大模型的核心能力在于复杂语义理解与推理、多模态内容生成、知识整合与分析，能力支撑停留在思维、知识层面[1]；智能体覆盖感知、记忆、决策、交互、执行等环节，旨在形成自主行为能力。具体到政务领域，从大模型到智能体的演进就是更加聚焦行为自主化，从“能生成内容”迈向“自动处理业务”。从行为链整体看，政务智能体的能力呈现鲜明的“前端强、后端弱”格局：感知与记忆环节受益于相对成熟的技术支撑，发展较快；在决策、交互尤其是执行环节，不仅对技术可靠性要求更高，而且更加依赖权限设计、责任认定等制度保障，因而落地相对缓慢。为促进政务智能体应用与发展，需要推动能力进阶与制度建构。
一、行为链视角下政务智能体的能力格局
政务智能体通过完整的行为链嵌入治理，实现从数据自主采集到业务执行的闭环。从各地实践看，政务智能体的行为链并非均衡发展，而是呈现出“前端强、后端弱”的阶梯格局。
（一）感知与记忆：前端技术依赖强、发展相对较快
在感知环节，政务智能体依托智能摄像头、物联网传感器、政务存量数据库、社交平台反馈、无人机、具身智能等多源渠道，实现数据的广泛采集与融合，形成覆盖全域的“感知神经网络”。在记忆环节，政务知识库和高质量数据集建设持续推进，为智能体提供了结构化知识管理与动态调用的基础能力；一些智能体甚至具备较强的长记忆和跨场景记忆能力，能够将个人信息、交互数据、政策知识等在不同业务场景中动态调用，实现上下文连贯支撑。感知与记忆环节发展较快，主要得益于传感器、视频分析、数据治理等技术的相对成熟。但在实践中，感知设备部署与运维投入巨大，知识库和数据集建设依赖大量人工标注，加之记忆能力的提升直接增加存储与计算成本，致使整体投入高昂；此外，区域间和行业间的建设和应用水平差异显著，感知和记忆能力的分化明显[2]。
（二）决策与交互：中端有所突破但是存在局限
在决策环节，政务智能体主要依托规则引擎和机器学习模型，对感知与记忆环节提供的信息进行分析判断，输出分类、分派、预警等决策建议。部分系统能够迅速完成复杂工单的精准匹配，显著提升了基层事务处理效率。在交互环节，政务对话系统能够以自然语言与公众进行多轮交流，完成政策解读、办事指引、材料预审等任务，用户体验明显改善。然而，决策与交互环节仍面临明显局限。在决策层面，当前能力主要依赖人工标注数据和预设规则，面对跨部门协调等情境时，自主推理和价值权衡能力不足，决策结果需要人工复核。在交互层面，仍然在自然语言理解精度、多轮对话的上下文保持、非标准化诉求的响应能力等方面存在诸多不足，经常出现理解偏差或答非所问；同时，交互方式较为单一，缺乏图文、语音、视频等多模态融合的沟通手段，还难以满足精准沟通的需求。
（三）执行：后端最为薄弱且普遍谨慎
在执行环节，政务智能体将决策结果转化为具体行动。当前，自动执行主要出现在智能派单、简易审批、预警发布等低风险、规则明确的场景中，且多局限于内部流转或信息发布类操作，真正涉及对外行政效力的自动执行仍处于个别探索阶段。总体来看，执行环节的覆盖场景较为有限，应用深度尚浅。对于自动执行，实践层面还普遍持谨慎态度，不愿贸然授权执行。少量系统尝试引入人类监护人的机制，自动执行结果需经人工确认后方可生效；个别场景开始探索自动执行、学习与迭代的闭环，但还需更多实践验证。执行能力不足已成为制约政务智能体从辅助工具向可靠执行者跃升的关键瓶颈。
二、障碍叠加：前段强、后端弱的成因
决策、交互、执行环节的普遍滞后，并非单纯的技术能力不足，而是根植于数据、责任、技术三个层面的结构性障碍。这些障碍相互交织和叠加，共同制约政务智能体能力从感知、记忆向后端环节的有效延伸。
（一）数据规模与质量制约
数据是政务智能体建设和运行的基础。在数据规模方面，尽管感知环节的采集渠道和方法丰富，但真正可用于训练决策模型的有效数据非常不足。例如，在需要价值判断的场景中，历史工单中的分派决策为何被认定为合理、执法裁量该依据哪些标准，这类决策标签普遍缺失，导致智能体难以从历史经验中学习可靠的判断逻辑。许多领域的数据仍较为分散，汇聚和共享明显不足，也影响了数据规模。数据质量问题对后端环节的制约尤为突出。交互环节需要精准理解用户意图，但用于训练的高质量数据不够，导致理解偏差频发，形成“高质量数据不足、交互能力受限、应用效果差、数据积累慢”的恶性循环。决策环节因缺乏高质量的决策导向数据集，只能依赖预设规则处理常规场景，面对复杂情境时推理能力不足。
（二）责任认定与风险管控
政务智能体作为政府履职的技术工具，其行为后果的责任应归于政府部门及相关人员，这一点在法律和政策层面是明确的。然而在实际运行中，责任认定却面临多重困境。其一，监督困难。智能体的高效自动处理使得业务量激增，传统的人工逐项审核机制难以覆盖所有行为，导致对自动化决策与执行的有效监督出现盲区。其二，舆情风险加剧。一旦智能体行为出现偏差并造成不良后果，容易引发公众质疑和舆论关注，相关部门往往需要承担比人工处理时更大的问责压力。其三，责任链条断裂。当智能体的开发部署部门与使用部门分属不同主体时，算法缺陷、性能不佳等问题可能在部门间相互推诿。从风险管控层面看，分级授权是平衡效率与风险的重要机制，但当前缺乏统一的风险等级判断标准。缺乏明确的规则依据，容易导致基层部门倾向于限制自动执行。
（三）技术成本与扩散壁垒
从前端的感知设备、数据治理，到后端的决策算法、执行系统集成，每个环节都涉及高昂的硬件采购、软件开发与算力消耗成本，而且越往后端，投入常常更大。对于大多数地方政府而言，前期投入规模远超其信息化预算能力，而技术对行政效能的提升作用却难以在短期内显现。尤其是在决策、执行等后端环节，算法精度提升需要大量高质量标注数据和反复迭代训练，技术成熟周期长，进一步加剧投入与回报之间的不匹配。此外，智能体开发公司需要足够的市场空间来摊薄研发成本。然而，各地政府在选择技术供应商时，往往偏好本地企业或已有合作关系的公司。这一倾向在较大程度上形成了技术扩散壁垒，不仅会推高单个项目的开发成本，也阻碍了后端环节技术能力的快速迭代与整体跃升。
三、能力进阶：分级跃升与全链协同
为让政务智能体形成更加合理的能力格局，全面助推治理效能提升，需要着力推进其能力跃迁，即沿着行为链的五个环节，逐级、协同打通能力进阶的堵点。
（一）厘清行为链各环节的核心能力
感知环节的核心在于多源数据的准确采集与融合，需要从分散的摄像头、传感器、无人机、具身智能等渠道构建全域感知网络，确保信息的完整性、时效性与一致性。记忆环节的核心在于结构化知识管理与跨场景动态调用，既要避免过度记忆带来的成本压力，又要为决策提供连贯的情境上下文。决策环节的核心是从规则驱动走向数据与规则融合驱动，在常规场景中实现自主判断，在复杂情境中提供可解释的方案供人类参考。交互环节的核心是走向双向协作与实时研判，精准理解参与者意图，通过多轮对话澄清需求、提供准确信息，提升沟通效率和用户体验。执行环节的核心是更多场景走向行动落地，在风险可控前提下完成跨部门协同处置、应急资源自动调度、违法自动纠偏等直接产生行政效力的行为。
（二）把握能力分级跃迁的关键
政务智能体能力从一个状态向更高等级跃迁，需要突破四个共性关键。一是感知覆盖。从单一渠道走向多源融合的全域感知，提升数据采集的广度、精度与时效性，为后续各环节提供可靠的输入基础。二是数据驱动。构建高质量的标注数据集，特别是面向决策价值判断的标签体系，使智能体具备从历史经验中学习的能力。三是算法进化。从规则匹配走向深度学习与可解释推理，使智能体能够处理非标准化、复杂情境下的任务。四是分级授权。根据风险等级划定智能体的自主边界，低风险环节允许全自动，中高风险环节保留人工介入节点，实现效率与风险的有效平衡。这四个关键点层层递进——感知覆盖是前提，数据驱动是基础，算法进化是核心，分级授权是保障，共同支撑能力从低阶向高阶跃迁。
（三）以技术创新扩散促进全链协同
全链协同的前提是各环节的技术能力能够同步提升。当前，技术扩散面临成本高、本地化壁垒突出的困境，需要从供需两端破解。在供给端，鼓励技术供应商开发模块化、可配置的智能体组件，降低开发成本，使成熟方案能够跨地区、跨行业复用[3]。在需求端，推动地方政府采用统一的数据接口与行为链标准，减少因标准差异造成的迁移障碍。同时，建立跨区域的技术验证与推广机制，将在某地区已验证有效的工具能力，包括分级授权规则、行为监控工具、风险判断标准等，向其他地方复制。此外，可以参照备案评估的思路，对高风险智能体的应用进行事前技术验证与合规审查，确保守住技术扩散过程中的安全底线。
四、制度建构：能力进阶的根本保障
政务智能体能力进阶的实现，有赖于系统性的制度建构。数据规模与质量、责任认定与风险、技术扩散等障碍，需要通过制度建构予以打破。
（一）数据治理与责任认定规则
首先要建立面向政务智能体的数据治理制度：一是制定政务智能体训练数据的质量规范，明确数据采集、清洗、标注的全流程标准，特别是针对决策场景所需的价值判断标签，要求标注依据可追溯、可复核。二是建立高质量数据集跨部门跨层级共享规则，明确数据提供方、使用方、管理方的权责关系，同时设计数据贡献与使用的激励相容机制，促进高质量数据高效复用。对于责任认定，应区分算法责任与使用责任。对于算法设计缺陷导致的决策错误，由政务智能体开发部署方承担主要责任；在授权范围内使用智能体但未履行必要监督义务导致的不良后果，由使用方承担相应责任。此外，可以建立责任归属指引，明确数据提供、决策输出、执行触发等不同环节的责任主体。
（二）分级授权与行为链标准体系
分级授权是政务智能体迈向自动执行的关键。分级的依据应综合考虑应用场景、使用规模及潜在影响，其中影响不仅包括对公共安全的冲击，也包括对公众权益的损害。对于中风险行为，执行后需在限定时限内由人工复核，并保留反馈更改与救济机制；对于高风险行为，必须坚持事前人工确认方可执行。同时，应建立动态授权调整机制，根据智能体实际运行表现，例如准确率、异常发生率、用户投诉率等，定期评估并调整其授权等级，对表现持续优异的智能体适度提升授权级别，对异常频率上升的智能体则及时降低授权或暂停自动执行权限。需要针对行为链各环节建立统一的标准体系，包括接口规范、日志标准与监控平台。接口规范确保数据可流通、指令可识别；日志标准要求全程记录输入、输出、时间戳、触发者等信息，形成不可篡改的日志链；监控平台实现全链可视化与异常自动告警，便于智能体行为监督员实时介入与处置。
（三）跨区域协作与技术扩散机制
针对技术扩散面临的本地化壁垒与成本高企问题，需要建立跨区域协作与技术扩散机制。一是加强省级和行业统筹，鼓励由省级主管部门或行业牵头单位探索和规划省内及行业内政务智能体建设应用方案，确保不同区域、不同厂商的智能体实现互联互通，对于跨区域共性需求可以组织联合研发或集中采购。二是建立政务智能体分级评定与成熟度评估制度，可从感知覆盖、数据治理、决策可靠、执行可控、全链可追溯等维度对政务智能体进行等级评定，评估结果作为各地采购与应用的重要参考，引导技术供应商持续提升产品成熟度，也为地方政府选择能力适宜的智能体提供依据。三是建立政务智能体推荐清单制度，对于经过多地区、多场景验证有效的政务智能体产品及工具能力组件，可由行业主管部门或第三方权威机构评审后纳入推荐清单，向社会公开，各地在采购时优先选用清单内产品，降低信息不对称和重复筛选成本，促进优质方案跨区域流动与复用。
参考文献：（略）
作者简介：张会平，电子科技大学公共管理学院教授，博士生导师，研究方向为数字政府、数据要素与人工智能治理。
基金项目：成都市哲学社会科学规划新型智库建设专项重点项目“AI大模型在现代城市中的应用研究”（项目号：2025-SKGH-ZKZX-12）。
