政府部门人工智能大型模型部署和应用指南

为深入贯彻落实中国共产党（CCP）和国务院的决策部署，规范和引导政府部门人工智能（AI）大模型的发展和应用，提升政府治理和服务数字化、智能化（智能化）水平，特制定本指南。本指南旨在为各级政府部门提供部署和应用方面的工作指引和基本参考。 人工智能大模型。它们将根据实践中的进展动态调整，并考虑人工智能大模型发展和应用方面的新情况和新要求。 总体要求 坚定不移以习近平新时代中国特色社会主义思想为指导，深入贯彻落实党的二十大精神及二十届中央二中全会精神，全面贯彻习近平总书记关于建设网络强国的重要思想。1 我们必须完整准确贯彻新发展理念，统筹推进高质量发展和高水平安全。2 坚持系统规划、集约发展，坚持以人民为中心、标准应用，坚持共建共享、高效协同，坚持安全可控、审慎推进，坚持求真务实、务求实效，有序推进政府部门人工智能大模型技术、产品、服务的部署应用和持续优化；要充分发挥人工智能大模型在语义理解推理、多模态内容生成、知识融合分析等方面的优势，为政府工作人员提供有效辅助，为公众提供便捷服务，推动政府工作创新，提升治理效能，优化服务管理，辅助科学决策。 II. 应用场景 政府部门可根据本地实际情况，从典型场景中选取开展人工智能大模型的探索性应用，重点聚焦于政府服务、社会治理、政府办公活动以及决策支持等工作中常见的、高频的需求。主要参考场景包括以下： 政府服务 1.智能问答。整合区域、部门及行业特定的运营资源和知识库，运用自然语言理解、检索增强生成和知识图谱技术，提供便捷的在线政务咨询服务，加强对社会公众咨询的精准理解，实时生成参考回复，从而帮助解决公众关切，提升信息获取的便捷性。 2.文件处理协助。整合政府服务指南、常见问题、用户评价和历史处理记录等数据，运用智能匹配和自动化处理等技术，提供一站式AI辅助政务服务，包括智能引导、个性化导航、表单预填、AI辅助审核、进度跟踪和提醒，帮助工作人员高效审核材料，并支持公众和企业的便捷办理。 3.政策相关服务便捷获取。构建政策知识库，详细记录政策要求、政策解读、推送通知条件，以及政策激励申领与发放（申兑）流程，运用“政策找人”或“政策找企业”的算法模型，强化公众及企业对政策要求的分析，实现政策与受益人的智能匹配，从而推进面向公众或企业的服务主动精准供给和一站式办理。 b) 社会治理 智能巡检。利用无人机、视频监控和智能传感器等设备，以及计算机视觉等技术，对监控录像、图像和物联网数据进行实时分析，以协助人员持续监测建筑物、道路、燃料气体、桥梁、供水、排水、供暖和市政隧道网络等基础设施，通过及时识别异常行为、环境问题或设施故障，自动检测潜在风险，迅速发出警报，并根据异常性质及其严重程度提供应对建议，从而提高监测和检查效率。 5.辅助执法与监管。运用语音识别、视频分析、知识图谱及逻辑推理等技术，协助执法人员实时将案件数据录入系统，深入发现问题和线索，生成案件报告，快速检索法律依据和司法解释，查询相似判例，进而提供 精准的案件处理建议，从而提高执法与监督的效率及标准化。 6.市场风险预测。运用生成式时间序列分析模型和异常检测算法等方法，对各类市场数据进行监控和深入分析，捕捉包括经济指标波动和异常状况在内的市场趋势，预测潜在的市场风险，评估其对经济和社会以及经济轨迹的影响，并及时发布预警，从而为政府管理和社会治理提供支持。 c) 政府办公室活动 7.辅助文档起草。通过构建本地知识库和预设模板，利用大型语言模型（LLMs）的生成能力，为员工提供写作建议和辅助文档起草，同时进行校对、格式和内容的优化，从而提高工作效率，减轻基层人员的工作负担。 8.信息检索。运用知识图谱构建与信息检索等技术，准确理解工作人员的文档检索需求，实现政府信息快速搜索、精准定位、多维排序、智能关联和对比分析，从而帮助工作人员提高文档检索的效率与准确性。 9.智能任务分配。运用自然语言理解和多模态识别技术，建立多维度的任务分类与分配规则，对收到的文档、电话和工单进行自动识别、精准分类、辅助完成和优先排序，实现辅助分发和智能派单，从而提升任务分配效率。 d) 辅助决策 十、灾害预警。通过对卫星、地面传感器和地质监测站等多源、多维、多模态数据，以及预测、预警和灾害风险评估数据，进行大数据关联和综合分析，识别异常波动，预测潜在自然灾害，发布预警，从而协助政府部门及时采取有效措施，以减轻灾害风险、减少损失。 11.应急响应。运用强化学习及其他技术，分析公共安全突发事件及其他突发事件的性质、特点、严重程度、影响范围、影响、发展趋势及公众反应，及时识别并预警潜在风险，基于事件场景和资源分布快速模拟应急响应方案的有效性，提供科学可靠的应急响应建议，并优化救援资源配置，以提升应急响应速度和效率。 政策评估。利用人工智能大模型的推理分析和数据挖掘能力，分析公众反馈、市场反应、经济指标以及社会满意度水平，构建多维指标体系，以评估政策目标达成程度、政策影响及潜在问题，从而为政策制定部门进行政策优化提供支持。 13.人工智能辅助审查。利用自学习泛化与识别、类人审查与推理、多模态智能分析等能力，针对相关要求开展项目审查，对项目文档进行深度扫描与智能解析，并提供审查意见与建议，以帮助提升项目审查的效率与科学性。 III. 标准化部署 结合工作实际和场景特点，政府部门应充分展示人工智能大模型的适用要求、实施路径和功能设计，选择合适的部署模式，做好整体实施规划，推动共建共享，从而提高大模型建设的效率和管理水平。 理性选择实施路径 政府部门应结合自身技术基础及不同政务场景需求，审慎选择人工智能大模型的实施路径。对于数据资源丰富、适用性较广的场景，如智能问答、辅助文书起草等，应仅选用已通过网信部门备案的市场化模型产品与服务。对于操作逻辑复杂、专业性强的场景，如辅助执法、监管及市场风险预测等，则需结合领域专家知识与专业 数据可用于开展精准培训，并构建垂直模型。在确保安全、防止国家秘密、工作秘密和敏感信息泄露的前提下，应利用互联网算力（计算力）和模型资源，在政府领域部署和应用人工智能大模型。鼓励探索政府事务中人工智能代理、具身人工智能等创新应用。 b) 制定整体强化部署计划 政府部门应当采用统筹协调、集中统一的模式，在政务领域部署人工智能大模型。依托“东数西算”工程3和全国一体化算力网，应协同推进智能算力基础设施布局，并实施集中统一的安全管理及系统性技术保障，防范因“碎片化”而引发的安全风险。具备条件的省（包括自治区、直辖市）、中央和国家机关部门，可在政务外网环境下，集中部署智能算力资源和人工智能大模型，向其下属单位或区域提供人工智能大模型服务。地级政府应按照省级（或自治区、直辖市）的统一要求开展部署和应用。县级及以下政府原则上应使用其上级政府使用的智能算力和模型资源来启动应用和服务，不得独立建设、部署政府大模型。 c) 探索并实现再利用的统一管理 政府部门应探索建立“一处建设、多处复用”的集中部署模式，协调政府大模型的部署和应用，防止形成“模型孤岛”。各省（自治区、直辖市）应建立政府人工智能大模型统一服务平台，并将该平台的建设与政府云管理平台、政府应用与组件管理平台等相整合，将相关资源纳入集中管理。 在其区域内，例如电子政务外部网络上的智能计算、政府大型模型和政府数据集。这将能够形成“统一账本”（“一本账”）的生产要素（要素）资源，支持政府大型模型的应用和监控，提供资源使用应用和调度服务，并促进高效共享。国家层面的主要行业主管部门（行业主管部门）必须根据运营需求和开发需要，探索针对特定政府领域的垂直大型模型的统一训练和建设，加强同省（自治区和直辖市）的部署协调，从而通过智能化深化跨层级和跨区域的行业赋能。垂直管理部门4应强化模型、计算和数据等资源的统筹协调部署与管理，防止资源浪费。 d) 持续夯实数据基础 政府部门应当：加强政务数据治理，持续提升数据质量，加快构建客观反映公共政策、制度规范、运行流程和治理效能的高质量政务数据集和知识库，从而支撑政务大模型的优化和训练。对政务大模型涉及的数据实施分类分级管理，加强对训练数据、微调数据和知识库的监管，建立台账，并就数据的来源、类型、数量等信息进行详细记录，确保数据可靠、可追溯，内容准确、有效。依托政务数据共享协调机制，统筹规划数据治理成果，推进高质量政务数据集的共建共享以及生成数据的汇聚治理。探索基于大模型的政务知识治理路径，构建可信知识库，确保数据来源的权威性、准确性和时效性。 IV. 运营管理 政府部门应加强人工智能的运营管理 政府部门的大型模型，改进管理体系、运营模式和安全要求，并有序推进人工智能大型模型技术在政府事务中的部署和应用。 a) 定义应用程序管理要求 政府部门应统筹规划减负和赋权工作，严格执行《整治形式主义为基层减负若干规定》和《关于防治“指尖上的形式主义”的若干意见》等相关要求。为有效防范“数字形式主义”，应避免：盲目追求技术领先或概念创新；重复性、无效性建设；未审批先建设或建设后不管理；强制或无效使用；重复性数据采集或重复性要求。中央机关和地方国家机关部署和应用人工智能大模型，应纳入国家政务信息化整体规划。政府部门应建立和完善人工智能大模型在政府领域全周期管理体系，明确应用方法和边界，落实人工智能大模型的“助型”定位，及时解决部署应用过程中出现的新问题。政府大模型应用界面应显著展示风险提示，明确告知用户大模型服务的局限性，大模型输出内容应进行适当标注。对于政府部门向公众和企业提供服务场景中的人工智能大模型应用，如智能问答、协助办事等，应严格实行内容审核系统和流程。结合场景特点和 technological capabilities（技术能力），应合理采取措施，包括人工审核、生成内容实时风险控制、多模型交叉核验等，以防范模型“幻觉”等风险，确保输出内容不超出业务范围，保证内容准确性，维护政府部门公信力。 b) 持续推进迭代优化 政府部门应当：将持续迭代优化作为人工智能大模型部署和应用的关键组成部分，建立常规更新机制，以加速功能增强和深化 场景应用。密切关注技术发展趋势，持续更新和优化政府领域AI大模型的基础模型及安全防护能力。建立高效的数据采集和处理机制，及时更新支撑AI大模型运行输入数据及知识库，根据需要开展数据清洗和标注，并补充训练数据集，以持续提升模型能力。建立政府领域AI大模型的用户评价与反馈机制，及时收集并处理用户需求，利用用户反馈驱动迭代优化。 c) 加强安全与安全管理 政府部门应建立安全与责任体系，明确数据处理、大模型训练和场景应用中相关方的安全与职责，并规范用户身份认证和访问控制管理。提供人工智能大模型服务时，政府部门应遵守《生成式人工智能服务管理暂行办法》5 及其他相关法规，使用合法来源的数据和基础模型，依法履行算法备案和安全评估等义务，并与用户签订协议明确双方权利与责任。政府部门应：制定政务领域人工智能大模型的分类分级治理体系，完善安全与安全管理流程，建立安全与风险应急响应预案。规范政务大模型对抗性攻击的检测与应对，识别并拦截提示注入、资源耗尽等攻击。通过综合运用语义识别、规则库（ ）和模型算法等技术，加强政务大模型内容安全与安全管理，识别、分析并控制多模态内容输入输出；建立模型应答或拒答的合理机制；及时发现并处置违法和有害信息、敏感内容等。借助新闻媒体的内容审核优势，规范审核审批政务大模型训练数据，加强内容监测管理。规范应用操作日志管理（日志管理），定期开展日志记录审计。推动安全威胁信息共享和应急处置机制，处理并报告安全与 并依照规定处理安全事件，并提升人工智能安全与风险管理能力。 d) 严格实施保密要求 政府部门在模型训练、部署和应用过程中，应加强数据安全、数据保密保护和个人信息保护。坚持底线思维，严格落实“涉密信息不上网、已上网涉密信息不得泄露”等保密纪律要求，并采取安装保密“防火墙”等措施，防止国家秘密、工作秘密和敏感信息输入到非涉密人工智能大模型中，防范敏感数据汇聚关联引