Agent Harness:企业办公文档流水线:知识库、会议纪要、周报、年度 PPT、长文报告标准化处理

绝大多数企业经过多年运转，已经沉淀了海量办公文档资产：历年会议纪要、连续多周期的团队周报、往届年度汇报PPT、内部知识库、评审归档的行业长文。这些存量材料里，已经固化了整套行文风格、文档模板、术语口径、内容组织方式。

过去大家使用大模型处理办公文档，一般是直接写prompt，临时要求AI生成纪要或者周报。这种方式有明显短板：AI输出的结构、用词、风格是通用模型自带的，和企业长期固化的文档习惯脱节，每次产出差异很大，还要人工大量二次修改。

Agent Harness办公流水线的核心思路，不是人工从零编写全套Rules和Skills，而是以企业存量历史文档作为数据源，由模型自动萃取提炼Rules与Skills，人工仅负责复核、裁剪与微调。萃取完成后，再搭建起Rules-Skills-Agents流水线，后续自动产出的文档，天然贴合团队固有的写作规范与业务口径。

一、整体架构：通用基础构件 + 办公场景插件

整体沿用Harness分层设计：通用构件负责基础约束与通用能力，场景插件针对不同办公任务加载萃取出来的专属Rules、Skills、Agent。项目目录可以直接放在项目根目录，Cursor/Qoder均可识别。

harness/     ├── AGENT.mdc              # 流水线总控：任务调度、执行顺序、角色分工、输出校验规则├── rules/│   ├── global-rules.mdc   # 企业通用基础Rules（从知识库萃取）│   ├── meeting-rules.mdc  # 会议纪要专属规则（从历史纪要萃取）│   ├── weekly-rules.mdc   # 周报专属规则（从历史周报萃取）│   ├── ppt-rules.mdc      # 年度PPT专属规则（从往届汇报萃取）│   ├── longread-rules.mdc # 长文精读专属规则（从归档长文萃取）├── skills/│   ├── global-skills.md   # 通用技能      │   ├── meeting-skills.md│   ├── weekly-skills.md│   ├── ppt-skills.md│   ├── longread-skills.md└── agents/    ├── doc-scheduler-agent.md   # 总调度Agent    ├── meeting-agent.md    ├── weekly-agent.md    ├── ppt-agent.md    ├── longread-agent.md

AGENT.mdc 是整个流水线的总入口，定义完整执行链路：接收原始输入，调度对应Agent加载场景Rules，调用配套Skills，产出初稿，自动自检，输出归档文档，写入企业知识库。所有子场景的执行顺序、角色切换、失败重试逻辑全部写在这个文件内。

二、构件萃取流程：从存量文档自动生成Rules与Skills

萃取执行步骤：

1. 归集样本：收集企业内已归档、经过人工确认的优质样本，比如近一年会议纪要、连续季度周报、往届年度PPT、内部知识库文档。剔除废弃、草稿、不合规的坏样本。
2. 批量喂入Cursor/Qoder，由模型阅读这批样本，自动提炼：
   - Rules：文档固定结构、章节顺序、命名规范、术语约束、禁止写法、内容红线。
   - Skills：对应文档的提取、归类、重组、自检操作步骤。
3. 人工复核萃取结果：删掉AI误提取的错误规则，修正业务口径偏差，保留企业原本固化的规范。人不创造新规范，只校验和校准萃取结果。
4. 将定稿后的Rules、Skills存入harness目录，后续供各个Agent加载使用。

2.1 全局 Rules（global-rules.md）

由企业知识库批量萃取得到，属于静态全局约束，长期有效，所有办公文档任务强制遵守。

1. 术语必须对齐企业内部知识库，禁止自行编造业务名词；知识库不存在的新词，需要标记【待确认】，不能自行释义。
2. 文档统一沿用历史样本的模板：标题层级、行文范式、备注要求。输出文件命名沿用现有规范，格式：[类型]-[日期]-[主题].md。
3. 所有跨部门文档，数据来源必须标注；无来源的数据禁止直接下结论，标记【数据待核验】。
4. 禁止主观情绪化描述，保持客观陈述；保留原始材料关键信息，不能随意删减核心事实。
5. 文档完成后，必须生成简易校验清单，自检通过后才输出最终版本。

2.2 全局 Skills（global-skills.md）

从全部存量文档样本中萃取得到，所有办公Agent共用的基础工具箱：

• 读取企业知识库，检索业务术语、历史文档、项目背景
• Markdown文档格式化、目录自动生成，对齐历史文档排版习惯
• 提取原文关键信息，区分事实、观点、待办事项
• 输出文档自检，对照Rules逐条校验，列出不合规项
• 文档归档，写入指定知识库目录

2.3 总调度 Agent：doc-scheduler-agent

职责：接收用户输入，识别当前属于哪一类办公任务，加载对应场景Rules与Skills，调度对应专项Agent执行，执行完成后统一自检。输入：原始素材（录音转写文本、原始长文档、零散工作记录）输出：任务判定结果，分发到对应专项Agent。

三、四大办公子场景：场景专属Rules、Skills、Agent

下面每个场景的Rules、Skills，均来自该场景的历史归档样本萃取，不是人工凭空编写。

场景1：会议纪要

专属 Rules（meeting-rules.md）

萃取来源：历史已评审归档会议纪要

1. 纪要固定结构沿用现有模板：会议基本信息、议题、讨论要点、决议事项、待办清单（责任人+截止时间）、遗留问题。结构不可随意改动。
2. 区分「讨论观点」和「最终决议」，不能把参会人的临时讨论当成结论。
3. 待办项必须强制拆解：事项、负责人、截止时间、依赖资源，缺少任意一项标记为不完整。
4. 不记录无关闲聊内容，只保留业务相关对话；人名、部门名称和企业组织架构保持一致。

专属 Skills（meeting-skills.md）

萃取来源：历史纪要的整理逻辑

1. 读取会议转写文本，过滤无效语气词、重复语句
2. 自动拆分议题，区分讨论内容与落地决议
3. 提取待办任务，标准化待办清单表格，沿用历史表格格式
4. 校验待办项完整性，缺失字段自动提醒

专项 Agent：meeting-agent

接收会议转写文本，加载会议Rules，调用纪要相关Skills，生成初稿，完成自检，输出标准化会议纪要，支持直接入库知识库。产出文档风格、结构和过往归档纪要保持一致。

场景2：周报生成

专属 Rules（weekly-rules.md）

萃取来源：团队历史正式周报样本

1. 固定结构沿用现有模板：本周已完成工作、进行中任务、风险与阻碍、下周计划、需要协调资源。
2. 工作描述范式对齐历史周报，禁止空泛描述，每项工作附带产出物。
3. 风险项不能省略，需要写明影响范围、初步应对思路。
4. 不夸大成果，成果描述要可核验，无产出的定性描述需要删减。

专属 Skills（meeting-skills.md）

萃取来源：历史周报的内容组织方式

1. 读取任务系统、工作记录，提取本周工作条目
2. 按照周报模板重组内容，归类已完成/进行中/风险
3. 校验条目描述，剔除空话，补全产出物信息
4. 生成下周工作计划，和当前项目里程碑对齐

专项 Agent：meeting-agent

读取原始工作记录，加载周报Rules，调用周报Skills，生成标准化周报，自检格式和内容规范。生成的周报阅读观感，和团队过去长期提交的周报保持一致。

场景3：年度PPT材料生成

注意：Harness流水线不直接生成PPT文件，优先输出结构化大纲、每页文案、图表说明，人工导入PPT工具即可。

专属 Rules（ppt-rules.md）

萃取来源：往届年度汇报PPT、汇报文稿

1. 大纲层级沿用往年汇报习惯，一级标题不超过7个，每页PPT只承载一个核心观点。
2. 所有业务指标必须匹配历史报表，指标口径和往年年度汇报保持一致。
3. 文案精简，沿用汇报文字风格，每页文字不能大段堆砌；图表需要标注数据来源。
4. 风险、规划部分，不能脱离公司战略口径，新增观点标注【需评审】。

专属 Skills（ppt-skills.md）

萃取来源：历年PPT的大纲拆分、材料整理逻辑

1. 读取年度各类周报、项目文档、业务报表，提取核心成果与指标
2. 拆分内容到PPT页面，输出每页标题+要点+图表备注，对齐往年汇报框架
3. 校验指标口径一致性，识别口径冲突数据
4. 统一汇报文案风格，对齐公司年度汇报规范

专项 Agent：ppt-agent

读取全年文档素材，加载PPT Rules，调用PPT Skills，输出完整PPT结构化大纲与页面文案。

场景4：长文精读 & 要点提取

专属 Rules（longread-rules.md）

萃取来源：历史归档的长文精读报告

1. 输出固定结构沿用历史模板：文档概述、核心结论、关键论据、风险点、行动建议、术语释义。
2. 原文观点不可二次加工篡改，总结内容必须可回溯原文段落位置。
3. 区分原文事实、作者观点、潜在风险，三者分开，不能混为一谈。
4. 超过阈值的专业名词，必须附带释义，释义优先引用企业知识库。

专属 Skills（longread-skills.md）

萃取来源：过往长文精读的处理流程

1. 分段读取长文档，分段提取核心信息
2. 定位关键段落，标记原文引用位置
3. 识别文档内矛盾、边界条件、隐藏风险
4. 精简总结，剔除冗余描述，保留全部关键论据

专项 Agent：longread-agent

加载待阅读长文档，启用长文Rules，调用精读Skills，输出标准化精读报告，写入知识库。

四、落地实操模式

模式1：Cursor/Qoder 本地萃取与加载

1. 归集企业内优质历史文档样本，放入项目目录；
2. 批量投喂样本给模型，自动萃取各场景Rules、Skills；
3. 人工复核萃取结果，剔除错误规则，微调细节；
4. 整套harness目录放到项目根目录。打开IDE，模型自动读取AGENT.mdc，自动识别全局与场景Rules、Skills。

核心优势：萃取得到的规范不是外部强加的新标准，而是企业内部已经长期在用的固有文档习惯，AI产出不会出现陌生、违和的AI文风。

模式2：知识库联动闭环

所有Agent产出的文档，完成自检后，自动归档写入企业知识库。新产出文档，后续可以作为新增样本，参与下一轮Rules、Skills迭代萃取，持续对齐企业口径，形成自迭代闭环。

五、踩坑清单

1. 样本质量决定萃取效果。不要混入草稿、临时半成品、废弃文档作为样本，坏样本会直接导致萃取出来的Rules出现错误。优先选用经过评审、正式归档的文档。
2. 不要一次性把全部规则堆进全局Rules。尽量拆分全局规则+场景规则，只把全企业通用约束放在global-rules，避免规则过载，模型执行失效。
3. 区分“格式规范、行文范式”和“业务内容判断”。Rules只管从样本提炼的结构、口径、输出约束；业务事实校验，交给Skills和Agent执行，不要把复杂业务推理写进Rules。
4. 不要期望完全替代人工确认。涉及重大决策、业务数据，Agent只负责标准化整理，关键结论仍需要人工复核。Harness解决的是格式化、重复整理工作，不是业务决策。
5. 多个场景并行使用时，由AGENT.mdc控制，只加载当前任务对应的场景构件，避免多个场景Rules冲突。

六、总结

这套办公Harness流水线，延续Agent Harness的核心思想：办公场景的Rules、Skills不需要人工从零撰写，直接从企业沉淀的存量文档资产自动萃取而来。

萃取得到静态约束Rules、可复用Skills、分工明确的Agents，覆盖会议纪要、周报、年度PPT、长文精读四类高频办公场景，统一文档产出标准，把员工从复制粘贴、排版、整理要点这类机械工作释放出来。