武汉市AI+政务

城市留言板是民意入口,也是咨询的沉淀池。同一个问题一个月被问上百遍,答案却总由不同的人重复回答。项目把这些重复劳动交给系统,把人留给真正需要判断的个案。

1 套知识底座,留言与热线共用
多轮追问理解,支持口语提问
可溯源答案对应政策与办理事项
可审核答案出口前统一校验
01 / 背景

重复的问题,不该重复消耗人力

留言板的咨询有很强的规律性:材料要几份、去哪里办、多久能办完、能不能代办。这些问题在事项库里都有标准答案,只是分散在不同页面,用户找不到,工作人员也得逐条复制。

项目的思路是把留言与热线里已经被人工验证过的答复整理成问答知识,让系统先答第一遍——人工的价值从「重复解释」转向「判断例外」。

02 / 挑战

三件事决定成败

知识从哪来

没有现成的问答库,只能从历史留言、热线工单与事项指南里提炼,且必须人工确认口径。

口语与术语的落差

市民问「医保断缴怎么办」,事项库里叫「基本医疗保险关系中断补缴」,中间隔着一层翻译。

答复要经得起核对

政务答复具有权威性,系统输出的每一句都要能对上政策或事项要素。

03 / 方案

问答与事项同源,避免两套口径

核心设计是不与事项库分家:答案里的材料、时限、地点都从事项要素实时读取,事项变更后答案自动更新,不会出现「系统说的和大厅说的不一样」。

3.1

知识提炼从留言与工单里做归纳

把历史答复聚类成问答对,保留人工确认结论与依据,形成可维护的知识条目。
历史留言热线工单人工确认
3.2

口语映射把市民的说法对到事项上

建立口语表达与事项名称的映射词典,覆盖方言表述、简称与常见误称。
口语词表事项映射意图识别
3.3

事项联动答案随事项库同步

材料清单、办理时限与网点信息从事项库读取,事项调整后答案同步更新。
实时读取单一口径变更留痕
3.4

三道安全防线输入 · 模型 · 输出

输入侧做提问合规过滤,模型侧约束生成范围,输出侧按敏感词、表述规范与政策时效校验,超阈值转人工。
输入过滤生成约束输出校验
04 / 建设过程

用留言板做冷启动语料

项目把留言板近一年的公开咨询作为冷启动语料:先人工筛出高频问题,再逐条确认标准答复,最后交给系统学习问法。这套方法的好处是知识天然贴近真实表达,不需要凭空设想问题。

第 1 阶段

梳理留言与热线的高频问题,形成问题清单与答复口径。

第 2 阶段

问答知识与事项要素关联,建立口语映射词表。

第 3 阶段

检索与生成联调,接入统一审核规则。

第 4 阶段

在门户与留言板灰度上线,按日志补知识。

05 / 成效

答复更快,口径更齐

系统上线后,标准问题由问答先答,用户当场就能拿到材料清单与办理入口;需要判断的个案再转人工。同一问题的答复不再因人而异,这是比速度更重要的收益。

对管理部门而言,问答日志还是一份需求清单:哪些问题问得多、哪些答不准,直接指向事项梳理与服务优化的方向。

标准问题自动答复口径统一转人工留痕日志反哺事项优化多端同一套知识

想让留言板的重复咨询少一半?

把你们问得最多的那些问题给我们,先做知识提炼,再谈系统。

联系龙讯