，机器就能具有智能 ，人工智能研究处于“推理期”。当人们意识到人类 之所以能够判断、决策 ，除了推理能力外 ，还需要知识 ，人工智能在 20 世纪 70 年代进入了“知识期” ，大量专家系统在此时诞生。随着研究向前 进展 ，专家发现人类知识无穷无尽 ，且有些知识本身难以总结后交给计算机 ，于是一些学者诞生了将知识学习能力赋予计算机本身的想法。发展 到 20 世纪 80 年代 ，机器学习真正成为一个独立的学科领域、相关技术层出不穷 Hinton 发表深 度学习的文章 莱第五代计算机 - 人 工智能计算机 - 由于 技术路线明显背离计 算机工业的发展方向 项目宣告失败 推理期 将逻辑推理能力 赋予计算机系统 知识期 总结人类知识教 授给计算机系统 自动定理证明系统 完成数据原理第二 章证明 DeepID 算法首 次 超过人眼识别的 人脸率 DENDARL- 世界上第一例 成功的专家系统诞生 美国科幻巨匠阿 以人机大战为标志 ，人工智能发展取得突破性进展 ， 并加速向军事领域转 移 ，这必将对战争形态产生冲击甚至颠覆性影响。 人工智能技术将计算机由运算、 存储、 传递、 执行命令转向思维和推理； 由信息处理转向知识处理； 由代替和延 伸人的手功能转向代替和延伸人的脑功能。 未来人工智能技术的发展还将迈上四个台阶。 计算智能： 突破计算能力和 存储空间的限制 ，实现近乎实时的计算和存储能力。 云计算已经将人类稳稳地送上了第一级台阶。

....... 3 6 政务大模型生产能力 ................................................................... 3 6.1 政务知识管理 ..................................................................... 3 6.2 模型开发 ............... 务大模型的技术研发与应用实 践，推动其在政策分析、智能办公、市民服务等场景中的规范化落地，围绕政务大模型的生产能力、通 用服务能力、场景服务能力、运营支撑及安全保障五大维度制定此标准，明确模型开发、知识管理、多 轮交互、数据安全等核心要求，旨在构建技术统一、安全可信、场景适配的政务大模型能力框架。本标 准的实施将为数字政府智能化转型提供技术基准，促进政务领域人工智能技术的健康发展。 T/ISC 0079—2025 政务大模型生产能力 6.1 政务知识管理 6.1.1 政务知识资源库建设 a) 应支持对知识进行分类管理，帮助用户进行精细化的知识管理和分类，提升查找和使用知识的 便利性； b) 应支持对公共知识属性进行管理，支持用户自定义创建和对已有的属性进行修改、删除等操作， 以便于搜索和过滤； c) 应支持类目知识属性管理能力，支持对知识进行分类管理，用户可以自定义创建类目并将知识 分配到相应的类目中，如地

好停 好填 好报 秒批 秒办 千人 千面 安全 快捷 智能问答、主动推送 自然语言处理 AI 机器学习 语音识别 个性推荐 精准搜索、知识关联 知识图谱 语音识别搜索 知识组织 千人千面、安全快捷 人物画像 知识图谱 图像分析 视频识别 地图服务 智能办理、监管 区块链 人脸识别 OCR 自动抓取 语音分析 视频分析 愿景目标 办事人更方便、更安全，政府服务更高效、更可靠 智慧政务“ 1+1+1” 架构 办事人 政府 基础设施 计算 网络 存储 一 体 化 业 务 平 台 政 务 大 脑 视频图像分析 OCR 文字识别 语音识别 / 合成 自然语言处理 知识图谱 AI 平台 防伪识别 可信开放鉴证 可信身份认证 可信电子证照 节点自营自管 区块链平台 可信数据接入 智能客服 智能问答 智能搜索 智能推荐 数字人 VR/AR 地图服务 …… 位置即服务 有效利用地图，搜索服务地点，推送服务地 点提供的政务服务 搜索地址 政务小程序自 动推荐服务 服务门户 打造政务微视频，像“刷抖音”一样，快速掌握办事信息 政务微视频 补充知识、丰富外延形式活泼、简单方便 服务门户 VR/AR 、数字人等新技术打通政务服务“最后一公里” AR 导航 / 室内导航 方 案 特 色 VR 大厅 数字人智能咨询 导航 / 停车诱导

大模型可以从大量的数据中学习， 并利用学到的知识和模式来提供 更精准的答案和预测 。这使得它 们在解决复杂问题和应对新的 场 景时表现更加出色 上下文理解能力 大模型具有更强的上下文理解能 力 ，能够理解更复杂的语意和语 境 。这使得它们能够产生更准确、 更连贯的回答 可迁移性高 学习到的知识和能力可以在不同 的任务和领域中迁移和应用 。 复杂推理、 解谜、 数学、 编码难题 文本生成、 翻译、 摘要、 基础知识问答 复杂问题解决能力 优秀 ，能进行深度思考和逻辑推理 一般 ，难以处理多步骤的复杂问题 运算效率 较低 ，推理时间较长 ，资源消耗大 较高 ， 响应速度快 ，资源消耗相对较小 幻觉风险 较高 ， 可能出现“过度思考”导致的错误答案 较低 ，更依赖于已知的知识和模式 泛化能力 更强 ，能更好地适应新问题和未知场景 相对较弱 ，并具备回答问题、 生成文本、 语言翻译等多种功能 ChatGPT 的应用范围广泛 ， 可以用于客服、 问答系统、 对话生成、 文本生成等领域。 它能够理解人类语言 ，并能够回 答各 种问题 ，提供相关的知识和信息。 与其他聊天机器人相比 ， ChatGPT 具备更强的语言理解和生成能力 ，能够更自然地 与人 类交流 ，并且能够更好地适应不同的领域和场景。 ChatGPT 的训练数据来自互联网上的大量文本

.................................................................................. 31 案例一 北京智能政务问答知识中枢..................................................................... 31 案例二 “桑智”政务智能助手：湖南县域 AI 政务创新样板 譬如长三角、京津冀地区的政务热线已积累相关经验。4 政务热线的数智化转型进一步强化了其“接驳器”功能，通过实现“精准派 单”、“群众反馈”、“绩效评估”提升政务热线“依数治理”的能力。一是精 准派单，政务热线借助大数据文本分析、知识图谱等技术，可实现基于诉求内容 的精准分类，从而判定职责归属和办理单位，提高派单的准确度和时效性。二是 群众反馈。借助智能语音机器人，政务热线可实现对群众的高效回访，收集群众 对诉求办理的评价 清华数据治理研究中心 清华数据治理研 17 低，且地区间差异明显，除一线城市外多数地区人员配备严重不足。二是接线员 的服务质量参差不齐，受话不规范的情况时常出现。部分接线员还存在服务礼仪 与态度差、专业知识与接听技能缺失的问题。三是接线员流失率较高，专业素养 和能力培养成本居高不下，维持热线服务质量的难度升高。目前来看，随着政务 热线诉求量持续增长，上述问题会越发突出。 第二，接通率和接通时长的

.....................................................................................15 1.2.2 加强法律知识的普及................................................................................................ .......................................................................................98 7.1.2 法律知识检索................................................................................................. 实现智能法律咨询系统，公众可通过简单的自然语言提问获取 法律法规解答，进而提升信息透明度和便捷性。  支持智能文书自动生成，减少传统文书撰写周转时间，提高政 务文书处理效率。  建立法律法规知识图谱，为政策解析和决策支持提供数据支 撑。 本项目的实施将显著提升政务服务的现代化水平，促进政务透 明化、规范化和智能化，与国家治理现代化的目标相一致，推动法 治政府的建设。 项目的成功执

实现路径 业务处理时效 48 小时 ≤18 小时 智能预审+自动化流程触发 人工干预率 85% ≤30% 规则引擎+多模态文档理解 服务响应速度 3 分钟 ≤15 秒 智能优先路由+语义匹配优化 知识更新延迟 72 小时 4 ≤ 小时 政策变更实时抓取+自动标引 实施过程中需重点解决三个层面的问题：在技术层面，确保智 能体与现有政务云平台的无缝对接，特别是与统一身份认证、电子 证照库等核心 7 个工作日进行数据 校验与格式转换。 业务流程方面存在三个突出痛点：首先是服务响应时效瓶颈， 民生事项办理平均需要群众提交 5.2 份材料，其中 3 份为跨部门重 复材料；其次是知识管理断层，政务服务知识库更新滞后实际政策 变更平均达 17 天，导致 30%的咨询需二次转接；再者是决策支持 不足，85%的政务数据仍停留在事后统计阶段，未能实现实时态势 感知。某直辖市 2024 年政务服务评估报告指出，群众对”智能服 政策解读差异：同一事项在不同区域窗口出现 23%的处置标准偏差 - 自由裁量权滥用：18%的投诉案件源于工作 人员主观判断失误 - 文档管理混乱：35%的归档文件缺少关键要素 标签 资源调配失衡 知识更新延迟 新政策出台后，基层工作人员平均需要 2-3 周完成培训传导，导致 政策落地空窗期产生约 15%的合规性风险。某市社保系统改革期间， 因人工未及时更新计算参数，导致 2700 余笔养老金核算错误。

发挥在自然语言理解和生成方面的优势，促进服务型、创新型政府建设 政务行业大模型在通用大模型的基础上整合了政务领域的专业知识 ，能够深入理解政务场景中的专业术语、法规政策和业务流程。 无论在政府内部办公或对外服务过程中 ，都可以利用政务行业大模型进行快速的知识检索和内容的自动生成 ，在一定程度上缓解 了 政府知识管理和运用的痛点、难点。不仅实现了对内的降本增效 ，更提升了对外的服务体验 ，在提升政府网透明度、建设服务 模型基础层 智算中心 云算力资源 AI 芯片 AI 服务器 场景及生态 政务办公 公文生成 决策辅助 公文审核 项目评审 公文比对 数据管理 供给侧分析：政务大模型厂商类型 政务数字人 政务知识问答 智能办事助手 时空报告生成 智慧城市 智慧司法 智慧教育 智慧医疗 AI 算法框架 专业 AI 厂商 运营商 ©2024.6 iResearch Inc. 政务大模型细分应用场景：政府服务 （政务数字人、智能办事助手、政务知识问答、智能坐席服务） 政务大模型细分应用场景：政府办公 （公文生成、智能检索、智能排版、智能审核、辅助决策） 政务大模型细分应用场景：政务数据治理 （政务数据检索、数据编排、数据运营看板）

发挥在自然语言理解和生成方面的优势，促进服务型、创新型政府建设 政务行业大模型在通用大模型的基础上整合了政务领域的专业知识 ，能够深入理解政务场景中的专业术语、法规政策和业务流程。 无论在政府内部办公或对外服务过程中 ，都可以利用政务行业大模型进行快速的知识检索和内容的自动生成 ，在一定程度上缓解 了 政府知识管理和运用的痛点、难点。不仅实现了对内的降本增效 ，更提升了对外的服务体验 ，在提升政府网透明度、建设服务 模型基础层 智算中心 云算力资源 AI 芯片 AI 服务器 场景及生态 政务办公 公文生成 决策辅助 公文审核 项目评审 公文比对 数据管理 供给侧分析：政务大模型厂商类型 政务数字人 政务知识问答 智能办事助手 时空报告生成 智慧城市 智慧司法 智慧教育 智慧医疗 AI 算法框架 专业 AI 厂商 运营商 ©2024.6 iResearch Inc. 政务大模型细分应用场景：政府服务 （政务数字人、智能办事助手、政务知识问答、智能坐席服务） 政务大模型细分应用场景：政府办公 （公文生成、智能检索、智能排版、智能审核、辅助决策） 政务大模型细分应用场景：政务数据治理 （政务数据检索、数据编排、数据运营看板）

...............................26 5.2.7 知识库维护.................................................................................................27 5.2.7.1 建立知识视图....................................... .............................27 5.2.7.2 知识数据维护....................................................................28 5.2.8 参数配置....................................................................... ......................................................................................31 5.2.10.1 知识库检索........................................................................31 5.2.10.2 全文检索(智能)...