平台建设背景

近年来，大模型技术以惊人的迭代速度重塑人工智能发展格局。从GPT-3引爆生成式AI浪潮，到开源与闭源模型的竞逐演进，DeepSeek、Manus、MCP等创新模型和框架持续突破技术边界，推动行业应用从概念验证迈向深度落地。大模型技术的创新不仅仅停留在研发层面，更重要的是，它为各个行业的应用落地带来了前所未有的机遇。随着技术的不断成熟，行业应用不再仅仅是简单的尝试和探索，而是进入了全面深化的阶段。如今，大模型行业应用已经进入深水区，意味着企业和组织不再满足于表面的数字化转型或智能化升级，而是开始深入挖掘大模型技术在核心业务流程、决策分析、用户体验等关键环节的潜在价值。

大模型时代下城市治理行业应用场景

在面对城市治理的挑战与机遇时，数字政通始终以“人”为中心，深入行业应用场景需求，通过大模型技术赋能，服务政府工作人员、市民群众等每一位城市治理参与者，为城市治理提供新的解决方案。（1）城市运管服业务中，从市容环卫、建筑垃圾、户外广告等场景出发，解决环卫垃圾收运规划、垃圾分类咨询督导、建筑垃圾监管、装修垃圾处置、户外广告及招牌设施管理等工作中的痛点问题，构建环卫作业效能诊断助手、智能管理模式推荐算法、垃圾分析数字督导员、专修垃圾咨询助手等智能体应用。（2）城市生命线业务中，针对燃气监管、排水防汛、市政管理、供热等应用场景需求探索大模型智能应用，如燃气隐患排查整治、防汛知识和市政设施养护方案推荐、供热治理自动评价等。（3）一网统管业务中，基于工单办理场景构建受理员、派遣员和监督员等岗位智能体，提高工单流转效率；基于工单数据分析场景建立智能标签体系，实现热线感知、预警和效能分析。（4）法治政府业务中，建立案件智能评查场景智能体，实现对执法办案全流程智能化能力提升，使案卷全量、自动化评查成为可能，极大缓解执法办案和监督人员压力。（5）城市大脑IOC业务中，结合数字人和大模型技术，建立大屏数字讲解员，实现大屏内容自助讲解、大屏数据问询式查询以及大屏数据报表分析，提高城市大脑智能化应用水平。

如何快速构建行业大模型智能应用

在大模型时代，行业智能应用的构建能够为各行业带来创新思路和竞争优势。快速构建行业大模型应用，可从锚定应用场景、建立行业知识库、训练垂直大模型、构建场景和岗位智能体四个关键步骤着手。

01

应用场景是大模型智能应用的落脚点

应用场景决定了大模型技术价值的实际转化效率，随着大模型从通用能力向垂直领域纵深发展，其落地逻辑已从“技术驱动”转向“场景驱动”——只有精准匹配行业痛点的解决方案，挖掘用户真实需求，解决应用场景实际问题，才能有效推动应用场景落地。数字政通始终聚焦于深耕20多年的城市治理行业，从城市运管服、城市生命线、一网统管、法治政府等业务中挖掘用户需求，探索大模型智能应用落地方向。

02

行业知识库是构建行业大模型应用的基石

行业知识库汇聚了城市治理行业的的专业知识、经验、数据等关键信息。首先要进行全面的数据收集，涵盖行业标准、研究报告、项目方案、政策法规等结构化与非结构化数据。例如，在运管服业务中，行业数据包括多模态物联感知数据（视频、图片、车辆轨迹、井盖状态等）和政务文本类数据（政策文件、安全操作规范、法律法规等）。数据收集归档后需要进行数据清晰和分段处理：（1）通过数据清洗去除重复、错误和不相关的信息，提升数据质量；（2）通过文档向量化和切片处理，形成文档结构化分段和关联问题，提升知识检索命中效果。这样，行业知识库能为后续的模型训练和智能应用提供丰富且准确的知识来源。

目前，公司5大业务线已积累100多个行业知识库

03

训练垂直大模型是核心环节

垂直大模型针对特定行业任务进行优化，能更好地满足行业需求。基于预训练的通用大模型，如DeepSeek、Qwen，利用行业知识库中的数据进行微调，使其在特定任务上表现更专业。通用大模型已经学习了大量的语言知识和模式，微调能让其快速适应行业特性。例如在热线智能标签场景，通过热线标签数据微调训练，大模型更能理解话题、主体、地址的标签推荐规范。在工单派遣处置场景中，通过对历史工单数据的微调训练，大模型可以推荐出事项分类和处置部门，同时，可建立自学习机制，定期结合用户标注数据对模型进行不断自我迭代更新，持续提升模型效果。

04

场景和岗位智能体是行业大模型应用的落地形态

根据不同的行业场景和岗位需求，定制智能体。在工单受理场景中，构建智能座席助手，使其能快速准确地完成工单受理登记过程中的信息自动提取和总结分析，提高座席员登记效率；在案件评查场景中，构建智能评查场景智能体，使其自动对大量行政执法案卷文书进行评查，提高评查覆盖范围和效率。智能体搭建方式包括：大模型接入、知识库引用、工作流构建以及外部工具调用，同时，需要通过接口与现有业务系统集成，实现数据的无缝流通，让智能体更好地辅助岗位工作，提升工作效率和质量。目前，常见的智能体应用开发平台有Coze、Dify、Maxkb文心智能体平台等，为大模型智能应用的创建、开发与业务集成提供了一套完整解决方案。

目前，公司5大业务线已积累200多个行业智能应用

快速构建行业大模型应用，通过建立行业知识库提供知识支撑，训练垂直大模型提升专业能力，构建场景和岗位智能体实现应用落地，能够让城市治理行业在数字化转型中快速借助大模型的力量，提升竞争力，创造更大的价值。

DeepSeek+城市治理行业应用案例

01

DeepSeek+RAG智能问答

应用场景：大模型结合RAG构建智能问答助手，应用于网格化事、部件处置规范咨询场景。通过检索外部知识库增强回答准确性，大模型生成自然流畅回复，实现高效、精准的信息交互，提升用户体验和服务质量。（1）接入大模型基础服务：通过大模型应用平台接入政数局提供的DeepSeek-R1满血版大模型服务，为智能应用提供能力支撑。（2）创建知识库和智能应用：知识库包括项目网格化案件指标表，网格化地方标准（包含事件、部件处置规范）。通过智能应用关键知识库，构建智能问答智能体。（3）对接至业务系统：以智能应用接口形式对接至业务平台，实现智能问答。

02

DeepSeek+pandasAI智能问数

应用场景：通过大模型构建基于知识库和数据库的数据统计分析问答助手，在数据统计分析场景下，针对系统运行的海量数据，需通过查询接口获取用户关注的信息。利用NL2SQL技术将自然语言转化为结构化查询语言（SQL），实现数据查询的智能化和自动化，提高业务查询和分析的效率。（1）基于语义信息梳理：基于问数场景需求梳理数据库建表语句、表字段注释、常用查询sql以及专业名称解释等内容，为NL2SQL提供丰富的语义信息。（2）智能问数框架搭建：基于PandasAI+知识库+大模型构建智能问数查询、检索、生成框架。通过用户自然语言输入，实现数据自动查询效果。（3）对接至业务系统：以智能应用接口形式对接至业务平台，实现智能问数。

03

DeepSeek+MCP智能报告

应用场景：在数据分析报告编制场景中，基于MCP协议定义大模型调用工具，结合大模型构建数据分析报告自动生成机制。根据用户指定的报告编制规范，通过业务数据查询插值的方式进行数据填充，以文本+图表的形式进行展示。然后，通过大模型对数据以及关联信息进行总结分析，形成完整报告内容，提高报告编制效率。

（1）定义大模型调用工具：search联网搜索工具，database_query数据库查询和绘图工具。search工具可调用搜索引擎进行检索，并通过大模型判断检索内容是否符合用户需求；database_query工具可查询数据库中的数据，并调用绘图工具进行可视化展示。

（2）创建数据分析报告智能体：结合大模型和调用工具创建数据分析报告智能体，根据联网搜索和数据查询结果，生成报告。

未来展望

随着大模型技术进入快速迭代周期，大模型领域正呈现指数级发展态势。据行业观察，核心算法架构不断进行范式级演进，模型参数规模、多模态理解能力和推理效率持续突破理论边界。数字政通将持续投入，结合城市治理应用场景实际需求，紧跟大模型微调训练、跨模态知识蒸馏、多智能体应用等技术动向，构建具备多个垂直业务方向的行业大模型体系，打造更多智能应用场景落地案例样本，推动城市治理从“经验驱动”向“认知智能”的数字化转型。