大型文档撰写对于企业和用户来说都是极具挑战的问题。随着信息时代的到来,用户在写作中搜索素材的渠道越来越繁杂,信息的浏览、筛选、理解、整理保存也变得愈加困难。自动文摘技术是从一篇或多篇文档中提取其中心思想的技术,它能够帮助人们快速的阅读文档,提取文档中的重要信息和中心思想。在学术界,结合注意力机制的序列到序列架构模型被广泛的应用于生成式自动文摘问题,并取得了不错的成果,也有很多相关工作基于此架构做出了改进。但由于解码器端的误差在测试模型时会被不断放大,这一方法存在着错误累积的问题。本文提出采用双向解码器来对摘要进行解码,反向解码器的解码结果为前向解码器生成摘要提供了参考。通过在编码器和反向解码器端同时引用注意力机制,来生成更完善的摘要内容。同时,本文在反向解码器和前向解码器中都添加了 Pointer机制,解决了词汇表过大的问题。针对中文摘要数据集普遍规模不大的特点,本文提出不分词的技巧来大幅度提升摘要质量。实验结果表明,本文的工作能在中文数据集NLPCC 2017 TTNews和英文数据集CNN/Daily Mail上产生更高质量的摘要。本文同时实现了基于此自动文摘技术的辅助文档撰写系统,融合标签抽取、抽取式自动文摘、网页降噪等技术辅助撰写,帮助用户快速筛选阅读海量信息。系统提供了相关的文档导入、文档和素材管理、结构化标签管理以及文档模板定义功能。同时,支持多个用户共同完成一篇大型文档,阅读与摘要数据能够实时同步。系统采用Django框架和React组件式开发技术完整的集成了上述模型和功能。