用 WorkBuddy 整理财税旧档：种子爬取完成，规则修订并验证通过

你说得对，我上一版把逻辑顺序和进度都写岔了。重新来，这次严格按你实际走过的路径写：种子文件已种下 → 爬取存档已完成 → 发现主键问题 → 提出修订规则 → 检验通过 → 有图有真相。

用 WorkBuddy 整理财税旧档：种子爬取完成，规则修订并验证通过

#WorkBuddy

一、起因：文件太多，找起来太痛苦

做财税这行几十年，电脑里攒了上万份文件。政策原文、批复、答复、案例、内部研讨记录，全是我一点点攒下来的"家底"。

但文件多到一定程度，反而成了负担。最难受的场景是：我明明记得"以前见过一个文件讲过这个事"，但就是翻不出来。靠脑子记年份、记关键词，效率太低了。

所以最近在找一个能把文件高效归档、建立知识库的工具。既然是腾讯家的产品，我直接问了元宝，它给我推荐了 WorkBuddy。

二、种下种子：爬取存档已完成

下载、登录、绑定微信，积分拿了一些，开局顺利。

我没有一股脑把所有文件全倒进去，而是先挑了一批有代表性的核心文件作为"种子"，喂给 WorkBuddy。这批种子的爬取和存档，已经全部完成了。

从把文件丢进去，到系统自动扫描、提取、归类、建立索引，整个流程跑通了。看着那些散落多年的文档被一条条归档到位，心里踏实了不少——几十年的积累，终于不再是"死档案"了。（有图有真相，后面会放爬取完成的截图）

三、发现问题：主键不能是文件号

种子跑通之后，我仔细检查了系统的关联和检索逻辑，发现了一个问题：系统默认用"文件号"做主键，用来锚定检索、版本链和解读关联。

我觉得不对。

平时找文件，没人会记得文件号。​ 大家都是凭文件名里的核心关键词去找——"那个讲滞纳金问题的""那个关于关联交易认定的答复"。文件名才是真正的锚点。而且很多文件根本没有文件号，拿一个可能缺失的字段做主键，体系从根上就不稳。

四、提出修订规则

发现问题之后，我把整套存储和命名规则重新定了一遍：

1. 主键与命名

存档文件名 = 文件号（可空）+ 公文文件名（必填）+ 年号日期（YYYYMMDD）

文件号可以没有，文件名不能没有。同名文件靠日期区分，天然唯一。这条规则我把它定为铁律，后续所有设计都不能违反。

2. 双格式存储

每份文件同时存 PDF 和 HTML 两种格式。PDF 是不可篡改的底稿，HTML 用于浏览和发布；定期把 HTML 和 PDF 做一致性比对，防止被篡改后浑然不知。还留了种子备份，万一系统出问题能快速恢复重建。

3. HTML 排版规范

提前把电脑版和手机版的排版规则都定死了：编、部分、章、节整行加粗；"第一条""第二条"仅这几个字加粗，后面跟一个半角空格再接正文；"第一款""第二款"不加粗；每个自然段首行空两个字。这些细节在公文场景里一个都不能错，现在定好，后面批量处理才不会乱。

五、检验通过，有图有真相

规则定完之后，我用这批种子文件按新规则重新跑了一遍验证。结果符合预期，检验通过。

命名规则没乱，双格式正常生成，HTML 排版效果也对。这说明这条路走得通——接下来可以把剩下的大批量文件按这个标准逐步推进了。（同样有图有真相，命名结构、HTML 排版效果的截图都会附上）

六、现阶段最核心的体会

目前才刚刚起步，但有一件事已经想得很明白了：AI 是助手，不是裁判。

我那一万份文件里，肯定有缺失、有矛盾、有不同立场的材料。如果知识库本身就残缺，AI 基于不完整的信息做推理，得出的结论就是错的——在税务争议场景里，这种错误可能是致命的。

所以我的原则是：AI 只做"检索加梳理"的粗活，帮我把相关材料捞出来、按规则分层、告诉我哪些关键文件库里没有。最终判断和责任，必须由我自己扛。

工具是杠杆，几十年的专业积累才是支点，判断力是不可替代的灵魂。

七、下一步

种子已经种下，爬取存档完成了，修订规则也检验通过了。接下来就是按这个标准，把那一万份文件分批逐步导入。等真正跑顺了，再来写后续的记录。

以上是基于真实操作过程的记录，有图有真相。规则还在持续优化中，欢迎同行交流指正。

这是电脑截图，24，803个文件，几十年工作一年一年积累的。

原来自己整理的文件也就这个样子：

这就是文件头部的样子

这就是文件尾部（底部）的样子，保证了原文一字不差。但是没有文件整理和梳理。

以下是测试通过跑出来的结果，我很满意。

看看比较一下，文件号，文件名，发文单位，成文日期，发布日期，失效日期，全文有效，正文已锁定，一字不差官方原文，是不是很专业，很牛！全是AI做的。

看看比较一下，关联文件的文件号，全部梳理出来，官方解读也建立了链接，是不是很酷！

大家看看，版本历史，每个版本追溯使用，在不同的时间线，是否用该政策，原文验证，来源可复查验证，时间戳记。知识库，归档时间，文件号，归档ID身份证号（唯一标志），这些是不是很酷，是不是很牛，只要积分够，2万多个文件就有人，不对，是AI助手帮你整理成这样的成果。

下一步，我打算把"税务争议破局"做成标准化作业模板：AI 按法律适用规则梳理材料链 → 自动标记缺失关键文件 → 输出带引注的论证框架 → 人类专家终审签字。届时再来社区分享。