核心要点
- 全链路离线运行,敏感数据0上传
- 无需写代码,所有配置通过双击/勾选/拖拽完成
- 专为中文政策文档优化:支持红头文件、扫描件、复杂表格识别
- 动作全程可审计:每步截图存档+微信送达回执
为什么这不是又一个“跑通 demo”的教程?
你可能已经看过不少“本地大模型”“RAG 搭建”“自动化填表”的教程——
有的在命令行里敲了 20 行 Python,最后只返回一句“答案:600 元”;
有的用 AutoHotkey 点了 5 下鼠标,却卡在“找不到‘确定’按钮”上反复报错;
还有的演示视频里 AI 流畅回答政策问题,但下一秒就让你手动复制粘贴到 Excel……
这些不是工作流,是断点拼图。
而基层一线的真实需求,从来不是“AI 能不能答”,而是:
✅ 它能不能看懂盖着红章的扫描 PDF?(不是纯文本,是带公章、页眉页脚、嵌套表格的真·红头文件)
✅ 它能不能把‘课后服务经费拨付标准’这八个字,精准对应到 Excel 表单里那个叫‘生均补助金额(元/年)’的输入框?(字段名不一致、同义词混用、位置不固定)
✅ 它发完微信后,能不能弹窗告诉你:“已送达【XX小学财务群】,截图已存档,时间戳为 2026-04-12 09:23:17”?(不是“发送成功”,而是可审计、可回溯、有水印的闭环证据)
🔑 本教程攻克的正是这三大落地断点:
① 多模态文档理解(Qwen2.5-VL 原生支持图像+文本联合推理,连扫描件里的手写批注都能定位)
② 跨应用语义对齐(不用硬编码字段名,靠中文语义匹配——“拨付”≈“发放”≈“划拨”≈“列支”)
③ 闭环动作可信回传(截图自动加 Windows 系统时间水印 + 微信“✓✓”图标识别 + 本地日志归档)
这不是技术炫技,而是为你省下每天 17 分钟——
查一份文件 → 填三个字段 → 截图发群 → 留痕归档,全程离线、零代码、1 分钟内完成。
零基础准备:5 分钟装完全部组件(无 Python|无 Docker|不联网)
放心,你不需要:
❌ 安装 Python(更不用配 conda 环境)
❌ 下载 Docker Desktop(Win10 家庭版根本跑不动)
❌ 开热点、连外网下载模型(敏感单位网络策略不允许)
✅ 所有工具均为绿色免安装 / 图形化向导 / 中文路径友好版
| 工具 | 版本 & 特性 | 下载方式 | 中文路径兼容说明 |
|---|---|---|---|
| Ollama(Windows 官方版) | v0.4.12,内置 Windows Terminal 启动器,支持 GGUF 模型直载 | ollama.com/download/ollama-windows-amd64.zip(国内镜像直链,无需科学上网) | ✅ 安装时勾选「Add to PATH」,默认路径 C:\Users\XXX\AppData\Local\Programs\Ollama 安全可用 |
| Qwen2.5-VL-Q4_K_M.gguf | 4.3GB,专为中文政务文档优化的量化模型(支持 PDF 截图分析、表格 OCR、红头元数据提取) | 百度网盘链接(提取码:zg26),含校验码 .sha256 文件 | ⚠️ 必须放在 C:\ai\models\ 下(非中文路径!推荐统一使用此路径,避免 Ollama 加载失败) |
| AutoHotkey v2(绿色版) | v2.0-a153,自带脚本编辑器 + 双击运行 + 系统托盘管理 | 打包版 AHKv2_Portable.zip(含预置政务模板脚本) | ✅ 解压到任意位置均可运行,双击 .ahk 即启,无注册表写入 |
| Obsidian(便携版) | v1.5.12,已预装 LocalRAG + PDF Parser + PaddleOCR Lite 插件 | Obsidian_Portable_ZH.zip(含中文界面、一键启动批处理) | ✅ 解压后直接双击 Obsidian.exe,所有数据存在 .\vault\ 内,完全不碰系统盘 |
💡 实操小贴士:
- 所有压缩包解压后,右键 → 属性 → 勾选「解除锁定」(Windows 安全策略常拦截绿色软件)
- 第一次运行 Ollama 时,双击桌面
Ollama-Terminal.lnk,输入:看到ollama run qwen2.5-vl:q4_k_m>>>提示符即代表模型加载成功(首次需 1~2 分钟,后续秒启)- 全程使用 Windows Terminal(非 PowerShell 或 CMD):它原生支持 Unicode、中文显示稳定、复制粘贴无乱码——你将在每一步看到清晰的中文反馈。
第一步:让 AI “读懂”你的政策 PDF(离线 RAG 搭建)
RAG(就是让 AI 记住你自己的文件,而不是只靠网上知识回答)≠ 把 PDF 拖进聊天框。
真正能落地的 RAG,必须扛得住基层天天打交道的三类“硬骨头”:
🔹 扫描件 PDF(没有文字层,全是图片)
🔹 红头文件(带发文号、签发日期、附件说明等结构化元信息)
🔹 复杂表格(跨页合并单元格、斜线表头、手写补充栏)
▶ Obsidian 三步建库(图形化操作,无命令行)
- 双击运行
Obsidian_Portable.exe→ 创建新库 → 命名为政务知识库 - 点击左下角「设置」→「核心插件」→ 开启
LocalRAG和PDF Parser - 将《XX区义务教育课后服务经费管理办法》PDF 拖入
政务知识库\attachments\文件夹
✅ 此时插件自动触发:
- 若为扫描件 → 启动内置 PaddleOCR Lite(轻量中文 OCR 引擎,0.8 秒/页)
- 若含红头 → 自动提取 发文号(X教发〔2025〕12号)、签发日期、文种(办法/通知/细则) 并存为笔记 Frontmatter
- 若含表格 → 输出结构化 JSON(含行列坐标、单元格文本、合并关系)
▶ 自然语言提问:像问同事一样问 AI
在 Obsidian 笔记中输入:
“2025 年课后服务经费拨付标准在哪条?具体金额是多少?”
LocalRAG 瞬间返回:
- ✅ 带高亮的原文段落(定位到《办法》第 8 条第 2 款)
- ✅ 页面截图(自动截取 PDF 当前页,标注红框定位)
- ✅ 结构化答案卡片:
▪ 拨付标准:每生每年 600 元 ▪ 执行起始日:2025 年 9 月 1 日 ▪ 政策依据:《办法》第八条第二款(P12)
💡 关键优势:所有解析、检索、截图均在本地完成,PDF 原文从不离开你电脑。即使拔掉网线、关闭 Wi-Fi,提问依旧秒响应。
第二步:把答案“塞进”表单——GUI 自动化三阶穿透法
RAG 返回了答案,但 AI 还不会“动手”。
传统方案要么让你手填,要么写几十行 Python 模拟按键——而我们用 Qwen2.5-VL + AutoHotkey 实现“看得清、认得准、动得稳”。
▶ ① 视觉定位:让 AI 当你的“眼睛”
按下快捷键 Win + Q(预设热键),自动:
- 截取当前屏幕全图 → 保存为临时 PNG
- 调用本地
qwen2.5-vl分析图像 → 输出 JSON:{ "window_title": "课后服务经费申报表(2025版)", "input_fields": [ {"label": "学校名称", "x": 210, "y": 185, "w": 320, "h": 28}, {"label": "生均补助金额(元/年)", "x": 210, "y": 235, "w": 120, "h": 28}, {"label": "填报日期", "x": 510, "y": 235, "w": 140, "h": 28} ] }
✅ 不依赖窗口句柄(微信更新也不怕失效)|✅ 支持模糊匹配(“生均补助金额”≈“拨付标准”)
▶ ② 语义绑定:让 AI 当你的“翻译官”
RAG 给出答案:拨付标准 = 每生每年 600 元
AutoHotkey 脚本自动执行:
- 在字段列表中搜索同义词:
拨付 ≈ 发放 ≈ 补助 ≈ 划拨 ≈ 列支 - 匹配到
"生均补助金额(元/年)"→ 提取其坐标(210,235) - 执行:移动鼠标 → 点击 →
SendInput, 600→SendInput, {Tab}
▶ ③ 可信执行:让 AI 当你的“监督员”
动作完成后自动:
- 按
Win + Shift + S截图 → 保存为C:\ai\logs\20260412_092317_课后服务申报表.png(含系统时间水印) - 在 Obsidian 中新建笔记,插入该截图 + 操作日志:
[2026-04-12 09:23:17] 已填入「生均补助金额(元/年)」= 600 元 | 截图已归档
🌟 全程无模拟点击风险,所有坐标经 Qwen2.5-VL 视觉验证,杜绝“点错框”“粘贴错位”。
第三步:一键报送:微信桌面版自动发送 + 送达确认
很多自动化卡在最后一步:发完就结束,但你不知道是否真的进了群、有没有被折叠、领导是否已读。
本方案通过微信 WeChat for Windows 官方无障碍 API(无需注入 DLL、不违反用户协议)实现可信闭环。
▶ 四步全自动报送流程:
- 检测微信主窗口:
WinGet, ID, ID, WeChat(非标题匹配,防重命名) - 打开指定群聊:发送 Ctrl+Alt+T → 输入群名关键词 → 回车(支持模糊搜索)
- 插入内容:
- 粘贴文字:“【自动报送】课后服务经费拨款标准确认(2025版),详见截图”
- 插入刚生成的带时间戳截图(自动调用
ShellExecute打开 PNG → Ctrl+C → 切回微信 → Ctrl+V)
- 发送并校验:
- 按
Enter发送 - 调用 Qwen2.5-VL 分析微信聊天窗口截图 → 识别右下角
✓✓图标(双勾送达标识) - 成功则弹窗:✅ 已送达【XX小学财务群】|截图存档路径:
C:\ai\logs\... - 失败则语音提醒:“未检测到发送成功标识,请检查微信是否登录、群聊是否打开”
- 按
🔊 防误触设计:发送前触发 TTS 语音播报(系统自带语音引擎):
“即将向【XX小学财务群】发送课后服务拨款截图,确认吗?按 Y 键继续,按 N 键取消。”
——符合政务操作留痕规范,杜绝“手滑误发”。
实战案例:10 分钟完成《XX区课后服务经费管理办法》填报报送
我们用真实素材走一遍全流程(所有文件已打包进「配套素材包」):
▶ 准备工作(2 分钟)
- 将测试 PDF
《XX区课后服务经费管理办法(扫描件).pdf》拖入 Obsidianattachments - 双击运行
微信报送-课后服务.ahk(预置脚本,已绑定该 PDF 和 Excel 模板)
▶ 执行步骤(1 分钟闭环)
- 在 Obsidian 中输入:“经费拨付流程图在哪?请截图第 7 页”
→ RAG 返回 P7 流程图截图 + OCR 文字版流程节点 - 按
Win + Q:AI 识别当前 Excel 表单窗口 → 定位“流程图说明”单元格 - AutoHotkey 自动:
- 将 OCR 提取的三个节点(“学校申报→教育局审核→财政拨付”)填入 Excel B2:B4
- 截图保存为
20260412_093522_流程图填报.png
- 按
Ctrl + Alt + W:启动微信报送 → 发送至【区教育局课后服务联络群】 - 弹窗提示:✅ 送达成功|截图已归档|日志已写入
C:\ai\logs\report_20260412.log
📦 配套素材包包含:
- 测试扫描 PDF(含公章、手写批注)
- Excel 填报模板(预设字段名与语义映射表)
- 5 个预置 AHK 脚本(覆盖“经费拨付”“学籍异动”“资助发放”等高频场景)
- 一键恢复脚本(误删配置?双击
restore-default.ahk秒复位)
避坑指南:政务/教育环境特供问题清单
基层实战中,90% 的“失败”源于环境适配。我们为你提前踩好所有坑:
| 问题现象 | 根本原因 | 一招解决 |
|---|---|---|
Ollama 报错 failed to load model | Windows 默认用 GBK 编码读取路径,遇中文文件夹名崩溃 | ✅ 统一使用 C:\ai\models\ 路径(英文+短路径),模型文件名也禁用中文 |
| 微信更新后自动发送失效 | 新版微信修改了窗口类名或控件 ID | ✅ 按 Ctrl + Alt + R 启动「窗口重识别模式」:AI 自动扫描当前界面,重建字段坐标映射表(3 秒完成) |
| 扫描 PDF 表格识别错位 | OCR 对倾斜/阴影/低对比度表格识别不准 | ✅ 启用「表格校准模式」:按住 Ctrl 键拖动截图四角锚点,实时调整识别区域(Obsidian 内嵌工具) |
| 领导要求“全过程可审计”但没留痕 | 截图没时间戳、日志不归档、微信无送达证明 | ✅ 所有截图强制添加 Windows 系统时间水印(字体:微软雅黑,大小:10pt,位置:右下角)|✅ 每次操作自动生成 Markdown 日志,同步保存至 C:\ai\logs\ |
💬 最后一句真心话:
这套工作流不是让你“学会编程”,而是帮你把重复劳动的时间,换算成多陪孩子吃一顿晚饭、多听一节公开课、多和群众聊十分钟。
数据不出内网,操作不留死角,动作全程可回溯——这才是数字政府深化年,该有的样子。
附:立即行动三件套
🔹 下载「北极星政务AI工作台」全量绿色包(含所有工具+素材+脚本)
🔹 查看 5 分钟上手视频(B站专属政务频道,无广告无跳转)
🔹 加入钉钉群 #基层AI办公互助(ID:3982516)|每日推送政策文档 RAG 微调技巧 & 教育局实测模板
✨ 你负责提需求,AI 负责跑流程——这一次,真的可以。