AI赋能公务员：
开启工作流重塑之路

理解、应用与实践

主讲人：梁斌

本次分享脉络

  • 温故知新：LLM核心回顾
  • 前沿突破：从Scaling Law到CoT模型
  • 场景思辨：CoT的优势与局限
  • 实战启航：AI助力公务员提效之路
  • 核心技法：提示词工程精要
  • 案例剖析：AI辅助撰写工作方案
  • 高阶探索：与AI高效协作
  • 未来展望：AI决策辅助平台简介

LLM：我们已知的"复杂函数"

听众背景: 已了解LLM基本概念及其函数本质 (去年10月分享)。

核心机制: 通过海量数据学习，进行 概率计算， 预测并生成最可能的下一个词组/字符。

本质: 强大的模式识别与序列预测机器。

Scaling Law：越大越强，也越"饿"

定律:

模型参数量越大 ➡️ 能力越强 (涌现能力)。

代价:

所需训练数据量越大 ➡️ 算力需求呈指数级增长。

Scaling Law的瓶颈与新思路

挑战: 高质量训练数据日益稀缺，"数据耗尽"成为隐忧。

突破方向: 不仅仅是"大力出奇迹"，更注重 思维过程 的模拟。

代表模型: DeepSeekR1, OpenAI O1 等开始探索 CoT (Chain of Thought) 思路。

CoT模型：让AI"思考"起来

概念:

Chain of Thought (思维链)，引导模型模拟人类解决问题时的 逐步推理过程， 而非直接输出答案。

类比:

像解数学题，先写分析步骤，再给出最终结果。

CoT的闪光点：更聪明、更可信

  • 提升质量:

    复杂任务表现更好，减少"一本正经胡说八道"。

  • 增强可信度:

    推理过程可见，便于理解和验证AI思路。

  • 提高实用性:

    更符合人类协作习惯，易于引导和修正。

CoT的边界：不适用于"标准答案"场景

不适合场景 (需要精确、结构化输出):

  • 工具调用 (API Call)
  • SQL语句 生成
  • 规范格式文书 (如固定表格填充)

原因:

  • 缺乏严格结构化控制
  • 天然带有不确定性和潜在冗余
  • 对精确格式要求敏感度不足
  • 推理过程可能降低直接输出效率

CoT的乐园：激发创意与深度 (1/2)

创作型场景优势:

  • 激发灵感，进行发散性思考。

  • 结构化创意过程 (如大纲 -> 细节)。

  • 增强内容细节与深度。

  • 适合开放性、探索性任务。

CoT的乐园：激发创意与深度 (2/2)

具体创意案例

任务: 辅助撰写"未来智慧城市社区治理"创新方案

CoT思维展开

引导AI逐层思考：
1. 当前社区治理痛点
2. 可用AI技术分析
3. 创新解决路径

输出增强

最终方案更有深度：
- 考虑多方利益
- 提出可落地措施
- 预见潜在问题

局限与优化: 可能输出啰嗦，可通过 提示词 (Prompt) 精准引导。

关键认知：为AI"对症下药"

  • 不存在万能的AI模型。

  • 核心能力: 理解不同模型 (如基础LLM vs CoT) 的特性与适用场景。

  • 目标: 根据具体任务选择或引导AI使用最合适的工作模式。

AI如何赋能日常工作？

目标:

利用AI提升信息处理、文书撰写、政策分析等工作效率与质量。

核心问题:

如何将AI能力有效接入现有工作流？

拥抱AI：必要的准备工作

  • 数据安全意识:

    明确信息密级，不上传涉密及敏感信息。

  • 合规性要求:

    遵守相关规定，确保AI使用符合政策法规。

  • 预期管理:

    理解AI是 辅助工具，非完全替代，需人工审核把关。

  • 技能储备:

    掌握基础的AI交互技巧 (即将介绍)。

实践落地：三水卫健·AI决策辅助平台 (示例)

平台目标:

提升卫生健康领域 数据管理效率 和 公文智能办理 水平。

定位:

垂直领域AI应用，辅助决策与日常办公。

平台核心功能模块一览 (1/2)

用户与权限管理

集中式用户管理，基于角色的权限控制，确保数据安全性

医疗机构信息管理

基层医疗机构数据集中管理，实时状态监控与分析

OKR & GTD 任务协同

目标设定、任务分解与进度追踪系统，提升团队协作效率

平台核心功能模块一览 (2/2)

政府公文智能处理

自动分类、智能摘要、文档生成与辅助审核系统

RAG知识库 & AI助手

领域专业知识检索增强，智能问答与辅助决策系统

行业动态与政策追踪

自动监测最新医疗卫生政策法规，及时推送关键信息

拥抱AI，重塑未来工作流

  • AI是强大的 辅助工具，善用者将极大提升效率与质量。

  • 掌握 提示词工程 是当前阶段发挥AI能力的关键。

  • 持续学习，探索AI在公务场景的更多可能性。

  • 鼓励实践: 从小处着手，逐步将AI融入日常工作。

交流与探讨

Q & A

谢谢！