人工智能行业：在公共部门构建人工智能代理(英译中)

架构公共部门的AI代理面向技术负责人的变革性多智能体平台详细指南01 02 05 09 12 1423 27批判性反思与局限性 22监控和仪表盘 21我们从人工智能代理的崛起中学到了什么引言摘要与展望公共部门现实中的用例里面有什么人工智能代理为何重要 02人工智能的真实面貌就是这样什么是AI代理？ 04从自主视觉到行动六步公共部门领导者现在应采取的行动超级充电过程 语言、数据和上下文：自动化密钥 03使用ChatGPT和Zapier自动发布社交媒体帖子 15 处理公民邮件 16 通过WhatsApp自动抄表读数 17 使用Relevance AI自动化服务 18人工智能代理的解剖学 人工智能的演变：代理式人工智能中的自主性等级 07 多代理架构 跨组织的代理空间合作 10 本地部署与云端 平台概述：自动化与代理智能的融合 13 01引言近期，毕马威研究学院的研究表明，公共部门组织已意识到这一潜力：90%的受访者计划在接下来的2-3年内实施代理式人工智能。1 但该领域发展迅速。代理式人工智能的概念仍在形成中，且通常较为复杂。许多解决方案是实验性的、零散的或技术性过深——这使得定位变得困难。这就是为什么我们在这一观点中强调清晰度：我们展示了典型的架构，比较了核心技术，并展示了人工智能代理如何在实践中跨领域、跨场景工作。人工智能代理听起来很未来——而且确实如此。想想全自动流程和能自行解决问题的智能助手。这正是人工智能代理能带来的。那么你为什么应该关心呢？因为人工智能代理将你的自动化提升到了全新水平。现代自动化平台提供了一个坚实的基础：你构建工作流、传输数据、并自动化重复性任务。但当你们将AI代理集成到这些工作流中时，真正的转型才会发生——这些代理分析数据、做出决策、并以手动无法达到的精准度实时优化流程。此观点旨在支持公共部门技术负责人应对这些复杂性。它提供清晰性、实用指导和架构见解，帮助您领导成功的 AI 驱动自动化计划。尽管存在日益壮大的商业平台生态系统——从开源到企业级——我们的目标在这里是展示什么是可能的，而不是描述单一解决方案。从公民与政府服务的互动到内部工作流程和非公开用例，代理方法重塑了我们对自动化的思考方式。没有人工智能的自动化，就像电脑时代使用打字机一样；它比手写好，但它错失了现代技术所提供的变革潜力与效率。公共部门正面临严重的技能型劳动力短缺，由于持续的人口结构变化，这一问题正在加剧。为应对此问题，增加自动化至关重要，使公共机构能够用更少的人员更高效地处理任务。https://www.capgemini.com/insights/research-library/data- 1 澳利咨询。政府数据基础：从人工智能雄心到行动。government-mastery/ . 2025. (访问于28.07.2025).我们将探索跨领域的实际应用案例，包括公共服务领域，人工智能代理在公民沟通和行政效率方面解锁了新的潜力。随着行政工作量上升、人员资源有限以及对数字化服务的日益增长的需求，人工智能代理提供了具体的解决方案：更快的响应时间、可扩展的服务交付和智能案例处理。从这个角度来看，我们将阐明是什么让人工智能代理如此强大，它们如何运作，以及您如何巧妙地将它们集成到您的自动化战略中。无论是用于通信、数据处理还是创造性任务，它们所提供的可能性是无限的。公共部门环境与企业使用不同：它们需要最大程度的数据主权、透明的决策逻辑，并集成到现有的系统和职责中。与私营公司不同，政府机构还必须确保每一项自动化决策都具有法律问责性和可解释性。它们分崩离析的IT系统需要人工智能才能顺利集成，公民数据必须在国家法律下得到保护，这使得公共部门的AI部署比企业环境要复杂得多。超级充电过程什么是基础模型？02 | 在公共部门构建AI代理基础模型是训练在庞大且多样化的数据集上的大规模人工智能系统，旨在适用于广泛的任务。其主要的子类别包括：• 人工智能通过使系统能够从数据中学习、识别模式并做出数据驱动的决策来增强自动化。• 自动化是指遵循预定义规则完成任务，无需人工干预的系统。当这三个要素协同工作时，流程不仅仅重复；它们会演变。它们会学习、适应并持续改进。这才是真正的超级充电：那些不仅仅是执行指令，还能预见需求并聪明思考的系统。人工智能代理为何重要在公共部门，这对可持续性和绩效尤为重要。生成式人工智能（GenAI）——包括基础模型和本地部署——使您能够实施符合最高安全、透明和效率标准的智能自动化。这意味着不仅更快的流程，而且更好的公共服务。• 智能体更进一步——它们不仅执行任务，还分析上下文，调整行为，并持续优化结果。当你将自动化、人工智能和自主代理结合起来会发生什么？让我们来分解一下：• 大型语言模型 用于理解和生成文本的（大型语言模型）用于广泛能力。• 小型语言模型 用于轻量级视觉语言模型（VLMs）的（SLMs），用于集成视觉和文本数据。• 其他专业类型，如音频基础模型和多模态模型，这些模型结合了多种数据模态。03像微软的 Azure OpenAI 服务、OpenAI 的 GPT-5、谷歌的 Gemini、亚马逊的 Bedrock 以及 Mistral AI 的开源大型语言模型在那个时刻，它不再仅仅是关于写作文本或者进行对话。它关乎控制系统、触发流程、分析数据以及做出决策——所有这一切都是实时进行的。语言、数据和上下文：自动化的关键语言不仅仅指英语、德语或中文，它也以应用程序编程接口（API）、机器语言、机器人指令或控制序列的形式存在。然而，解锁真正自动化的不仅仅是语言本身；它是语言、数据和上下文的结合。现代人工智能能够理解、处理和在这些不同形式的语言的上下文中应用它们。它从数据中提取意义，并根据这里和现在相关的因素调整其行为。这就是如何将语言转化为现实世界行动：通过将其与数据和上下文交织在一起，使流程更智能、更具响应性。当一个模型不仅能用人类语言交流，还能在机器和控制语言中运行时，它的功能会大幅扩展。这种多语言能力是AI代理的基础。因为它们理解各种类型的语言——不仅限于自然语言——所以它们可以与不同的系统进行交流，处理数据，并自主地协调复杂的业务流程。然而，这些代理并不能取代人类。它们增强了人类的能力，创造了我们所说的“人机化学”。模型不仅限于自然语言。它们同样能够解释编程代码、数据库查询、API调用等。什么是AI代理？04 | 在公共部门中构建人工智能代理真正的游戏规则改变者，是代理理解和应用不同“语言”的能力。API、代码、数据库查询和自然语言成为它能够主动使用的工具。这种能力通常被称为“函数调用”——使用语言或代码输入，有针对性地激活特定的函数或流程。每个AI代理的核心都包含三种基本能力：2感知： 代理从各种来源收集并分析数据——包括API、数据库、日志文件、文本、图像或实时传感器输入。处理： 利用算法和模型——尤其是大型语言模型（LLM）——该代理评估和处理这些数据。这远超基本模式识别，包括逻辑推理、上下文理解和创造性问题解决。一个AI代理是一个智能软件系统，它能够自主感知其环境、推理并采取行动以实现特