面对复杂流程、多源数据与高信任要求，政务场景对 Agent 的定义远比“智能助手”更苛刻：它必须真正“能干活”。本文将从政务系统的实际需求出发，拆解一个“能干活”的 AI Agent 所需的能力结构与落地路径，希望能帮到大家。

　　AI Agent就只能做个助理吗？只能答答问题？

　　如果你也是这么想的，那我必须说句实话：你把它用小了。

　　在政务服务的场景里，大模型、Agent、智能体这些词已经成了关键词，但实际落地中我发现，很多项目把AI Agent当成了一个更聪明的搜索框。答得再快、口气再温柔，最多也只是个能说的“答题器”。

　　问题不在AI不够强，而是我们没给它一个“真正工作”的机会。它不是不能做事，而是你只让它说话。

01 最常见的“用小了”现象

　　我在不少政务AI项目中看到类似的现象：

• “我们上线了智能客服！”实际上就是把问政通里的FAQ放到了大模型上，用户问问题，大模型回答一段话，内容看起来更流畅，但事情还是没人办。
• “我们做了政策问答！”实际场景里用户一连问三个问题，AI还是回到默认模板，根本不理解之前的问题逻辑。
• “我们集成了AI能力！”但AI只是一个弹窗，只能在首页答几个常见问题，连用户身份都识别不了，更别说“自动办理”了。

　　这些场景的共同问题是：AI Agent只是一个“说话的窗口”，没有任何流程执行能力。

　　说白了，不是它做不了事，而是你没让它“干活”。

02 实战案例：Agent不只是答复，而是“会办事”的智能体

　　在我们“边聊边办”的项目落地过程中，我逐步意识到一个问题：如果AI Agent只会说话，那它顶多是个问答机器人；但如果它能触发系统动作，那它就成了“能干活”的数字员工。

　　所以我们开始做一个真正能“办事”的智能体，而不是一个答题器。

　　起初，我们从150个表单填写项较少、结构清晰、逻辑稳定的事项入手，这些事项具备几个典型特征：

• 表单字段不超过10项；
• 所需材料在办事指南中描述较为清晰，适合结构化抽取；
• 办理流程较为标准化，不涉及跨部门审批。

　　这些事项成为Agent“办理能力”的练手机会。

　　我们为每一个事项构建了一个完整的“对话式执行流”，包括以下几个核心模块：

1. 意图识别 + 事项定位

　　用户通过自然语言发起咨询（比如“我要申请低保”），我们通过本地化微调的大模型对话层识别其意图，匹配到目录事项树中的“低保申请”节点。

　　技术点：我们基于每个事项的关键词、指令句式，构建意图训练集，在大模型基础上通过few-shot方式补强弱语义识别能力，避免被关键词限制。

2. 流程调用 + 表单拆解

　　一旦匹配到事项，Agent会调用事项配置表，调出该事项的办理流程结构，并以对话方式逐步询问用户填写所需字段：

• 对于标准字段（姓名、身份证等），可通过证照读取或接口自动预填；
• 对于变量字段（是否已婚、是否有房产），Agent会通过语义引导用户回答；
• 表单填完后，Agent将结构化信息转化为申请数据包，准备发起办理。

　　技术点：我们设计了一个“事项流程中间语言”（类似DSL），可将事项从流程图解析为对话执行节点树，每一个节点都有条件逻辑、跳转控制和字段验证，Agent按此运行流程，确保正确引导。

3. 材料指导 + 智能验证

　　针对所需材料，我们并不是简单展示材料清单，而是由Agent结合用户实际情况判断哪些材料必须提交、哪些可以免提交，并给出材料示例、拍照引导。

• 用户上传照片后，系统自动识别材料类型及完整性（例如判断水印是否清晰、是否有签章）；
• 不合规材料，Agent会主动提示“图片模糊，请重新拍摄”或“缺失签章页，请补传”。

　　技术点：在材料识别上，我们接入了大模型+传统OCR的组合引擎，用于对票据、公函、证明类材料做结构识别；材料验证规则由业务方配置后动态注入。

4. 事项发起 + 回执反馈

　　完成表单填写和材料上传后，Agent触发接口调用，正式向办事系统提交申请，系统生成回执，Agent将结果反馈给用户，并自动加入事项进度跟踪列表。

• 若申请失败，Agent会根据办件系统返回码做归因解释（比如“您的户籍地址不符合申请条件”）；
• 若成功，则提示预计审核时间，后续状态通过推送同步。

　　技术点：我们为Agent设计了一个“办理执行器”，用于对接各类业务系统接口（RESTful为主），并内置回执解析规则，支持中英文提示语转译和优化。

小步快跑：从150个事项，到带动整个业务标准化

　　在首批150个事项上线后，计划建立一套评估指标：

• 意图识别准确率92%+
• 表单字段匹配率96%
• 材料识别通过率89%
• 办结闭环率约82%（即从发起到用户办结的比例）
• 用户满意度提升明显，首次接入渠道咨询转化率超60%

　　取得初步成效后，我们会逐步反推到了业务部门。因为AI Agent在“结构清晰事项”上的体验远超“复杂事项”，我们倒逼其他事项逐步重构业务结构、补齐字段定义、标准化表单配置。

　　也就是说，智能体能力反过来推动了办事系统的标准化，形成了一种良性循环：业务越标准，AI越能跑通；AI越能跑通，业务越愿意重构。

03 三条建议，助力你打造一个“能干活”的AI Agent

第一条：把Agent当成岗位来设计，而不是功能组件

　　比如你要做“智能导办”，那这个Agent就像一个窗口的接待员，它应该知道业务流程、懂得用户意图、能引导下一步，而不是一个会说话的提示框。

第二条：设计完整闭环，而不是信息传递

　　一个Agent的闭环最少应该包含：

• 识别（知道用户要干啥）；
• 判断（判断是否可办/需补材料）；
• 执行（帮用户发起）；
• 反馈（告诉用户是否成功）；
• 学习（把本次对话反馈沉淀到知识库）

　　这才叫真正的“办事”智能体。

　　比如你要做“智能导办”，那这个Agent就像一个窗口的接待员，它应该知道业务流程、懂得用户意图、能引导下一步，而不是一个会说话的提示框。

第三条：场景微型化，不贪大求全

　　不要一开始就想做个万能Agent。最好是一个Agent只负责一件事，比如“导办Agent”“派单Agent”“材料识别Agent”。每个小Agent打磨清楚，再考虑协同。

　　大模型要做小场景，才有落地的可能。

最后的话

　　AI Agent的最大价值，不是能答几个问题，而是能“接得住政务服务的活儿”。

　　你不能指望它像人一样理解一切，但你可以设计清楚它该做哪一步、接哪个接口、帮用户完成哪段流程。

　　如果你还把它当“助理”，那这场技术革命，跟你没多大关系。如果你开始让它“上岗”，那你就是在参与一场正在重构政务服务方式的浪潮。

　　希望带给你一些启发，加油！