长期以来，政务信息化建设存在“重硬件、轻软件资产”的问题。硬件资源、机房、算力等往往有清晰台账，但软件源码、业务规则、流程组件等数字资产却容易沉淀不足。传统项目交付模式至少带来三方面痛点：一是源码多由厂商掌握，验收后形成技术黑盒，政府自主迭代困难；二是跨部门、跨街道业务需求重复采购，同类功能反复建设；三是业务口径微调也要走较长变更流程，需求响应周期偏长。

龙源平台的出现，正是为了把财政投入形成的信息化成果转化为政府可自主掌控、可长期复用的数字资产。其核心理念不是单纯新建一个系统，而是用“内源协作+AI辅助开发”重构政务软件生产方式，推动建设逻辑从“建一个个项目”转向“沉淀一批可复用资产”。

二、总体架构：一个底座、两套工具、闭环复用

龙源平台整体采用“一个底座+两套开发工具”的架构。平台借助昇腾智算、鲲鹏通算、华为混合云等资源，基于华为云Stack和openJiuwen建设，全程部署在政务网，不跨外网传输数据。

其中，LongCode面向技术人员，提供智能编码工作台；LongCodeAir面向无代码基础的一线业务干部，支持用自然语言描述需求、一键生成应用并实时预览。两类工具产出的代码和应用成果会自动回流到底座，进入统一代码仓和制品库，形成“开发—沉淀—复用—再开发”的闭环。

三、关键技术：MCP、Skill、智能体与本地化安全

龙源平台的技术价值主要体现在四个方面。

第一，MCP封装政务接口。平台通过MCP将存量政务系统的数据接口标准化，使智能体、工具和业务应用能够以统一方式调用系统能力，降低跨系统对接成本。

第二，Skill沉淀业务规则。财政审核、应急调度、街道核查等业务规则可以被抽象为可复用的Skill。业务人员熟悉的审核口径、比对规则、预警条件，不再只存在于个人经验或文档中，而是沉淀为平台可调用能力。

第三，智能体统一调度。平台搭载openJiuwen智能体运行时，负责智能体调度、鉴权、计量与审计，实现源码、应用、智能体的统一托管治理。

第四，政务网本地化部署。平台全程部署在政务网，不跨外网传输数据，并建立多层安全管控体系，符合政务场景对数据不出域、源码在本地、准入不降标的要求。

四、Python实现思路：把Skill、MCP与智能体编排起来

下面给出一个简化的Python模拟实现，用于展示政务AI内源协作平台的关键工程思路。该代码不等同于龙源平台真实源码，仅用于说明Skill注册、工具调用、智能体编排、审计留痕和资产入库的基本流程。

importjsonimportuuidfromdatetimeimportdatetimeclassSkillRegistry:"""模拟Skill注册中心，沉淀可复用业务规则"""def__init__(self):self.skills={}defregister(self,name:str,description:str,func):self.skills[name]={"name":name,"description":description,"func":func,}deflist_skills(self):return[{"name":s["name"],"description":s["description"]}forsinself.skills.values()]defexecute(self,name:str,payload:dict):ifnamenotinself.skills:raiseValueError(f"Skill未找到:{name}")returnself.skills[name]["func"](payload)classMCPGateway:"""模拟MCP网关，封装政务系统标准化接口"""def__init__(self):self.adapters={}defregister_adapter(self,system:str,func):self.adapters[system]=funcdefcall(self,system:str,action:str,params:dict):ifsystemnotinself.adapters:raiseValueError(f"系统适配器未注册:{system}")returnself.adapters[system](action,params)classAuditLogger:"""模拟审计日志，记录智能体调用过程"""def__init__(self):self.logs=[]defrecord(self,event:dict):event["timestamp"]=datetime.now().isoformat()event["trace_id"]=str(uuid.uuid4())self.logs.append(event)defexport(self):returnself.logsclass政务智能体:"""简化版政务智能体，模拟需求解析、工具调用与资产入库"""def__init__(self,skill_registry:SkillRegistry,mcp:MCPGateway,audit:AuditLogger):self.skill_registry=skill_registry self.mcp=mcp self.audit=audit self.asset_repo=[]defhandle(self,requirement:str,context:dict):# 1. 解析用户意图intent=self._parse_intent(requirement)self.audit.record({"event":"intent_parsed","intent":intent,"requirement":requirement})# 2. 选择Skill或工具ifintent=="budget_compare":result=self._run_budget_compare(context)elifintent=="query_building":result=self._run_building_query(context)else:result={"status":"unknown","message":"未匹配到可用Skill或工具"}# 3. 生成应用资产asset={"asset_id":str(uuid.uuid4()),"type":"app","name":f"{intent}_app","created_at":datetime.now().isoformat(),"result_summary":result,}self.asset_repo.append(asset)self.audit.record({"event":"asset_stored","asset_id":asset["asset_id"]})returnresult,assetdef_parse_intent(self,requirement:str)->str:text=requirement.lower()if"预算"intextor"比对"intext:return"budget_compare"if"楼栋"intextor"查询"intext:return"query_building"return"unknown"def_run_budget_compare(self,context:dict):items=context.get("budget_items",[])suspicious=[]foriteminitems:ifitem.get("amount",0)>1_000_000:suspicious.append({"project":item.get("name"),"reason":"金额超过阈值，需人工复核",})return{"suspicious_count":len(suspicious),"details":suspicious}def_run_building_query(self,context:dict):street=context.get("street")returnself.mcp.call("building_system","query",{"street":street})# ---------- 模拟运行 ----------if__name__=="__main__":skills=SkillRegistry()mcp=MCPGateway()audit=AuditLogger()# 注册一个预算审核Skilldefbudget_check(payload):return{"checked":True,"items":len(payload.get("budget_items",[]))}skills.register("budget_check","预算项目合规检查",budget_check)# 注册楼栋查询MCP适配器defbuilding_adapter(action,params):ifaction=="query":return{"street":params["street"],"buildings":120,"verified":True}return{}mcp.register_adapter("building_system",building_adapter)agent=政务智能体(skills,mcp,audit)# 场景1：财政预算比对result1,asset1=agent.handle("对11个街道的预算项目进行横向比对，识别异常申报",{"budget_items":[{"name":"A街道设备采购","amount":1_200_000},{"name":"B街道培训经费","amount":300_000},]},)print("预算比对结果:",json.dumps(result1,ensure_ascii=False))print("生成资产:",asset1["asset_id"])# 场景2：楼栋数据查询result2,asset2=agent.handle("查询某街道楼栋底数",{"street":"龙城街道"},)print("楼栋查询结果:",json.dumps(result2,ensure_ascii=False))# 查看审计日志print("审计日志数量:",len(audit.export()))

五、代码解析：从需求到资产沉淀的闭环

上述代码模拟了政务AI内源协作平台中的四个关键环节。

第一，Skill注册中心。SkillRegistry用于把业务规则封装成可调用能力。例如财政预算审核、应急物资校验、街道数据比对，都可以沉淀为独立Skill。这样业务规则不再绑定在单一项目中，而是可以被多个应用复用。

第二，MCP接口网关。MCPGateway模拟平台通过MCP封装政务系统标准化接口的过程。真实平台中，MCP能够把不同部门、不同存量系统的接口统一起来，使智能体不必关心底层系统差异。

第三，智能体调度与审计。政务智能体负责解析需求、选择Skill或工具、执行任务并生成结果。AuditLogger记录每一次意图识别、工具调用和资产入库行为，满足政务场景对过程留痕、责任可追溯的要求。

第四，资产自动入库。每次任务执行完成后，生成的应用描述、运行结果和资产ID都会进入asset_repo。这对应龙源平台中“代码、应用、智能体统一托管治理”的思路，体现成果可沉淀、可克隆、可复用的内源特征。

六、实践亮点：可复制、可审计、可沉淀

龙源平台的实践亮点主要体现在以下几个方面。

1. 源码可见、可编译、可复用
   平台强调源码实时托管，开发成果不再是黑盒。技术人员和业务人员产生的代码、应用、智能体都可以回流到底座，形成全区共享的数字资产。

2. 业务人员也能参与应用构建
   LongCodeAir支持自然语言描述需求、一键生成应用并实时预览，使熟悉业务规则的一线干部能够直接参与轻量化应用搭建。例如财政部门业务人员可自主搭建预算同类比较平台，提升审核效率。

3. 能力复用减少重复建设
   平台通过Skill、工具和组件市场，把已有成果沉淀为可复用资产。新的业务需求可以在已有能力基础上克隆、分支和扩展，避免跨部门、跨街道重复采购。

4. 智能体运行全程留痕
   平台搭载智能体运行时，承担调度、鉴权、计量和审计职责。AI推理过程、工具调用记录、应用发布行为均可追溯，有助于满足政务安全合规要求。

5. 部署在政务网，数据不出域
   平台全程部署在政务网，不跨外网传输数据，并建立多层安全管控体系。这种本地化、内源化部署方式，更符合政务系统对数据安全、源码可控和准入标准的要求。

6. 从项目制转向资产制
   传统模式往往是“建一个、交一个、锁一个”，而龙源平台推动每一次开发都成为下一次开发的资产基础。这种转变有助于降低小工具采购成本、重复建设成本和业务口径调整成本。

七、落地成效与推广价值

龙源平台上线后，已覆盖多个业务领域，接入多套存量政务系统，上架多项Skill、工具和政务应用，在财政预算比对、应急调度、街道数据核查等场景中验证了AI内源协作模式的价值。

从技术报告角度看，龙源平台的意义不仅在于引入大模型或智能体，更在于它把AI能力嵌入到政务数字资产的生产、治理和复用流程中。对于其他地区而言，可借鉴的路径包括：先建立统一代码仓和制品库，再通过MCP或类似机制封装存量系统接口，随后把高频业务规则沉淀为Skill，最后面向技术人员和业务人员分别提供智能开发工具，形成可持续演进的政务AI内源生态。