智能響應(yīng)公眾服務(wù) 構(gòu)建“AI智囊團(tuán)”
目前，北京市智慧水務(wù)發(fā)展研究院（以 下簡(jiǎn)稱智慧水務(wù)院）已完成 DeepSeek、 通義千問等開源大模型本地化部署，形成 能夠覆蓋文本對(duì)話、深度推理、圖像識(shí) 別能力的水務(wù)大模型體系。據(jù)介紹，智 慧水務(wù) 院 從 網(wǎng) 絡(luò) 安 全、數(shù) 據(jù) 安 全、隱 私安全、內(nèi)容安全出發(fā)，以“模型本地 化、數(shù)據(jù)不出域、內(nèi)容嚴(yán)把控”為原則 筑牢大模型安全防線。 在日常處理“接訴即辦”工作時(shí)， 業(yè)務(wù)人員選中訴求內(nèi)容，AI助手即刻啟 動(dòng)檢索程序。這個(gè)植入了數(shù)萬條歷史回 復(fù)資料的智能系統(tǒng)，如同經(jīng)驗(yàn)豐富的顧問，能從海量案例中篩選出最貼近當(dāng)前 訴求的答復(fù)供工作人員參考。與之相對(duì) 應(yīng)的，曾經(jīng)需要人工翻查檔案的復(fù)雜流 程，如今在AI的強(qiáng)力加持下，被壓縮至 分秒之間。在面對(duì)京通取水戶的政策咨 詢時(shí)，水務(wù)大模型不僅能幫忙查詢最新 數(shù)據(jù)，還提供政策解讀、流程推薦、法 規(guī)提醒等便民服務(wù)功能。 值得注意的是，系統(tǒng)提供的不僅是 模板化的文字，也是努力向?qū)I(yè)化建議 靠攏，既符合水務(wù)規(guī)范，又兼顧人性化 表達(dá)。這一項(xiàng)項(xiàng)功能，正成為便民服務(wù) 背后的“AI智囊團(tuán)”。
高效處理基礎(chǔ)工作 打造“專業(yè)知識(shí)庫”
在 公文 處 理 領(lǐng) 域 ，水 務(wù) OA 系 統(tǒng) 的 公 文 智 能 校 正 模 塊 ，不 僅 能 捕 捉 “的”“地”“得”等不規(guī)范使用，更能 識(shí)別專業(yè)術(shù)語的不準(zhǔn)確表述。相比通用 型AI工具，這個(gè)吸收過水務(wù)工作報(bào)告、 規(guī)劃方案等專業(yè)文檔的小助手，展現(xiàn)出 了更精準(zhǔn)的邏輯架構(gòu)能力——在智能寫 作模塊中，輸入基礎(chǔ)信息就能生成結(jié)構(gòu) 清晰的PPT框架以供參考。軟件技術(shù)研 究所副主管李昊透露，隨著更多內(nèi)部資 料的持續(xù)輸入，AI產(chǎn)出的內(nèi)容會(huì)越來越 接近水務(wù)工作者的思維模式。 到了防汛抗旱的實(shí)戰(zhàn)場(chǎng)景，大模型的未來價(jià)值也相當(dāng)可觀。依托水務(wù)大模 型，工作人員可以通過對(duì)話查詢實(shí)時(shí)雨 情數(shù)據(jù)。“大模型并不會(huì)自己去查詢實(shí) 時(shí)數(shù)據(jù)，我們通過自研算法打通了大模 型與水務(wù)大數(shù)據(jù)中心，解決了大模型數(shù) 據(jù)時(shí)效性短板問題。”李昊介紹，如今 向水務(wù)大模型詢問“海淀上個(gè)月降雨情 況”“門頭溝去年7月降雨量”等問題， 系統(tǒng)即能精準(zhǔn)反饋結(jié)果。在檢索防汛資 料時(shí)，系統(tǒng)可以從海量信息中定位到專 題段落——從歷史汛情報(bào)告到水庫調(diào)度 規(guī)程，超過百萬字的行業(yè)資料構(gòu)成了AI的 “專業(yè)知識(shí)庫”。
雙軌策略動(dòng)態(tài)更新 喂養(yǎng)“水務(wù)大模型”
“智慧水務(wù)1.0階段，我們完成了物 聯(lián)網(wǎng)感知平臺(tái)、水務(wù)大數(shù)據(jù)中心等基礎(chǔ) 建設(shè)，相當(dāng)于給城市水系統(tǒng)裝上了‘感 知觸角’。”李昊介紹，基于水務(wù)大模型 的本地化部署應(yīng)用深入推進(jìn)，這套“神 經(jīng)系統(tǒng)”可以嘗試探索更多智能研判功 能，做到自動(dòng)拆解任務(wù)、調(diào)用模型、提供 應(yīng)對(duì)建議等。隨著未來更多場(chǎng)景應(yīng)用的 開發(fā)與上線，可以支撐防汛指揮調(diào)度和 風(fēng)險(xiǎn)研判。 李 昊 介 紹，這 套 系 統(tǒng) 的“認(rèn) 知 能 力”基于對(duì)過去案例的學(xué)習(xí)，雖然“博 學(xué)”，但其判斷力仍存在邊界。由于模型 基于逐字推算生成內(nèi)容，可能產(chǎn)生“虛 構(gòu)式回答”，對(duì)內(nèi)容產(chǎn)生誤判和曲解。另 一挑戰(zhàn)在于知識(shí)更新滯后——模型訓(xùn)練完成后其知識(shí)庫便“凍結(jié)”了，想要繼續(xù) 進(jìn)化，就需要源源不斷地輸入新的“養(yǎng) 料”。為此，團(tuán)隊(duì)采用雙軌更新策略：一 方面對(duì)接聯(lián)網(wǎng)檢索功能，借助搜索引擎 補(bǔ)充最新資訊；另一方面業(yè)務(wù)部門及時(shí) 上傳文件至本地知識(shí)庫，相當(dāng)于為AI配 備動(dòng)態(tài)更新的“水務(wù)百科”。 “當(dāng)前最大瓶頸還是如何讓大模型把 水務(wù)專業(yè)知識(shí)學(xué)懂、學(xué)透、學(xué)精。就像剛 入職的新人需要不斷學(xué)習(xí)，目前水務(wù)各單 位都在積極提供資料。”李昊介紹，目前 正在持續(xù)往系統(tǒng)里“喂”各種文檔圖紙等 資料。但即便如此，所有AI生成的技術(shù) 報(bào)告仍需人工復(fù)核數(shù)據(jù)源頭，“畢竟在眾 多容錯(cuò)率極低的行業(yè)領(lǐng)域，智能的系統(tǒng) 仍需要專業(yè)人員的最終把關(guān)。”
量身定制模型部署 適配“物聯(lián)感知網(wǎng)”
在模型部 署策 略 上，智 慧 水 務(wù) 院 堅(jiān)持“場(chǎng)景適配”原則，結(jié)合不同業(yè)務(wù) 場(chǎng)景選定最合適的模型類型和參數(shù)。 “我們不會(huì)盲目選擇勉強(qiáng)能跑起來的 ‘大’模 型，而是 選 擇 能 更 好 支 撐 更 多人使 用的‘中’模 型。”李 昊 指出， 目前水務(wù)大模型應(yīng)用的關(guān)鍵還是取 決于 數(shù) 據(jù)是 否充 足、應(yīng) 用設(shè) 計(jì)是 否完 善，還 未 到 達(dá) 模 型能 力 瓶 頸，所以 這 種“量體裁衣”的選擇，不僅優(yōu)化了硬 件資源 投 入，也 為技 術(shù)迭 代預(yù)留了彈 性空間。 城市水務(wù)智慧化的核心支撐在于立 體感知網(wǎng)絡(luò)與數(shù)據(jù)中樞的協(xié)同構(gòu)建。當(dāng) 前全市已經(jīng)建成涵蓋5510個(gè)監(jiān)測(cè)點(diǎn)的物聯(lián)感知體系，其中2196個(gè)自然循環(huán)監(jiān)測(cè) 點(diǎn)重點(diǎn)監(jiān)測(cè)水位、流量、雨量等自然水 文要素；3314個(gè)社會(huì)循環(huán)監(jiān)測(cè)點(diǎn)覆蓋取 水計(jì)量、農(nóng)村污水等民生關(guān)鍵環(huán)節(jié)，形 成覆蓋“從源頭到龍頭”的全鏈條監(jiān)管 閉環(huán)。實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)持續(xù)向水務(wù)大數(shù) 據(jù)中心匯聚，目前已集成涵蓋14.6億條 結(jié)構(gòu)化數(shù)據(jù)，833萬項(xiàng)文檔、圖片等非結(jié) 構(gòu)化資料的數(shù)據(jù)“海洋”。 在這場(chǎng)水務(wù)智能化變革中，每場(chǎng)雨、 每口井、每條信息都可以幫助AI“積累” 治水智慧。市水務(wù)部門將不斷推陳出新， 推進(jìn)智慧水務(wù)有序發(fā)展，讓這座城市的 “水務(wù)大腦”進(jìn)化得更智慧、更聰明。 文/記者 楊丹婷
目前，北京市智慧水務(wù)發(fā)展研究院（以 下簡(jiǎn)稱智慧水務(wù)院）已完成 DeepSeek、 通義千問等開源大模型本地化部署，形成 能夠覆蓋文本對(duì)話、深度推理、圖像識(shí) 別能力的水務(wù)大模型體系。據(jù)介紹，智 慧水務(wù) 院 從 網(wǎng) 絡(luò) 安 全、數(shù) 據(jù) 安 全、隱 私安全、內(nèi)容安全出發(fā)，以“模型本地 化、數(shù)據(jù)不出域、內(nèi)容嚴(yán)把控”為原則 筑牢大模型安全防線。 在日常處理“接訴即辦”工作時(shí)， 業(yè)務(wù)人員選中訴求內(nèi)容，AI助手即刻啟 動(dòng)檢索程序。這個(gè)植入了數(shù)萬條歷史回 復(fù)資料的智能系統(tǒng)，如同經(jīng)驗(yàn)豐富的顧問，能從海量案例中篩選出最貼近當(dāng)前 訴求的答復(fù)供工作人員參考。與之相對(duì) 應(yīng)的，曾經(jīng)需要人工翻查檔案的復(fù)雜流 程，如今在AI的強(qiáng)力加持下，被壓縮至 分秒之間。在面對(duì)京通取水戶的政策咨 詢時(shí)，水務(wù)大模型不僅能幫忙查詢最新 數(shù)據(jù)，還提供政策解讀、流程推薦、法 規(guī)提醒等便民服務(wù)功能。 值得注意的是，系統(tǒng)提供的不僅是 模板化的文字，也是努力向?qū)I(yè)化建議 靠攏，既符合水務(wù)規(guī)范，又兼顧人性化 表達(dá)。這一項(xiàng)項(xiàng)功能，正成為便民服務(wù) 背后的“AI智囊團(tuán)”。
高效處理基礎(chǔ)工作 打造“專業(yè)知識(shí)庫”
在 公文 處 理 領(lǐng) 域 ，水 務(wù) OA 系 統(tǒng) 的 公 文 智 能 校 正 模 塊 ，不 僅 能 捕 捉 “的”“地”“得”等不規(guī)范使用，更能 識(shí)別專業(yè)術(shù)語的不準(zhǔn)確表述。相比通用 型AI工具，這個(gè)吸收過水務(wù)工作報(bào)告、 規(guī)劃方案等專業(yè)文檔的小助手，展現(xiàn)出 了更精準(zhǔn)的邏輯架構(gòu)能力——在智能寫 作模塊中，輸入基礎(chǔ)信息就能生成結(jié)構(gòu) 清晰的PPT框架以供參考。軟件技術(shù)研 究所副主管李昊透露，隨著更多內(nèi)部資 料的持續(xù)輸入，AI產(chǎn)出的內(nèi)容會(huì)越來越 接近水務(wù)工作者的思維模式。 到了防汛抗旱的實(shí)戰(zhàn)場(chǎng)景，大模型的未來價(jià)值也相當(dāng)可觀。依托水務(wù)大模 型，工作人員可以通過對(duì)話查詢實(shí)時(shí)雨 情數(shù)據(jù)。“大模型并不會(huì)自己去查詢實(shí) 時(shí)數(shù)據(jù)，我們通過自研算法打通了大模 型與水務(wù)大數(shù)據(jù)中心，解決了大模型數(shù) 據(jù)時(shí)效性短板問題。”李昊介紹，如今 向水務(wù)大模型詢問“海淀上個(gè)月降雨情 況”“門頭溝去年7月降雨量”等問題， 系統(tǒng)即能精準(zhǔn)反饋結(jié)果。在檢索防汛資 料時(shí)，系統(tǒng)可以從海量信息中定位到專 題段落——從歷史汛情報(bào)告到水庫調(diào)度 規(guī)程，超過百萬字的行業(yè)資料構(gòu)成了AI的 “專業(yè)知識(shí)庫”。
雙軌策略動(dòng)態(tài)更新 喂養(yǎng)“水務(wù)大模型”
“智慧水務(wù)1.0階段，我們完成了物 聯(lián)網(wǎng)感知平臺(tái)、水務(wù)大數(shù)據(jù)中心等基礎(chǔ) 建設(shè)，相當(dāng)于給城市水系統(tǒng)裝上了‘感 知觸角’。”李昊介紹，基于水務(wù)大模型 的本地化部署應(yīng)用深入推進(jìn)，這套“神 經(jīng)系統(tǒng)”可以嘗試探索更多智能研判功 能，做到自動(dòng)拆解任務(wù)、調(diào)用模型、提供 應(yīng)對(duì)建議等。隨著未來更多場(chǎng)景應(yīng)用的 開發(fā)與上線，可以支撐防汛指揮調(diào)度和 風(fēng)險(xiǎn)研判。 李 昊 介 紹，這 套 系 統(tǒng) 的“認(rèn) 知 能 力”基于對(duì)過去案例的學(xué)習(xí)，雖然“博 學(xué)”，但其判斷力仍存在邊界。由于模型 基于逐字推算生成內(nèi)容，可能產(chǎn)生“虛 構(gòu)式回答”，對(duì)內(nèi)容產(chǎn)生誤判和曲解。另 一挑戰(zhàn)在于知識(shí)更新滯后——模型訓(xùn)練完成后其知識(shí)庫便“凍結(jié)”了，想要繼續(xù) 進(jìn)化，就需要源源不斷地輸入新的“養(yǎng) 料”。為此，團(tuán)隊(duì)采用雙軌更新策略：一 方面對(duì)接聯(lián)網(wǎng)檢索功能，借助搜索引擎 補(bǔ)充最新資訊；另一方面業(yè)務(wù)部門及時(shí) 上傳文件至本地知識(shí)庫，相當(dāng)于為AI配 備動(dòng)態(tài)更新的“水務(wù)百科”。 “當(dāng)前最大瓶頸還是如何讓大模型把 水務(wù)專業(yè)知識(shí)學(xué)懂、學(xué)透、學(xué)精。就像剛 入職的新人需要不斷學(xué)習(xí)，目前水務(wù)各單 位都在積極提供資料。”李昊介紹，目前 正在持續(xù)往系統(tǒng)里“喂”各種文檔圖紙等 資料。但即便如此，所有AI生成的技術(shù) 報(bào)告仍需人工復(fù)核數(shù)據(jù)源頭，“畢竟在眾 多容錯(cuò)率極低的行業(yè)領(lǐng)域，智能的系統(tǒng) 仍需要專業(yè)人員的最終把關(guān)。”
量身定制模型部署 適配“物聯(lián)感知網(wǎng)”
在模型部 署策 略 上，智 慧 水 務(wù) 院 堅(jiān)持“場(chǎng)景適配”原則，結(jié)合不同業(yè)務(wù) 場(chǎng)景選定最合適的模型類型和參數(shù)。 “我們不會(huì)盲目選擇勉強(qiáng)能跑起來的 ‘大’模 型，而是 選 擇 能 更 好 支 撐 更 多人使 用的‘中’模 型。”李 昊 指出， 目前水務(wù)大模型應(yīng)用的關(guān)鍵還是取 決于 數(shù) 據(jù)是 否充 足、應(yīng) 用設(shè) 計(jì)是 否完 善，還 未 到 達(dá) 模 型能 力 瓶 頸，所以 這 種“量體裁衣”的選擇，不僅優(yōu)化了硬 件資源 投 入，也 為技 術(shù)迭 代預(yù)留了彈 性空間。 城市水務(wù)智慧化的核心支撐在于立 體感知網(wǎng)絡(luò)與數(shù)據(jù)中樞的協(xié)同構(gòu)建。當(dāng) 前全市已經(jīng)建成涵蓋5510個(gè)監(jiān)測(cè)點(diǎn)的物聯(lián)感知體系，其中2196個(gè)自然循環(huán)監(jiān)測(cè) 點(diǎn)重點(diǎn)監(jiān)測(cè)水位、流量、雨量等自然水 文要素；3314個(gè)社會(huì)循環(huán)監(jiān)測(cè)點(diǎn)覆蓋取 水計(jì)量、農(nóng)村污水等民生關(guān)鍵環(huán)節(jié)，形 成覆蓋“從源頭到龍頭”的全鏈條監(jiān)管 閉環(huán)。實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)持續(xù)向水務(wù)大數(shù) 據(jù)中心匯聚，目前已集成涵蓋14.6億條 結(jié)構(gòu)化數(shù)據(jù)，833萬項(xiàng)文檔、圖片等非結(jié) 構(gòu)化資料的數(shù)據(jù)“海洋”。 在這場(chǎng)水務(wù)智能化變革中，每場(chǎng)雨、 每口井、每條信息都可以幫助AI“積累” 治水智慧。市水務(wù)部門將不斷推陳出新， 推進(jìn)智慧水務(wù)有序發(fā)展，讓這座城市的 “水務(wù)大腦”進(jìn)化得更智慧、更聰明。 文/記者 楊丹婷
