第 6 章 产品的专业性来自哪里

一段 ESG 报告的正文读起来「像那么回事」并不难，难的是它同时满足四件事：符合准则要求、只写公司真实发生的事、写在该写的位置、措辞的分寸配得上手里的证据。这一章讲 GreenStone 为这四件事做了什么。

6.1 行业专家的编制知识，编译进了生成规则

报告怎么编，是有行业 know-how 的：哪一条准则要求该在哪一节回应，一个议题内部先说治理还是先说实践，什么样的事实够格写成「已建立机制」。这些知识来自真实的报告编制专家。

GreenStone 没有把这些知识做成一份供人查阅的文档，而是编译成了生成时逐条生效的规则：

那 265 条披露要求，每一条都挂着沪、深、北三所指引的具体条款号，并标明是「应当披露」还是「鼓励披露」。生成某一段时，系统按白名单把该段对应的那几条要求送进去——不是把整份准则丢给 AI 让它自己找。

对你意味着什么：报告的结构和覆盖面不取决于 AI 的发挥，而是取决于这套已经固化下来的编制规则。

6.2 分块生成，每块只写自己该写的

GreenStone 不一次写完整本报告，而是把报告拆成一百多个内容块，一块一块地写。

这么做首先是因为写得越长越不可靠：一口气写两万字，越往后模型越容易顺着自己前面写过的内容继续推演，不回头核对资料。

更重要的是，分块之后才谈得上「约束」。每个块在生成时会拿到三样东西：

• 它自己的写作职责——这一块该写什么，是明确声明的，不靠 AI 从上下文猜。
• 一份证据白名单——这一块能看到哪几道题的回答、哪几个指标，是逐条点名的。别的块的资料它看不到。
• 邻居的职责——同一议题下，凡是和它共用同一份资料的其他块，各自负责写什么，会一并告诉它。

第三条是「不跑题」的关键。举个实际例子：员工的安全培训归职业健康与安全，技能培训归人力资本发展；温室气体排放核算归应对气候变化，不归能源管理。这类边界不是靠事后检查发现的，而是在写之前就告诉了模型：这部分内容由别人负责，你不要写。

对你意味着什么：报告不会来回打转，同一件事不会在三个章节里各说一遍。希望某件事出现在某一章，就填在对应的地方。

6.3 每段内容都要有事实依据

假设你只写了一句「开展员工安全培训」。不受约束的 AI 会给你：

报告期内，公司全年开展安全培训 12 场，覆盖全体员工，培训覆盖率达 100%，全年未发生安全生产事故。

读着完全像一份合格的报告，但 12 场是哪来的？客户一追问原始记录，你拿不出来。

GreenStone 只写「开展了员工安全培训」这个你确实提供的事实。这不只是给模型下了指令，而是有确定性的拦截：正文里出现的每一个数字，都要能在你提供的事实里找到出处，找不到就打回重写，反复不通过则整块生成失败——不会把编出来的数字留在报告里。

同样受拦截的还有：你没提过的组织名称、制度名称、认证、项目名。

指标没填，系统只当作没有填写值，不会推断成没统计或数值为零。资料不够时它写方向性内容，不会说你的企业已经做了这些——这类段落需要你补实或删掉。

重点核对：所有具体数字；所有「已建立」「已完成」这类完成态表述；读起来像行业介绍的段落。

6.4 分寸：不只是不编造

「不编造事实」是底线，但一份报告读起来专不专业，往往输在更微妙的地方：手里只有一句话，却写出了一套体系；把法定义务写成了亮点；把员工写成了被管理的对象。

GreenStone 对这些语义分寸有专门的判据，其中三条值得你知道：

事实强度要配得上表述的具体度。 判据原文是这么写的：

语言表面具体不等于企业事实具体。一个动作是否可接受，关键不是动词本身，而是它属于目标行业普遍适用的基础实践，还是已经形成企业专属、可识别或可核验的安排。

也就是说，「建立了管理制度」和「建立了覆盖三个厂区、每季度考核的管理制度」是两种承诺强度，后者要有对应的证据才能写。同理，治理层面的内容不能写成日常操作，战略不能写成具体动作。

不主动暴露自己的短板。 「公司暂无专人负责，后续将逐步完善」这种句子不会出现——前半句已经把缺失坐实了，后半句的前瞻语气救不回来。但这条有边界：披露外部风险（「电价上涨可能推高成本」）是应该写的，不算暴露短板；涉及安全生产、劳动保护这类法定底线时，也不会写成公司才刚开始建立。

员工相关内容要有人本视角。 不把员工写成被纪律化、服从化的对象；不把签劳动合同、缴社保这类法定义务包装成 ESG 成就。

对你意味着什么：这些判据管的是「写得得体不得体」，不能替你判断内容对不对。该核的还是要核。

6.5 多层次的质量把关

上面那些约束不是写在提示词里就算数了，背后有一套分层的检查：

生成当时的硬拦截——约 25 条确定性规则，管数字来源、名称来源、内部信息泄漏、缺失性表述这类高确定性的红线。命中就重写，最多三次，仍不通过则报错，不会把有问题的内容留下。

离线的语义评判——五个专门的评判器，各自只判一件事：事实一致性、分寸是否匹配、有没有暴露短板、社会类表述是否得体、格式是否规范。每个评判器对同一段内容独立跑三次投票取多数，票数分裂本身就是判据模糊的信号。

人工校准——评判器的准确性以人类专家的判断为真值来校准，目前有 50 个校准样本、39 个经人工逐条裁定的表达质量样本。

这套东西你在使用时看不见，它作用在产品迭代上：每次改动生成规则，都要过这些检查，避免「修好一处、坏掉三处」。

对你意味着什么：把它理解成产品的质检线，不是你这一份报告的验收线。你这一份的验收，仍然是你打开审阅版逐段核对。

6.6 每段依据了什么，写在批注里

审阅版报告的正文与正式稿一字不差，但每段 AI 撰写的内容都挂着一条 Word 批注，说明这段依据了什么：

• 用了你上传的资料，就逐份列出文件名；
• 用了定量指标，就完整列出指标名称、数值、单位；
• 资料本身有对不上的地方而没有采用，会说明「未将其作为企业事实采用，按审慎表述撰写」；
• 都没用上，则写明「未引用用户上传的资料，依据用户的基础信息、填写内容与行业通用披露语境撰写」。

图片也有批注：矩阵图、指标摘要图、你上传的素材图各有说明。

前面说过，「关于本报告」和「关于公司」两章整体不批注。

对你意味着什么：核对不用从头通读。看到「未引用用户上传的资料」的段落重点读，看到列了指标值的段落对着数字核一遍。

6.7 支持图文混排

报告里可以有三类图：双重重要性矩阵图（按你的评分和阈值画）、你自己上传的图片（系统识别内容后配题注、放到合适的章节）、指标摘要图。

组织架构图与流程图曾由 AI 从你提供的事实中抽取结构、由代码绘制，2026 年 8 月起不再提供：标签能校验是否逐字来自你的资料，图的结构对不对却校验不了——专家复核发现过把并列环节画成串行、把三层治理画成四层的情况。画错的结构印在报告里比没有图更麻烦，因此改为不画。需要架构图或流程图，请自己做好了作为图片上传。

如 5.2 所述，目前没有基于定量指标的统计图表。

---