智能響應(yīng)公眾服務(wù) 構(gòu)建“AI智囊團”
目前，北京市智慧水務(wù)發(fā)展研究院（以 下簡稱智慧水務(wù)院）已完成 DeepSeek、 通義千問等開源大模型本地化部署，形成 能夠覆蓋文本對話、深度推理、圖像識 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， 業(yè)務(wù)人員選中訴求內(nèi)容，AI助手即刻啟 動檢索程序。這個植入了數(shù)萬條歷史回 復(fù)資料的智能系統(tǒng)，如同經(jīng)驗豐富的顧問，能從海量案例中篩選出最貼近當前 訴求的答復(fù)供工作人員參考。與之相對 應(yīng)的，曾經(jīng)需要人工翻查檔案的復(fù)雜流 程，如今在AI的強力加持下，被壓縮至 分秒之間。在面對京通取水戶的政策咨 詢時，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。這一項項功能，正成為便民服務(wù) 背后的“AI智囊團”。
高效處理基礎(chǔ)工作 打造“專業(yè)知識庫”
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 識別專業(yè)術(shù)語的不準確表述。相比通用 型AI工具，這個吸收過水務(wù)工作報告、 規(guī)劃方案等專業(yè)文檔的小助手，展現(xiàn)出 了更精準的邏輯架構(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)容會越來越 接近水務(wù)工作者的思維模式。 到了防汛抗旱的實戰(zhàn)場景，大模型的未來價值也相當可觀。依托水務(wù)大模 型，工作人員可以通過對話查詢實時雨 情數(shù)據(jù)。“大模型并不會自己去查詢實 時數(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)即能精準反饋結(jié)果。在檢索防汛資 料時，系統(tǒng)可以從海量信息中定位到專 題段落——從歷史汛情報告到水庫調(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)知識庫”。
雙軌策略動態(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、水務(wù)大數(shù)據(jù)中心等基礎(chǔ) 建設(shè)，相當于給城市水系統(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，這套“神 經(jīng)系統(tǒng)”可以嘗試探索更多智能研判功 能，做到自動拆解任務(wù)、調(diào)用模型、提供 應(yīng)對建議等。隨著未來更多場景應(yīng)用的 開發(fā)與上線，可以支撐防汛指揮調(diào)度和 風險研判。 李 昊 介 紹，這 套 系 統(tǒng) 的“認 知 能 力”基于對過去案例的學習，雖然“博 學”，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”，對內(nèi)容產(chǎn)生誤判和曲解。另 一挑戰(zhàn)在于知識更新滯后——模型訓練完成后其知識庫便“凍結(jié)”了，想要繼續(xù) 進化，就需要源源不斷地輸入新的“養(yǎng) 料”。為此，團隊采用雙軌更新策略：一 方面對接聯(lián)網(wǎng)檢索功能，借助搜索引擎 補充最新資訊；另一方面業(yè)務(wù)部門及時 上傳文件至本地知識庫，相當于為AI配 備動態(tài)更新的“水務(wù)百科”。 “當前最大瓶頸還是如何讓大模型把 水務(wù)專業(yè)知識學懂、學透、學精。就像剛 入職的新人需要不斷學習，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) 報告仍需人工復(fù)核數(shù)據(jù)源頭，“畢竟在眾 多容錯率極低的行業(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 堅持“場景適配”原則，結(jié)合不同業(yè)務(wù) 場景選定最合適的模型類型和參數(shù)。 “我們不會盲目選擇勉強能跑起來的 ‘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) 計是 否完 善，還 未 到 達 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 前全市已經(jīng)建成涵蓋5510個監(jiān)測點的物聯(lián)感知體系，其中2196個自然循環(huán)監(jiān)測 點重點監(jiān)測水位、流量、雨量等自然水 文要素；3314個社會循環(huán)監(jiān)測點覆蓋取 水計量、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)。實時監(jiān)測的數(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)，833萬項文檔、圖片等非結(jié) 構(gòu)化資料的數(shù)據(jù)“海洋”。 在這場水務(wù)智能化變革中，每場雨、 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， 推進智慧水務(wù)有序發(fā)展，讓這座城市的 “水務(wù)大腦”進化得更智慧、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 能夠覆蓋文本對話、深度推理、圖像識 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， 業(yè)務(wù)人員選中訴求內(nèi)容，AI助手即刻啟 動檢索程序。這個植入了數(shù)萬條歷史回 復(fù)資料的智能系統(tǒng)，如同經(jīng)驗豐富的顧問，能從海量案例中篩選出最貼近當前 訴求的答復(fù)供工作人員參考。與之相對 應(yīng)的，曾經(jīng)需要人工翻查檔案的復(fù)雜流 程，如今在AI的強力加持下，被壓縮至 分秒之間。在面對京通取水戶的政策咨 詢時，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。這一項項功能，正成為便民服務(wù) 背后的“AI智囊團”。
高效處理基礎(chǔ)工作 打造“專業(yè)知識庫”
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 識別專業(yè)術(shù)語的不準確表述。相比通用 型AI工具，這個吸收過水務(wù)工作報告、 規(guī)劃方案等專業(yè)文檔的小助手，展現(xiàn)出 了更精準的邏輯架構(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)容會越來越 接近水務(wù)工作者的思維模式。 到了防汛抗旱的實戰(zhàn)場景，大模型的未來價值也相當可觀。依托水務(wù)大模 型，工作人員可以通過對話查詢實時雨 情數(shù)據(jù)。“大模型并不會自己去查詢實 時數(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)即能精準反饋結(jié)果。在檢索防汛資 料時，系統(tǒng)可以從海量信息中定位到專 題段落——從歷史汛情報告到水庫調(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)知識庫”。
雙軌策略動態(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、水務(wù)大數(shù)據(jù)中心等基礎(chǔ) 建設(shè)，相當于給城市水系統(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，這套“神 經(jīng)系統(tǒng)”可以嘗試探索更多智能研判功 能，做到自動拆解任務(wù)、調(diào)用模型、提供 應(yīng)對建議等。隨著未來更多場景應(yīng)用的 開發(fā)與上線，可以支撐防汛指揮調(diào)度和 風險研判。 李 昊 介 紹，這 套 系 統(tǒng) 的“認 知 能 力”基于對過去案例的學習，雖然“博 學”，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”，對內(nèi)容產(chǎn)生誤判和曲解。另 一挑戰(zhàn)在于知識更新滯后——模型訓練完成后其知識庫便“凍結(jié)”了，想要繼續(xù) 進化，就需要源源不斷地輸入新的“養(yǎng) 料”。為此，團隊采用雙軌更新策略：一 方面對接聯(lián)網(wǎng)檢索功能，借助搜索引擎 補充最新資訊；另一方面業(yè)務(wù)部門及時 上傳文件至本地知識庫，相當于為AI配 備動態(tài)更新的“水務(wù)百科”。 “當前最大瓶頸還是如何讓大模型把 水務(wù)專業(yè)知識學懂、學透、學精。就像剛 入職的新人需要不斷學習，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) 報告仍需人工復(fù)核數(shù)據(jù)源頭，“畢竟在眾 多容錯率極低的行業(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 堅持“場景適配”原則，結(jié)合不同業(yè)務(wù) 場景選定最合適的模型類型和參數(shù)。 “我們不會盲目選擇勉強能跑起來的 ‘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) 計是 否完 善，還 未 到 達 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 前全市已經(jīng)建成涵蓋5510個監(jiān)測點的物聯(lián)感知體系，其中2196個自然循環(huán)監(jiān)測 點重點監(jiān)測水位、流量、雨量等自然水 文要素；3314個社會循環(huán)監(jiān)測點覆蓋取 水計量、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)。實時監(jiān)測的數(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)，833萬項文檔、圖片等非結(jié) 構(gòu)化資料的數(shù)據(jù)“海洋”。 在這場水務(wù)智能化變革中，每場雨、 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， 推進智慧水務(wù)有序發(fā)展，讓這座城市的 “水務(wù)大腦”進化得更智慧、更聰明。 文/記者 楊丹婷
