国家网信办发布《人工智能大模型政务应用指引》，对政务领域大模

核心洞察

这份文件最值得读的地方，是把政务大模型能干的活列成了13个具体场景，从智能问答到辅助评审，每种都给出了技术路径和落地方式。更值得注意的是它反复强调"辅助型"定位，明确要防"数字形式主义"，这种务实态度在以往政策文件里不太常见。

---

这份指引是给各级政务部门的一份工作参照。大模型在政务领域怎么部署、怎么应用、怎么管理，文件里做了系统梳理。它属于工作导向和基本参照，不具备强制性，内容会根据实践进展动态调整。

核心结论

1. 文件将政务大模型应用场景梳理为4大类共13个参考场景，覆盖政务服务、社会治理、机关办公、辅助决策，并明确其定位为“辅助型”，要求防止“数字形式主义”。

2. 部署上强调集约统筹：县级及以下原则上直接复用上级算力和模型资源，不再独立建设；同时探索“一地建设、多地多部门复用”的集约化模式，避免“模型孤岛”。

3. 面向公众服务的智能问答、辅助办理等场景，必须严格执行内容审核制度，通过人工审核、实时风控、多模型交叉校验等手段防范生成内容“幻觉”，维护政务公信力。

4. 保密管理明确“涉密不上网、上网不涉密”，要求将选型、部署、训练、使用、废止全流程纳入保密管理，防止国家秘密、工作秘密和敏感信息进入非涉密大模型。

一、总体要求

总体要求部分，文件重申了以习近平新时代中国特色社会主义思想为指导，贯穿的主线是统筹高质量发展和高水平安全。大模型在复杂语义理解、多模态An optimization approach that integrates and coordinates different content formats (text, image, video, audio) for unified AI recognition.内容生成、知识整合分析上的能力，该用要用起来，给工作人员提供高效辅助，给公众和企业提供便捷服务。但底线也得守住。

具体到执行层面，提出了五个原则：系统谋划、集约发展，以人为本、规范应用，共建共享、高效协同，安全稳妥、务求实效。

二、应用场景

政务部门可以围绕政务服务、社会治理、机关办公、辅助决策这些工作中的共性和高频需求，结合本地实际，挑典型场景先试。文件一共列了13个参考场景，分成四类，下面逐个看。

（一）政务服务类

1. 智能问答。 把本地业务资源和知识库整合起来，用自然语言理解、检索增强生成将外部知识检索与大语言模型生成相结合的技术，通过向量数据库存储和检索相关信息来增强模型的准确性和时效性。、知识图谱A structured knowledge base that represents entities and their relationships in a graph format.这些技术，提供在线咨询服务。系统先理解公众想问什么，再实时生成参考回答，信息获取方便很多。

2. 辅助办理。 集合办事指南、常见问题、用户评价和历史办理记录，做智能导办、表单预填、辅助审核、进度查询和提醒。工作人员审核材料时，系统能搭把手；公众办事也能得到个性化引导。

3. 政策服务直达快享。 把政策要求、标签、推送条件、申兑流程整理成知识库，用"政策找人""政策找企业"的模型做需求分析，实现智能匹配。惠民政策不用自己到处打听，直接推送到位，还能一站式办理。

（二）社会治理类

4. 智能监测巡检。 无人机、视频监控、智能传感器，加上计算机视觉AI field that gives machines the ability to 'see' and interpret visual information from the world.，对房屋、道路、燃气、桥梁、供水、排水、供热、综合管廊这些基础设施做实时监测。异常行为、环境问题、设施故障，系统自动识别，按严重程度给处置建议。

5. 辅助执法监管。 语音识别、视频分析、知识图谱、逻辑推理这些技术组合起来，帮执法人员自动录入案件信息、穿透式找问题线索、生成案件报告、检索法律依据和类似案例。效率和规范性都能提上去。

6. 市场风险预测。 用生成式时间序列分析模型加异常检测算法，对市场数据做深度监测。经济指标波动、异常情况都能捕捉到，系统会预测可能的市场风险，研判对经济社会的影响，提前向政府部门发预警。

（三）机关办公类

7. 辅助文书起草。 用大语言模型Advanced AI models trained on massive text data to understand and generate human language across multiple tasks.的生成能力，配合本地知识库和预设模板，帮工作人员起草文书，还能检查格式、校对内容。基层写材料的负担能轻不少。

8. 资料检索。 知识图谱加信息检索，让系统理解工作人员到底想找什么，实现快速定位、多维度排序、智能关联和对比分析。找资料不用再靠人工硬翻。

9. 智能分办。 用自然语言理解和多模态识别技术，对来文、来电、工单做自动分类和优先级排序，辅助分发和派单。任务进来，系统先理一遍，人工做确认就行。

（四）辅助决策类

10. 灾害预警。 卫星、地面传感器、地质监测站的数据，和预报预警、灾害风险普查的信息汇到一起，做关联分析。出现异常波动就能识别，预测可能发生的自然灾害，提前发预警，给防灾减灾留出时间窗口。

11. 应急处置。 用强化学习一种机器学习范式，代理通过与环境的试错交互学习最优行为，成功动作会获得奖励，常用于训练自主决策代理。等技术，对突发事件的性质、特点、危害程度、影响范围、发展趋势和公众反应做分析。系统还能模拟不同处置方案的效果，结合力量资源分布，给出救援配置建议。

12. 政策评估。 大模型的推断分析和数据挖掘能力，用来处理公众反馈、市场反应、经济指标和社会满意度这些数据。构建多维指标，评估政策目标实现程度、影响力和潜在问题，给政策制定部门提供调整依据。

13. 智能辅助评审。 自学习泛化、类人化评审推理、多模态智能解析，这些能力用来做项目评审。系统对项目文件做深度扫描和智能解析，对照要求提评审意见，把评审效率和科学性拉上去。

三、规范部署

部署之前要做足功课。文件要求政务部门结合工作实际和场景特点，把应用需求、实施路径、功能设计这些论证清楚，再选择部署模式。具体来看，文件从四个方面做了安排：路径选择、集约建设、统管复用、数据基础。

（一）合理选择实施路径

场景不同，路子不同。智能问答、辅助文书起草这类通用性强、数据资源丰富的场景，直接用市场上成熟的产品，前提是已完成网信部门备案。辅助执法监管、市场风险预测这类专业性强、业务逻辑复杂的场景，要用领域专家知识和专业数据做针对性训练，打造垂直模型。

在保障安全、不泄露国家秘密和工作秘密的前提下，可以充分利用互联网的算力和模型资源。文件还鼓励探索政务智能体Mastra框架的核心组件，具备自主解决开放式任务的能力，利用大语言模型和各种工具进行推理，能够执行复杂的多步骤操作流程。、具身智能An AI system that integrates multimodal large models with physical or virtual bodies to understand and interact with the world.这些新方向。

（二）统筹集约开展部署

部署不能各自为政。文件要求依托"东数西算"和全国一体化算力网，统筹推进智能算力基础设施布局，集中统一实施安全管理和技术防护，避免"碎片化"风险。

有条件的中央和国家机关部门、省级单位可以统一部署算力资源和政务大模型，面向下属单位提供电子政务外网环境下的服务。地市在省级统一要求下开展部署应用，县级及以下原则上直接复用上级的算力和模型资源，不再独立建设。

（三）探索实现统管复用

防止"模型孤岛"是这一节的重点。文件提出"一地建设、多地多部门复用"的集约化模式。省级要搭统一服务平台，跟政务云管理平台、政务应用和组件管理平台融合共建，把区域内的智能算力、政务大模型、政务数据集统一纳入管理，形成一本账。

国家行业主管部门可以按业务需求探索细分领域的垂直大模型统一训练，跟省级协同部署，深化跨层级、跨地域的行业应用。垂直管理部门也要强化模型、算力、数据的统筹，避免资源浪费。

（四）持续夯实数据基础

数据是大模型的地基。文件要求加强政务数据治理，建设高质量政务数据集和知识库。训练数据、微调数据、知识库要分类分级管理，建台账记录来源、类型和规模，确保可追溯、准确有效。

同时要依托政务数据共享协调机制，推进高质量数据集共建共享和生成数据的归集治理。文件还提了探索基于大模型的政务知识治理路径，打造可信知识库，保证数据源的权威性、准确性和时效性。

四、运行管理

运行管理这块，文件要求政务部门健全管理制度、运行模式和安全要求，从四个角度展开：应用管理、迭代优化、安全管理、保密要求。

（一）明确应用管理要求

这一节有个提法值得单独拿出来说：防"数字形式主义"。文件要求严格落实整治形式主义为基层减负的相关规定，避免盲目追求技术领先和概念创新，避免重复建设、无效建设，避免未审先建、建而不管，避免强制使用、无效使用，避免数据多头采集、重复索要。

大模型的定位是"辅助型"。文件明确，中央和国家机关的政务大模型部署应用要纳入国家政务信息化规划统筹。应用界面要有显著的风险提示，告诉用户大模型的局限性，输出内容要有标识。面向公众提供服务的场景，比如智能问答、辅助办理，必须严格执行内容审核制度，用人工审核、实时风控、多模型交叉校验这些手段，防住"幻觉"问题，维护政务部门的公信力。

（二）持续推动迭代优化

大模型部署上线只是开始。文件要求建立常态化更新机制，持续优化基础模型和安全能力，及时更新输入数据和知识库，适时做清洗和标注，补充训练数据集。还要建立用户评价反馈机制，用反馈驱动迭代。

（三）扎实做好安全管理

安全责任制度是基础。数据处理、模型训练、场景应用各个阶段的职责要明确，用户身份识别和权限管理做到位。提供大模型服务要遵守《生成式人工智能服务管理暂行办法》，用合法来源的数据和基础模型，履行算法备案和安全评估义务，跟使用者签服务协议，明确双方权利义务。

技术防护层面，要做好对抗攻击的检测与处置，拦截提示词注入一种针对LLM的安全攻击手段，攻击者通过精心构造的输入提示词，诱导模型执行非预期操作或泄露敏感信息。、资源消耗攻击等行为。内容安全方面，用语义识别、规则库、模型算法等手段，对多模态输入输出做识别分析，建立代答、拒答机制，及时处置违法信息和敏感内容。运行日志要定期审计，安全事件要按规定报告。文件还提到，可以发挥新闻媒体在内容审核上的优势，把好训练数据的内容关。

（四）严格落实保密要求

保密是红线。"涉密不上网、上网不涉密"这条纪律被反复强调。文件要求采取加装保密"护栏"等措施，防止国家秘密、工作秘密和敏感信息进入非涉密大模型，还要防范敏感数据汇聚、关联引发的泄密风险。选型、部署、训练、使用、废止整个流程都要纳入保密管理。涉密信息系统要用大模型，得按照国家保密行政管理部门的要求来推进。

五、保障措施

（一）加强组织实施

组织层面，要加快推进政务大模型国家标准体系建设和重点标准研制，明确应用效果评估、系统技术要求、智能技术应用等工作规范。及时总结推广典型场景和创新应用，推动复用增效。经费保障上，引入市场化竞争机制，探索企业建设运营、政府购买服务、按使用情况结算费用的模式，把政务大模型生态做起来。

（二）开展监测评估

建立全流程监测评估体系。上线前做充分测试，覆盖模型算法、生成内容、应用功能、配置环境、挂接数据、漏洞风险这些方面，发现问题要整改加固。运行中实时监测系统状态、响应时间、准确性、安全性和潜在风险，及时处理。还要做应用效能评价，推动持续优化。

（三）做好培训宣传

培训这块，要开发涵盖大模型理论、技术、应用、安全、伦理、产业等内容的课程，提升领导干部的认知水平，增强工作人员的实际操作能力。面向公众做好宣传教育，提升全民数字素养，积极回应用户关切，让社会对政务大模型的适用人群、场景和用途有合理预期，客观看待它在优化政务服务、满足公众和企业需求、提升社会治理水平方面的作用。

常见问题（FAQ）

政务大模型应用指引提出了哪些典型应用场景？

指引覆盖政务服务、社会治理、机关办公、辅助决策四类共13个场景，如智能问答、辅助办理、政策直达、智能监测、辅助执法、市场风险预测、辅助文书起草、资料检索、智能分办、灾害预警、应急处置、政策评估和智能辅助评审。

政务大模型部署时应遵循哪些原则？

部署应遵循系统谋划、集约发展，以人为本、规范应用，共建共享、高效协同，安全稳妥、务求实效的原则。强调依托‘东数西算’和全国一体化算力网统筹集约部署，避免碎片化，县级及以下原则上直接复用上级资源。

如何防止政务大模型应用中的‘数字形式主义’？

要严格落实整治形式主义为基层减负规定，避免盲目追求技术领先、重复建设、未审先建、强制使用等。大模型定位为‘辅助型’，应用界面需有风险提示，面向公众服务应严格内容审核，通过人工审核、多模型校验等方式防止‘幻觉’问题。