政策对比先过五类题：腾讯云 ADP 的政务问答没有公布准确率

政策对比先过五类题：腾讯云 ADP 的政务问答没有公布准确率

腾讯云 ADP 团队在 2026 年 9 月 28 日用育儿补贴做了一套复杂政策问答。ADP（Agent Development Platform）是腾讯云的智能体开发平台。这篇讲的是怎么把「北京和上海有什么不同」做成可检索、可分支、可拦截的评测，而不是报一组上线分数。全文没有召回率或准确率的实测。

对比题会把流程便利说成自动有资格

例子从北京和上海的育儿补贴展开。北京实施方案写的是：2025 年 1 月 1 日起，具有北京市户籍、符合规定生育的 3 周岁以下婴幼儿，现阶段每孩每年 3600 元。细则还覆盖收养，以及有北京户籍的 3 周岁以下孤儿、事实无人抚养婴幼儿，申领按年度。上海材料里还有「一件事」流程再造、与出生「一件事」联办、「免申即享」和自助终端。补贴对象是已在上海办户籍登记、符合规定生育或收养的 3 周岁以下婴幼儿，包括 2025 年 1 月 1 日及以后出生，以及此前出生但在该日未满 3 周岁的。

问「北京和上海有什么不同」时，不能只出一张表。至少要分开五列：补贴对象、申请方式、审核链路、年度申请、输出边界。北京审核是乡镇或街道初审，再由区卫生健康部门确认。上海是大数据审核后进入同样的初审和区级确认。两边都可以解释条件和路径，都不能代替资格审批。

风险写得很具体：「免申即享」只面向具备政务数据共享条件的一部分人。没有检索证据和回答边界，模型会把办理更方便理解成所有人自动有资格。

先做稳定问答，模式之间配置不继承

四种模式按场景选，不要求一上来就上 Multi-Agent。

• 标准模式：严肃知识问答。平台预设双模型协同，适合政策原文、条款解释和依据引用。
• 单工作流：步骤固定。例如判断题型，分别检索北京和上海，再出对比表和风险提示。
• Multi-Agent：主 Agent 拆意图，子 Agent 分头做北京检索、上海检索、跨文件对比和合规校验。
• Claw：独立沙箱，能写代码、调 Skills 和连接器。只在大批量离线处理、表格分析或导出办公文档时另评。

PoC 建议先用标准模式把 RAG 闭环跑通。标准模式、单工作流和 Multi-Agent 可以切换，但提示词和模型配置不会互相继承。Claw 和其他模式不能切换，一开始就要分开规划。

知识按效力分层，检索带上地区和生效状态

知识库支持 PDF、Word、Excel、Markdown 和图片，有版面分析和表格识别，也能建文档库、问答库和数据库。育儿补贴被分成五层：国家实施方案、管理规范和延期通知；北京实施方案和细则；上海实施方案和流程改革方案；办事指南、一图读懂，只辅助解释，回答优先引正式文件；高频问答对，例如逾期是否补发、户籍迁入怎么领、谁可以当申领人。

元数据用来收检索范围：

• 地区：北京、上海、国家。用于检索。
• 文件类型：实施方案、细则、流程改革、通知。检索和生成都可用。
• 发文机关、发布日期、适用事项：检索和生成。文中举例日期包括 2025-09-24、2026-06-23、2026-07-13。
• 生效状态：现行有效、试行、已延期。用于检索，优先有效条款。

提示词里的约束是：答案必须来自命中片段；资格判断用「根据文件规定，可能需要满足……」；文末说明最终资格以主管部门和办理系统为准。

缺条件先追问，对比必须两路各自检索

链路四步：

1. 识别题型：单地咨询、跨地对比、办理流程、材料、时限，还是个案资格预审。
2. 抽地区、出生日期、户籍。例如「2025 年前出生的孩子还能补领吗」没说户籍地，先追问，不直接答。
3. 按地区和事项分源检索。对比题强制两路独立检索，不许用一地材料推另一地口径。
4. 输出固定成：简要结论、对比表、条款依据、办理路径、免责边界。库里没有记录就说未检索到，不许用预训练知识补政策细节。

「北京和上海申领流程有什么区别」的稳妥结构是：两边都是线上为主、线下为辅、基层初审、区卫健确认；北京走育儿补贴信息管理系统或户籍地街道；上海额外有主题专栏、出生联办、「免申即享」和自助终端；并写明「免申即享」不是全员自动通过。

工作流用最新上位文件盖过过期细则

高频逻辑稳定之后，用工作流把分支钉死。节点顺序是：开始，大模型解析意图和要素是否齐全，条件判断，知识检索，大模型按命中片段作答，回复节点再拼审核提示。

条件有四条出路：缺地区或时间就反问；单地走单路检索；跨地走并发检索；个案资格标成高风险，进审慎分支。

价值被写成三句：跨地必须双路检索；多份文件冲突时优先最新上位通知；回复节点统一拼免责，避免过度承诺。

反例是：「孩子在 2025 年前出生，北京现在还能申请吗？」只查早期细则，会引用「首次申请应在 2025 年 12 月 31 日前，逾期视为放弃当年资格、不予补发」，从而答成已超期。工作流还要联查国家卫生健康委办公厅、财政部办公厅的延期通知，文号国卫办人口函〔2026〕238 号。该通知把 2022—2024 年出生婴幼儿的首次申请截止延到 2026 年 12 月 31 日。裁决规则是上位文件优先、最新发布优先。这是流程示例，不是某次评测的通过率。

多地复合任务才拆六个 Agent

主 Agent 做意图、拆解和路由，挂工作流。北京政策 Agent 和上海政策 Agent 各挂本地知识库。对比分析 Agent 只做事实对照，不再检索。风险校验 Agent 查有没有审批承诺、越权推断或依据缺失，并配负面词。答案输出 Agent 按窗口或市民端组织终稿。

三条规则写进主 Agent 和风险校验的提示词：不许说「一定能领到」；延期政策必须核对出生批次；没命中的条款要明确说无依据。

FAQ 把边界说死了。单地问答不必上 Multi-Agent。工作流管步骤固定的收集和分支，Multi-Agent 管路径不固定的综合分析，实践里常由 Agent 调度、在固定环节调用工作流。解读材料可以入库，但金额、条件、时限必须以正式原文为准。智能体没有人口、户籍、婚姻库的即时核验权，不应给出符合或不符合。新旧文件靠生效状态过滤，评测集里要留时效用例。

上线前的五类题，以及两个比召回更要紧的率

应用评测支持规则、代码脚本和裁判模型，也能做对比评测。五类用例是：

1. 事实抽取。问北京现阶段基础标准，期望精确到每孩每年 3600 元，折合每月 300 元。
2. 流程说明。问上海有哪些入口，要覆盖政务服务网、出生一件事联办、免申即享和现场自助终端。
3. 跨地对比。问首次申请时限，必须分别引用两地文件，不能张冠李戴。
4. 边界阻断。问系统能不能直接审批发放，必须拦截，并说明只做解读，资格由属地卫健部门审。
5. 时效与延期。问 2026 年延期通知是不是覆盖所有出生年份，必须限定为 2022—2024 年出生批次的首次申请，不能泛化。

指标除召回率和准确率外，政务场景更看依据引用完整率、免责边界命中率。原文没有给出这两项的目标值，也没有给出评测集规模。

发布入口包括窗口助手、政务门户和小程序、12345 坐席草稿、基层培训。上线后看对话日志、热点和效果标注。高频未命中要核对是不是缺了新通知或问答对。新政策入库时归档旧版并改元数据。定价页只用于估调用量和知识库配比，不是效果数据。

读的时候把政策金额、文号和截止日期当成场景事实，不要当成 Agent 得分。这篇没有样本准确率。模式切换不继承配置。资格结论必须留给审批系统。

出处：腾讯云 ADP，腾讯云 ADP 团队，复杂政策问答对比：腾讯云 ADP 智能体开发实战，2026-09-28，https://adp.tencent.com/zh/blog/complex-policy-qa-adp-practice