Page 306 - 《软件学报》2026年第4期

王骞玥 等: 大语言模型驱动的可信政务问答技术 1747

Keyword Template
<指令>你的任务是从用户输入中总结凝练3-5个政务相关关键词.
注意, 严格基于用户输入凝练政务关键词, 关键词简洁并符合政务领域要求, 回答格式为: 关键词1, 关键词2…
以下是一些用于参考的例子:
城市一直都在变得更好 凝练为 稳步高质量发展,
让大家过得安稳保障社会治安 或 让大家过得开心 凝练为 提高人们生活水平,
户籍是湖北, 人目前在浙江 凝练为 异地,
以下是你需要凝练关键词的句子: </指令>
<用户输入>{{query}}</用户输入>
(a) Keyword Template内容
Intention Template
<指令>你的任务是从政务服务角度, 以关键词形式, 根据用户咨询简要总结出用户咨询目标.
注意, 回答只能包含1-2个凝练的咨询目标. 不详细展开!
回答的参考样例: 问政府措施, 问异地办证建议, 问医保报销比例, 了解天津市现代服务业的发展措施等等.
以下是你要总结咨询目标的句子: </指令>
<用户咨询>{{query}}</用户咨询>
(b) Intention Template内容
Answer Template
<指令>你的任务是结合给出的政务背景知识并严格参考提供信息, 详细地回答用户咨询.
提供给你的参考信息有: 问题相关已知信息、咨询目标、咨询涉及的政务领域关键词
注意, 绝对不要出现和咨询内容不相关的信息.
在回答中不要出现‘根据已知信息’等类似表述. 以下是提供的参考信息和你要回答的咨询: </指令>
<问题相关已知信息>{{context}}</问题相关已知信息>
<咨询目标>{{intention}}</咨询目标>
<政务领域关键词>{{orders}}</政务领域关键词>
<用户输入>{{query}}</用户输入>
(c) Answer Template内容
图 4 分析引导模块中的指令模板设计细节

3.3 领域知识库模块
不同于其他可信问答系统的背景知识更新周期长, 政务问答系统需要及时响应政策的不断变化与丰富, 在实
现回答内容可靠性的同时, 保障回答时效性, 符合政务信息系统基本要求 (GB/T 44230-2024). 然而, 回答由黑盒模
型生成, 缺乏可解释性. 因此, 仅依赖大语言模型生成回答, 可靠性无法保证. 同时大语言模型本身的知识更新成本
对计算资源和数据资源的要求高, 无法适应政务问答系统对回答时效性的要求.
为解决上述问题, 本文方法包含领域知识库模块. 领域知识库以向量的形式存储收集整理的各类政务文档. 领
域知识检索方法基于分析引导模块分析的领域关键词检索咨询相关领域知识. 在政务大语言模型生成回答时, 参
考检索到的政务领域知识生成回答, 保障了回答内容表述的可靠性. 该模块提供的咨询相关领域知识与分析模块
提供的分析结果可作为大模型生成回答的依据, 保障回答的可解释性以进一步提升回答的可信度.
同时, 领域知识库具有白盒化程度高、维护成本低的优良特性. 政策的变化与丰富可通过对向量知识库的内
向量的检索替换和直接扩展实现, 通过向政务大语言模型提供咨询相关的最新政务领域知识, 使得方法生成的咨
询回答包含最新信息, 以达到政务问答系统的时效性要求. 以下将详细介绍领域知识库的构建细节和检索方法.
领域知识库以向量形式存储收集整理各类政务文档. 对于一份待存入领域知识库的政务文档, 其将经历以下
过程: 首先将文档按照固定长度拆分. 本文设定拆分长度为 250 字, 文段间的重叠长度为 50 字. 然后将拆分文段通
过 m3e-base 计算其嵌入表示. 将拆分的文段和对应的嵌入表示存储到领域知识库中, 完成领域知识库的构建. 领
域知识库构建具体步骤可以进行如公式 (8) 所示的符号化表示.

split n embedding n store
D → {T i } i=1 → {E i } i=1 → K (8)