进入 2026 年 7 月，智能体政策从单一技术鼓励进一步转向技术攻关、场景建设、标准互认、安全治理与产业生态的协同推进。我们选取三项与政务、企业服务及就业人才业务密切相关的最新政策，梳理其对项目规划和平台选型的实际影响。
一、北京发布智能体发展十条措施
7 月 21 日，北京市发展改革委等四部门联合印发《北京市关于加快智能体引领发展的若干措施》，并于 7 月 23 日发布政策解读。十项部署覆盖基础模型、底层共性技术、智能体原生应用、智能终端、创新创业、Token 经济、安全治理、关键要素、开源开放和组织保障。
- 从“模型可用”转向“任务可完成”：重点突破在线学习、自主进化、超长程任务和复杂推理。
- 从单体开发转向能力复用：推动自主可控互联协议、开发框架和工具链，建设能力资源共享平台与技能市场。
- 从试点展示转向标杆场景：提出智能体重构电子信息制造业研发生产流程，并通过供需对接与前沿部署工程师加速落地。
- 安全治理前置：探索分级分类监管，建设安全服务平台，提供检测与攻防对抗等共性服务。
对采购方而言，项目验收不应只看对话效果，还应纳入任务完成率、人工复核率、工具调用成功率、全过程留痕和风险拦截能力。
二、智能体互信互联互操作成为全球协作方向
7 月 17 日，国家互联网信息办公室会同有关方面提出《智能体互信互联互操作全球合作倡议》。倡议强调身份标识、协作互认、接口与协议兼容、开放验证机制、跨平台互操作及全生命周期安全治理。
这意味着企业级智能体平台需要避免把能力锁定在单一模型、单一框架或单一工具协议中。更可持续的架构，应把身份、权限、能力描述、工具调用、运行观测和审计证据作为独立治理层，使不同智能体能够在明确边界内协作。
三、“人工智能+人社”明确六大重大场景
7 月 8 日，四部门公布加快推进“人工智能+人社”应用发展的实施意见。文件提出，到 2026 年打造约 20 个基于人社行业大模型的应用场景及相应高质量数据集；到 2027 年探索约 50 个高价值应用场景赋能路径。
- 数智就业：职业知识图谱、岗位与人才匹配、能力画像和就业服务；
- 智慧社保：智能受理审核、待遇识别、风险规则库与基金监管；
- 人才培养：人才地图、继续教育、智能命题阅卷与个性化学习；
- 劳动关系：政策咨询、争议调解、仲裁辅助和风险预警；
- 人力资源服务：市场监测、供需对接、数字员工与企业智慧助理；
- 智慧治理：一件事办理、12333 知识库、政策问效和辅助决策。
文件同时强调数据不出域、调用可追溯、全过程闭环可控。这与政务和高校就业场景中的私有化部署、数据治理、知识图谱、权限审计及效果评测高度相关。
对政企智能体建设的三点建议
- 从一个可验收场景开始：明确时间、准确率、完成率和风险指标，再扩展到部门级能力复用。
- 建设模型之上的治理层：统一数据、知识、权限、工具和审计，保持对主流模型与协议的适配能力。
- 把安全与运营纳入首期范围：同步设计人工复核、异常处置、版本管理、效果评测和持续优化机制。
智信创联 ZGT 智能体与决策平台以多模型管理、数据与资源中台、技能复用、多智能体协作、系统工具调用和全过程审计为核心，帮助政府、金融和工业客户将政策要求转化为可建设、可验收、可持续运营的智能体项目。