政务智能体怎样验收?

政务智能体验收，不能只看“能不能回答问题”，更不能把上线当成验收通过。真正需要回答的是：它是否解决了明确的政务问题，是否在合规边界内稳定运行，出了错能不能追溯、纠正和接管。换句话说，验收对象不是一个聊天窗口，而是一套嵌入业务流程的工作能力。

先验收业务闭环

第一关是看它是否真的完成了任务。以智能问答、政策分析、诉求分派为例，验收不应停留在演示几个漂亮案例，而要准备一批真实业务场景，检查智能体能否正确理解事项、引用有效政策、给出清晰答复，并在无法判断时转交人工。

还要看它是否改变了原有流程：信息有没有少填一遍，人工审核是否更聚焦，派单是否更准确，公众等待时间是否缩短。黄埔政务服务大模型智能体覆盖全区37个部门、2000余项政务服务事项及2000余项政策和法规，这类规模越大，越需要按部门、事项和异常场景分层验收，而不是用一个总分掩盖局部问题。

再验收安全与可控

政务数据的验收重点，不只是系统能否部署在政务云或私有化环境中，还包括权限是否清楚、数据调用是否有边界、操作记录能否追溯，以及个人信息和政务数据是否得到保护。南昌、广东的相关试点强调在政务云中运行，说明部署环境是基础，但并不等于业务安全自动成立。

验收时还应故意测试模糊问题、过期政策、越权请求和模型无法判断的情况。一个合格的智能体，应当知道什么时候回答、什么时候引用依据、什么时候拒答或交由工作人员处理。没有人工接管和责任留痕的“全自动”，在政务场景里反而可能是风险。

指标要看基线和持续变化

效率提升、响应时间缩短、智能派单准确率等指标都可以纳入验收，但必须先明确原有基线、统计口径和适用范围。试点材料中出现过处理效率提升25%、响应时间缩短30%、智能派单准确率超过90%的结果，这些数字可以作为观察维度，不能直接当成本地项目的承诺。

最后，验收不应是一次性盖章。上线后仍要持续检查错误类型、人工退回情况、政策更新后的表现和工作人员实际使用意愿。政务智能体究竟验收“模型”，还是验收一条更可靠的服务流程？这个问题，可能比选择哪家模型更值得先讨论。