请选择您感兴趣的产品

得助大模型平台

模型训练平台

一站式服务简化大模型训推评全流程
智能体平台

高效、低成本构建大模型企业级应用

知识管理

财富助手

为财富顾问提供一站式智能问答服务
知识助手

组合式AI打造大模型企业知识助手

智能客服

全媒体呼叫中心

全渠道全媒体、一站式AI+呼叫中心
语音机器人

外呼大模型加持，听得准确说得自然
文本机器人

即时文本对话，自研知识引擎
智能陪练

大模型拟真，千人千面沉浸式AI对练

智能运营

音视频服务平台

全场景自研AI+RTC实时音视频服务
OCR识别

高精度、高安全的图文检测识别服务
智能RPA

AI+RPA深度融合，赋能企业自动化
多模态防伪

全链路生物数据核验，守卫安全防线
多模态质检

大模型赋能合规，金融级多模态质检
对话式BI

自然语言交互，可视化智能分析数据

企业出海

全媒体呼叫中心(海外版)

企业跨语种无界沟通，赢占国际市场
文本机器人(海外版)

多语言国际服务，跨时区沟通无障碍
语音机器人(海外版)

多语言智能交互助力全球营销与服务
智能质检(海外版)

大模型赋能国际企业多模态质检服务

智能营销

企微SCRM

智能营销服引擎，高效转化私域流量
营销平台

打通营销全链路，赋能企业增速业务
企业直播

打造超低延迟、超稳定的直播平台

其他

通用人力外包

为企业提供多场景、高质量专业服务
线路

安全稳定、应用多场景的线路服务

描述具体需求(选填)

欢迎微信扫码咨询

中关村科金得助智能-小得

跳过

完成

大模型知识库搭建实战:达州城市大脑如何用大模型重构政务知识体系？

成功案例

2025-08-19 17:09:19

作者：JIfan

阅读量：123

文章目录

文章摘要：今天分享一个大模型知识库搭建实战案例，达州城市大脑政务服务大模型项目的实践，为破解这一困局提供了新思路。中关村科金得助智能团队用自研领域大模型，将城市智库、政务服务、应急救灾三大领域的知识，转化为可交互、可推理、可生长的"智慧体"。这个过程不仅让市民查政策像聊微信一样简单，更重塑了政务知识从"沉淀"到"应用"的全链条逻辑。

如果你走进过政务大厅，或许见过这样的场景：工作人员在堆积如山的文件中翻找政策条文，市民对着复杂的办事指南一脸茫然，应急指挥时需要紧急调阅却找不到关键资料——这些看似孤立的问题，实则指向同一个核心：政务知识的管理与应用，一直停留在"纸质化思维"的数字时代。

今天分享一个大模型知识库搭建实战案例，达州城市大脑政务服务大模型项目的实践，为破解这一困局提供了新思路。中关村科金得助智能团队用自研领域大模型，将城市智库、政务服务、应急救灾三大领域的知识，转化为可交互、可推理、可生长的"智慧体"。这个过程不仅让市民查政策像聊微信一样简单，更重塑了政务知识从"沉淀"到"应用"的全链条逻辑。

大模型知识库搭建

一、政务知识的"痛点图谱"：为什么传统知识库总在"失效边缘"？

政务知识的特殊性，让其管理难度远超普通企业。达州项目启动前的调研显示，三类痛点尤为突出：

1.专业壁垒与公众需求的断层

政务文件往往充斥着"审批要件""办结时限"等专业术语，市民想知道"居住证办理需要带什么"，却要在千字政策文中艰难检索。就像一本没有目录的厚重典籍，普通人捧着也读不懂。

2.静态文档与动态业务的脱节

政策文件会修订，应急方案会更新，但传统知识库的更新总像"慢半拍"。

3.分散管理与协同需求的矛盾

政务知识分散在各部门的服务器、文件夹甚至个人电脑里：民政的低保政策、住建的公积金条例、应急的救灾预案……当市民咨询"灾后重建补贴"时，需要同时调用民政与应急的知识，这种"跨库协同"在传统模式下往往难以实现。

二、大模型知识库的搭建逻辑：如何让知识从"沉睡"到"觉醒"？

大模型知识库的搭建

州城市大脑政务服务大模型项目的核心突破，在于用大模型技术构建"活的知识体系"。其大模型知识库搭建逻辑可拆解为三个关键步骤，每一步都直指政务知识的特性：

第一步：给通用大模型"植入政务基因"

直接把通用大模型搬来处理政务知识，就像让不懂医学的人看CT片——能看懂字面意思，却读不懂专业逻辑。中关村科金得助智能的解决方案是：用政务和应急救灾领域的海量数据，给大模型做"定向培训"。

他们筛选了近十年的政策文件、应急案例、办事指南，让模型学习政务表述的"潜规则"：比如"应当"在政策语境中往往意味着"必须"，"原则上"则留有灵活空间。更关键的是训练其推理能力——当市民问"异地就医报销比例"时，模型不仅要调出相关政策，还要根据参保类型、就医城市等变量自动计算结果，而不是简单粘贴条文。

第二步：让知识"打破格式壁垒自由流动"

政务知识藏在各种格式的"容器"里：PDF版的政策文件、PPT做的应急演练方案、Word写的办事流程……传统OCR技术能识别文字，却读不懂格式背后的逻辑——比如表格里的"申请条件"与"所需材料"是对应关系。

达州项目集成了多模态文档识别能力，相当于给大模型装上"万能阅读器"：它能看懂PDF里的公章位置，理解PPT中的图表含义，甚至能从扫描版的手写笔记中提取关键信息。结合检索增强生成（RAG）技术，模型会像人一样"翻书找答案"——当查询"低保申请流程"时，它会先定位到最新的政策文件，再从中提取出6个步骤，最后用通俗语言解释。