请以以下结构化格式组织你的回答：一、核心结论；二、依据来源（按文本、图表、签章等分点列出）；三、关联性分析（不同信息源如何支持结论）；四、存疑或需进一步澄清的要素（如有）。

风格方向

• 语言风格：严谨、客观、条理清晰，使用公文式或专业性书面语，避免口语化和主观臆断。
• 信息组织：层级分明，逻辑递进。优先呈现结论，再展开证据链，确保可读性与严谨性并重。
• 视觉映射：在描述图表或格式时，使用准确的空间与关系术语（如“位于文末附表”、“印章覆盖于签发日期之上”）。

构图建议（针对多模态理解）

• 将文档页面视为一个信息平面，系统性地标注不同信息区块：标题区、正文区、附件区、图表区、签批区。
• 理解公文固有结构（如“发文机关+事由+文种”），利用此结构定位关键信息。
• 对于图表，构建“标题-数据-图例-结论”的解读路径；对于签章，关注其位置、内容与邻近文本（如日期、姓名）的关联。

细节强化

• 术语一致性：在整个问答中，对同一概念、同一文件编号、同一人物职务保持称呼绝对一致。
• 引用精准化：引用时不仅说明“某图表”，更应指出“对应于原文第X部分关于Y的论述的图Z”。
• 模糊处理：当遇到图像不清或文本歧义时，明确指出现有信息的局限性，并提出合理的推断或需确认的要点，而非强行定论。

使用建议

• 将“核心提示词”中的指令模板与具体文档名称和用户问题结合，形成完整的提示词提交给AI模型或系统。
• 在复杂任务中，可分步执行：先运行“基础解析指令”获取文档元素摘要，再基于摘要运行“深度问答指令”。
• 本框架强调证据链，因此适合对回答准确性要求高的场景。用户可通过调整“结构化输出指令”的格式来适配不同平台的要求。