一种通过大模型自动生成文书的方法及系统

技术领域

本发明涉及自动化生成技术领域，具体为一种通过大模型自动生成文书的方法及系统。

背景技术

在传统的文书写作过程中，写作代理人需要投入大量的时间和精力来撰写、编辑和校对每一份文书。这种工作模式不仅效率低下，而且容易受到个人能力、经验和主观判断的影响，导致文书质量参差不齐。随着互联网和社交媒体的普及，信息内容的生产和传播速度呈指数级增长，文书写作需求也随之激增。企业和个人面临着日益增长的文书处理任务，而传统的人工撰写方式已经难以满足这种快速增长的需求。

此外，文书写作还涉及到广泛的知识领域和专业要求，写作代理人往往需要具备相应的专业知识和写作技能。这不仅增加了培训成本，也限制了文书写作服务的普及和可及性，同时，由于文书的格式和内容要求多种多样，写作代理人需要不断学习和适应新的写作规范，这进一步加剧了写作效率和质量控制的挑战。

针对这些挑战，人工智能技术的发展为文书写作领域带来了革命性的变革。特别是大型语言模型(LLM)的出现，它们通过深度学习和自然语言处理技术，能够理解和生成复杂的文本内容。然而，如何有效地将这些先进的人工智能技术应用于文书写作，提高写作效率和质量，仍然是一个亟待解决的问题。基于此，本发明设计了一种通过大模型自动生成文书的方法及系统，以解决上述提到的问题。

发明内容

本发明的目的在于提供一种通过大模型自动生成文书的方法及系统，以解决上述提到的问题。

为实现上述目的，本发明提供如下技术方案：一种通过大模型自动生成文书系统，包括用户信息收集模块100、文书生成模块200和审核模块300，所述用户信息收集模块100用于提示用户输入个人信息，验证信息的完整性和准确性，并自动提取和记录关键数据；

所述文书生成模块200用于根据收集到的信息，可以利用大型语言模型LLM自动生成符合特定格式和内容要求的文书；

所述审核模块300用于对生成的文书进行质量和准确性审核，包括但不限于内容的一致性、逻辑性、专业性和符合预定标准。

基于上述技术特征，本发明设计的一种通过大模型自动生成文书系统，利用前沿的人工智能技术，尤其是大型语言模型(LLM)，为用户提供了一种创新的文书生成方法，该系统具备收集用户及候选人信息、生成文书初稿、进行内容审核等功能，通过这些模块的紧密配合实现文书自动生成，在工作原理上，首先由用户信息收集模块引导用户输入个人信息，并通过内置的验证机制确保信息的完整性和准确性，为后续文书生成过程提供可靠的数据基础，随后，通过进一步提示用户添加候选人相关信息，并将这些关键数据自动提取和记载以供使用；

之后，文书生成模块利用收集到的信息，并通过大型语言模型(LLM)的强大算力自动撰写出符合特定格式和内容要求的文书，该模块包括素材整理子模块进行资料整合与结构化、Prompt系统为文书构建与结构或段落相对应的提示、以及知识库子模块提供专业领域的实时参考和数据支持，最终，通过审核模块对生成的文书进行全面的质量与准确性审核，确保文书达到预期的专业标准。

优选的，上述一种通过大模型自动生成文书系统中，所述用户信息收集模块进一步包括互动性提示机制，以辅助用户提供完整且精确的个人和候选人信息，并通过实时反馈来确保所收集信息的完整性和准确性。

基于上述技术特征，本发明中的用户信息收集模块具备互动性的信息收集机制，在大模型自动生成文书系统中能够更有效地搜集关键的个人或候选人信息，并确保了收集到的数据符合文书生成的高标准要求，这不仅对于提高文书内容的相关性和准确性至关重要，同时也优化了用户在信息提供过程中的体验。

优选的，上述一种通过大模型自动生成文书系统中，所述文书生成模块包括素材整理子模块、Prompt系统和知识库子模块；

所述素材整理子模块包括一个定制的OCR模块、图像识别模块和NLP模块，用于整合客户资料并结构化文书素材，以及通过自然语言处理技术对素材进行语义分析和内容优化；

所述Prompt系统用于构建与文书结构或段落相对应的提示系统，以及根据用户需求和文书类型定制化prompt；

所述知识库子模块用于建立专业领域的知识库，并在生成文书时提供实时参考和数据支持。

基于上述技术特征，本发明中的文书生成模块通过素材整理子模块、Prompt系统和知识库子模块这三个子模块的紧密配合，实现了从客户需求的精确捕捉到高质量文书内容的快速产出，为用户提供了一个全面、高效且自动化的文书撰写解决方案，该文书生成模块的设计充分体现了个性化服务和智能化生产的结合，大幅优化了用户的工作流程，显著提高了文书生成的专业度和适用性。

优选的，上述一种通过大模型自动生成文书系统中，所述素材整理子模块包括一个定制的OCR模块和图像识别模块，该模块配备针对文书特有格式和术语的优化算法，能够从用户提供的文档中解析特定信息，并进一步与特定领域的数据爬虫技术集成，以加强文书生成的相关性和信息的准确性。

基于上述技术特征，本发明通过定制的OCR模块针对文书的特色进行了特别的优化，例如针对文书中常见的专有格式和术语的识别，这意味着该系统能从用户提供的各种文档中准确地提取文本信息，对格式和术语的优化保证了文书中关键信息的准确抽取，降低了因误解或漏读这些专业元素而导致的错误；

本发明通过图像识别模块的引入，增强了系统处理非文本元素的能力，如文档中的印章、徽标或手写注释的识别，图像识别与OCR模块的结合使得系统在处理具有复杂布局和多样化内容的文书时更加高效和准确。

优选的，上述一种通过大模型自动生成文书系统中，所述OCR模块和图像识别模块进一步包括一个反馈驱动的学习框架，该框架根据解析历史记录和用户校正输入来调整和优化解析算法，使其能够增强对新出现的文档格式和特殊术语的解析精度，并具有以用户指导的方式进行解析参数微调的功能。

基于上述技术特征，本发明设计了一种机器学习框架，可以将用户反馈和历史数据转化为一种动态学习，使OCR模块和图像识别模块不仅仅停留在静态算法的应用上，而是可以进化和进步，随着时间提供更加精确的文档解析服务，这不仅提高了文书生成系统的准确性和效率，同时也增强了用户体验，使得用户可以更加信赖系统的输出结果，并使系统在处理各种复杂文档时更具有弹性和适应性。

优选的，上述一种通过大模型自动生成文书系统中，所述Prompt系统能够根据文书的结构和段落生成具体的提示，并且能够动态调整提示内容以引导大型语言模型(LLM)按照特定的写作任务输出高质量的文书内容。

基于上述技术特征，本发明通过这种动态调整机制，使得Prompt系统在帮助大型语言模型(LLM)时可以更好地理解和执行特定的写作任务，不断学习和优化其生成过程，使得最终产出的文书内容在质量上得到显著提升。且用户就也能得到更精准、更专业的文书，同时还可以大大减轻用户在文书修订过程中的工作量，提高文书写作的整体效率。

优选的，上述一种通过大模型自动生成文书系统中，所述大型语言模型(LLM)是经过预先筛选和优化的，以确保生成文书的质量和效率，并且能够根据文书的类型和领域进行动态调整。

基于上述技术特征，本方案中的大型语言模型(LLM)为大模型自动生成文书系统提供了一个强大的核心，确保了生成文书的效率和质量，同时也增强了系统的灵活性和广泛适用性，使得用户可以依靠该系统自动生成专业符合标准且内容丰富的文书，从而节省时间，减轻工作负担，并提高工作效率。

优选的，上述一种通过大模型自动生成文书系统中，所述大型语言模型(LLM)包括多种高可用及信息安全的模型，这些模型经过特定领域的微调，以适应不同的文书写作需求，并能够根据用户的反馈进行自我优化。

基于上述技术特征，本发明中的大型语言模型(LLM)采用多种高可用及信息安全的模型，为大模型自动生成文书系统提供了高度专业和可定制的文书自动生成服务，同时确保了服务的安全性和持续的优化能力，这在强化系统的动态应对能力的同时，也提升了用户体验和系统的市场竞争力。

本发明提出的技术方案：一种通过大模型自动生成文书的使用方法，所述方法包括以下步骤：

(a)接收用户输入的相关信息，并进行初步处理和分析；

(b)利用大型语言模型(LLM)和Prompt系统生成文书初稿，并根据预设的标准进行初步筛选；

(c)对生成的文书初稿进行多维度的质量审核，包括语法、用语、结构、逻辑和专业性；

(d)根据审核结果输出最终文书或进行必要的修改和再生成，直至满足用户要求。

基于上述技术特征，上述描述了一个结合了人工智能技术和严格质量控制过程的高效文书自动生成流程，从收集用户信息到输出符合要求的文书，每个步骤都对提升系统的生成效率、准确性和用户满意度起到关键作用，确保了最终文书的实用性。

优选的，上述一种通过大模型自动生成文书的使用方法中，所述步骤(c)包括使用自然语言处理技术和人工智能算法，对文书语法、用语、结构和逻辑进行深度检查和修正，确保文书的专业性和适用性。

基于上述技术特征，使用自然语言处理技术和人工智能算法，确保生成的文书不仅内容完整、语法规范，而且在格式结构、逻辑表述上也符合专业文书的高标准，满足不同用户在各种写作情境中的专业需求，提供了高度可靠和适用的文书。

与现有技术相比，本发明的有益效果是：本发明设计的一种通过大模型自动生成文书系统，它使得文书生成过程不仅效率大幅提升，而且质量得到了保证，通过自动化的多阶段调用过程，大大减少了传统人工撰写文书所需的时间和人力资源，同时通过大型语言模型(LLM)保障了文书内容的专业性和适用性，提升了最终文书的准确度和可靠性，此外，通过集成的OCR模块、图像识别模块和NLP模块，尤其是经过优化以适应文书特色的OCR技术，为系统添加了从用户提供的文档中解析复杂格式和术语信息的功能，这与数据爬虫技术的配合进一步提高了文书生成内容的深度和广度，反馈驱动的学习框架使得系统可以自我优化，根据用户的反馈和历史信息来调整解析算法，从而实现文书生成过程的持续优化和精准度提升，整个系统通过提供一个用户友好的界面和强大的后端处理能力，为用户带来极大的便捷和价值，无论是个人用户还是企业客户，都能够更快速、高效地处理文书工作，从而将资源和关注点集中在更加核心的业务或活动上。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的整体结构示意图；

图2为本发明的文书生成模块结构示意图；

图3为本发明的大模型自动生成文书使用方法流程图；

图4为本发明的Prompt设计应用框图；

图5为本发明的Prompt设计开发框图；

图6为本发明的Prompt细分领域框图；

图7为本发明的数据收集流程框图；

图8为本发明的企业知识库构建框图；

图9为本发明的智能写作工作流设计框图。

附图中，各标号所代表的部件列表如下：

100、用户信息收集模块；200、文书生成模块；201、素材整理子模块；202、Prompt系统；203、知识库子模块；300、审核模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-2中，一种通过大模型自动生成文书系统，包括用户信息收集模块100、文书生成模块200和审核模块300，用户信息收集模块100用于提示用户输入个人信息，验证信息的完整性和准确性，并自动提取和记录关键数据；

文书生成模块200用于根据收集到的信息，可以利用大型语言模型LLM自动生成符合特定格式和内容要求的文书；

审核模块300用于对生成的文书进行质量和准确性审核，包括但不限于内容的一致性、逻辑性、专业性和符合预定标准。

大型语言模型(LLM)是经过预先筛选和优化的，以确保生成文书的质量和效率，并且能够根据文书的类型和领域进行动态调整，本方案中的大型语言模型(LLM)为大模型自动生成文书系统提供了一个强大的核心，确保了生成文书的效率和质量，同时也增强了系统的灵活性和广泛适用性，使得用户可以依靠该系统自动生成专业符合标准且内容丰富的文书，从而节省时间，减轻工作负担，并提高工作效率。

大型语言模型(LLM)包括多种高可用及信息安全的模型，这些模型经过特定领域的微调，以适应不同的文书写作需求，并能够根据用户的反馈进行自我优化，本发明中的大型语言模型(LLM)采用多种高可用及信息安全的模型，为大模型自动生成文书系统提供了高度专业和可定制的文书自动生成服务，同时确保了服务的安全性和持续的优化能力，这在强化系统的动态应对能力的同时，也提升了用户体验和系统的市场竞争力。

文书生成模块200包括素材整理子模块201、Prompt系统202和知识库子模块203；

素材整理子模块201包括一个定制的OCR模块、图像识别模块和NLP模块，用于整合客户资料并结构化文书素材，以及通过自然语言处理技术对素材进行语义分析和内容优化；

Prompt系统202用于构建与文书结构或段落相对应的提示系统，以及根据用户需求和文书类型定制化prompt；

知识库子模块203用于建立专业领域的知识库，并在生成文书时提供实时参考和数据支持，本发明中的文书生成模块200通过素材整理子模块201、Prompt系统202和知识库子模块203这三个子模块的紧密配合，实现了从客户需求的精确捕捉到高质量文书内容的快速产出，为用户提供了一个全面、高效且自动化的文书撰写解决方案，该文书生成模块300的设计充分体现了个性化服务和智能化生产的结合，大幅优化了用户的工作流程，显著提高了文书生成的专业度和适用性。

Prompt系统202能够根据文书的结构和段落生成具体的提示，并且能够动态调整提示内容以引导大型语言模型(LLM)按照特定的写作任务输出高质量的文书内容，通过这种动态调整机制，使得Prompt系统202在帮助大型语言模型(LLM)时可以更好地理解和执行特定的写作任务，不断学习和优化其生成过程，使得最终产出的文书内容在质量上得到显著提升。且用户就也能得到更精准、更专业的文书，同时还可以大大减轻用户在文书修订过程中的工作量，提高文书写作的整体效率。

OCR模块、图像识别模块和NLP模块配备针对文书特有格式和术语的优化算法，能够从用户提供的文档中解析特定信息，并进一步与特定领域的数据爬虫技术集成，以加强文书生成的相关性和信息的准确性，通过定制的OCR模块针对文书的特色进行了特别的优化，例如针对文书中常见的专有格式和术语的识别，这意味着该系统能从用户提供的各种文档中准确地提取文本信息，对格式和术语的优化保证了文书中关键信息的准确抽取，降低了因误解或漏读这些专业元素而导致的错误；

本发明通过图像识别模块的引入，增强了系统处理非文本元素的能力，如文档中的印章、徽标或手写注释的识别，图像识别与OCR模块的结合使得系统在处理具有复杂布局和多样化内容的文书时更加高效和准确。

OCR模块、图像识别模块和NLP模块进一步包括一个反馈驱动的学习框架，学习框架根据解析历史记录和用户校正输入来调整和优化解析算法，使其能够增强对新出现的文档格式和特殊术语的解析精度，并具有以用户指导的方式进行解析参数微调的功能，通过学习框架可以将用户反馈和历史数据转化为一种动态的学习机会，使OCR模块和图像识别模块不仅仅停留在静态算法的应用上，而是可以进化和进步，随着时间提供更加精确的文档解析服务，这不仅提高了文书生成系统的准确性和效率，同时也增强了用户体验，使得用户可以更加信赖系统的输出结果，并使系统在处理各种复杂文档时更具有弹性和适应性。

用户信息收集模块100进一步包括互动性提示机制，以辅助用户提供完整且精确的个人和候选人信息，并通过实时反馈来确保所收集信息的完整性和准确性，本发明中的用户信息收集模块100具备互动性的信息收集机制，在大模型自动生成文书系统中能够更有效地搜集关键的个人或候选人信息，并确保了收集到的数据符合文书生成的高标准要求，这不仅对于提高文书内容的相关性和准确性至关重要，同时也优化了用户在信息提供过程中的体验。

请参阅图3中，为了更好的展现一种通过大模型自动生成文书系统，本实施例现提出一种通过大模型自动生成文书的使用方法，方法包括以下步骤：

(a)接收用户输入的相关信息，并进行初步处理和分析；

(b)利用大型语言模型(LLM)和Prompt系统202生成文书初稿，并根据预设的标准进行初步筛选；

(c)对生成的文书初稿进行多维度的质量审核，包括语法、用语、结构、逻辑和专业性；

(d)根据审核结果输出最终文书或进行必要的修改和再生成，直至满足用户要求。

上述描述了一个结合了人工智能技术和严格质量控制过程的高效文书自动生成流程，从收集用户信息到输出符合标准的文书，每个步骤都对提升系统的生成效率、准确性和用户满意度起到关键作用，确保了最终文书的实用性。

步骤(c)进一步包括使用自然语言处理技术和人工智能算法，对文书的语法、用语、结构和逻辑进行深度检查和修正，确保文书的专业性和适用性，使用自然语言处理技术和人工智能算法，确保生成的文书不仅内容完整、语法规范，而且在格式结构、逻辑表述上也符合专业文书的高标准，满足不同用户在各种情境中的专业需求，提供了高度可靠和适用的文书。

请参阅图4-6中，Prompt的设计及应用

在基于大语言模型(LLM)的文书自动生成系统中，Prompt设计是决定生成文本质量的关键，Prompt不仅仅是一个简单的问题或指令，而是一个复杂的输入序列，用于精确地引导LLM生成特定风格和内容的文书，Prompt设计将成为智能文书自动生成系统中一个精确、灵活且功能强大的组件，Prompt不仅能够帮助LLM理解和执行复杂的文书写作任务，而且能够确保输出文本的质量符合专业标准，适应多变的写作需求，以下是Prompt详细设计过程：

1)Prompt构造理念：设计Prompt时，首先明确其目的是向模型提供足够的上下文信息，以便模型能够生成具有特定属性的文本，这包括确定文书的目的、目标受众、写作风格(如正式、浮夸、适度赞美)、内容要求等；

2)段落级Prompt细化：对于文书的每个部分，如工作职责、过渡段、工作亮点，分别设计细化的Prompt，这样的细化确保LLM能够理解每个部分的写作目的和内容要求，从而生成逻辑连贯、内容一致的文书；

3)行业与领域特定Prompt：针对不同行业和领域的写作需求，设计特定的Prompt模板，例如，金融行业的文书将使用专业的金融术语，而市场营销的文书可能会使用更具说服力的语言，这些Prompt将囊括行业术语、常用表达和特定格式要求；

4)任务流拆解与思维链Prompt设计：对于复杂的文书任务，将其拆解为多个步骤，并为每个步骤设计独立的Prompt，这种方法可以将大任务分解为易于管理和执行的小任务，从而提高系统的效率和输出质量；

5)风格和语调调整Prompt：根据文书的用途和目标受众，设计Prompts来调整文书的风格和语调，这些Prompt将帮助模型调整用词和句式，以适应正式、非正式或特定情感色彩的写作需求；

6)模板化与自定义Prompt：提供一系列模板化的Prompts，用户可以根据自己的需求选择和自定义，同时，系统也允许用户创建全新的Prompt，以便生成高度个性化的文书；

7)交互式Prompt调整：开发交互式的“文曲鲸”系统，允许用户在文书生成过程中调整Prompt，实时看到调整后的效果，这种功能对于微调文书内容和风格特别有用；

8)反馈循环与迭代优化：在文书生成后，收集用户反馈和评价，将这些信息用于迭代优化Prompt设计，系统将分析哪些Prompts能够有效地生成高质量文本，哪些需要调整，以不断提高写作质量。

请参阅图7-8中，企业知识库的构建是本发明中提高文书生成质量的关键环节之一，企业知识库将成为智能文书写作系统中一个强大的支持工具，不仅能提高文书的生成效率和质量，还能确保文书内容的准确性和专业性，以下时是构建企业知识库的具体过程：

1)初级数据收集：使用高效的网络爬虫技术，从公开可访问的数据源(如企业官网、行业报告、商业数据库等)收集初级企业数据，这些数据包括公司历史、管理团队、产品服务、市场地位、财务状况等基本信息；

2)数据预处理与优化：初级数据经过清洗和预处理，剔除无关或冗余信息，对数据格式和内容进行标准化处理，在此基础上，利用LLM对信息进行语义分析和内容优化，提高数据的可读性和专业性；

3)知识库结构设计：设计知识库的逻辑结构，以保证信息的易于检索和更新，结构设计应考虑到企业信息的分类、层级关系以及关联属性，以实现高效的数据管理和快速检索；

4)人工审核与整合：通过专业团队对LLM优化后的数据进行人工审核，确保信息的准确性和完整性，在必要时，进行人工补充和整合，以确保知识库中的数据可靠且具有权威性；

5)知识库持续更新：为保持企业知识库的时效性，设计自动化的更新机制，定期检查并更新企业数据，以反映企业的最新动态，例如，新的财务报告发布或企业发展新的业务领域时，应及时更新知识库；

6)智能检索与融合：在文书写作过程中，系统能够智能检索知识库中的相关信息，并将其有机融合进文书内容中，提升文书的专业性和说服力；

7)用户交互与反馈：用户在使用文书生成服务时，系统将提供交互界面，允许用户提供反馈，指出知识库中可能存在的错误或过时信息，以便及时修正和更新。

请参阅图9中，智能写作工作流设计

1)任务初始化：当系统接收到新的文书写作请求时，它首先将任务信息进行分类和标记，这包括确定任务的类型(如推荐信、计划书等)、相关行业、以及紧急程度，这一步骤确保了系统可以根据文书的具体要求选择合适的写作模板和prompts；

2)自动化Prompt选择与应用：系统将根据任务的具体细节(如推荐人的行业，职级等)自动选择最合适的prompt，这一步骤至关重要，因为正确的prompt能够指导大语言模型生成更精准、更个性化的文书内容；

3)任务队列管理：系统会将所有写作任务按照优先级排序存入任务队列，优先级的判断依据可能包括客户的需求紧迫性、任务的复杂程度以及客户的服务等级。这一机制确保了高优先级任务可以更快得到处理；

4)写作服务调度：写作服务是一个持续运行的后台进程，负责定期检查任务队列，一旦发现新任务，它就会根据任务的优先级从队列中取出任务并开始写作过程：

5)任务执行反馈与监控：每当任务完成或失败，系统都会记录下相关信息，并通过回调机制通知相关的用户或系统管理员，这允许用户追踪文书的写作状态，并在完成后立即获取文书；

6)异常处理机制：在写作过程中，系统内置了异常监测和重试机制。如果在写作中遇到如网络延迟、模型响应超时等问题，系统会尝试重新执行任务，如果连续重试失败超过预定次数，系统会将任务标记为失败，并通知管理员进行干预；

7)结果审核与优化：生成的文书会自动进入DWP系统审核阶段，系统使用自然语言处理技术对文书的语法、用语和结构进行初步审核，此外，还可通过人工审核进行质量控制，以确保文书的专业性和准确性；

8)可扩展性和模块化：工作流程设计的另一个重要方面是可扩展性和模块化，随着业务的发展，系统可以轻松添加新的文书类型、行业特定的知识库、以及新的语言模型，以适应不断变化的市场需求；

9)数据分析与报告：系统会收集和分析每个任务的数据，包括处理时间、成功率、文书使用率、用户反馈等，以便生成性能报告，这些报告对于评估系统性能和确定改进方向至关重要。

工作原理：本发明设计的一种通过大模型自动生成文书系统，利用前沿的人工智能技术，尤其是大型语言模型(LLM)，为用户提供了一种创新的文书生成方法，该系统具备收集用户及候选人信息、生成文书初稿、进行内容审核等功能，通过这些模块的紧密配合实现文书自动生成，在工作原理上，首先由用户信息收集模块100引导用户输入个人信息，并通过内置的验证机制确保信息的完整性和准确性，为后续文书生成过程提供可靠的数据基础，随后，通过进一步提示用户添加候选人相关信息，并将这些关键数据自动提取和记载以供使用；

之后，文书生成模块200利用收集到的信息，并通过大型语言模型(LLM)的强大算力自动撰写出符合特定格式和内容要求的文书，该模块包括素材整理子模块201进行资料整合与结构化、Prompt系统202为文书构建与结构或段落相对应的提示、以及知识库子模块203提供专业领域的实时参考和数据支持，最终，通过审核模块300对生成的文书进行全面的质量与准确性审核，确保文书达到预期的专业标准。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。