摘  要  政务垂直大模型是数字政府建设从“数字化”向“数智化”跃升的重要支撑，可精准适配各类政务履职场景，输出合规严谨的专业内容，缩短事务办理周期，推动政务服务从“能办”向“好办”“快办”转变。当前，数字政务建设的现实需求与通用大模型的技术积累，为政务垂直大模型发展奠定了坚实基础。以成熟通用模型为底座开展垂直领域定制化改造是现阶段可行的发展路径。在研发过程中需要完成基础政务知识抽取、专属业务知识注入、专家评估迭代优化三大环节。在落地应用过程中需要统筹部署适配、场景深耕、规范运行与安全防控全流程，兼顾技术可行性与政务合规性，为数字政府建设持续赋能。

关键词  政务；垂直大模型；数字政府；定制化应用

政务大模型的迭代发展，是新一代人工智能技术向公共治理领域持续渗透的具体实践。这一进程与数字政府建设方向高度契合，共同推动治理形态从“数字化”向“数智化”的跃迁。当前，通用大模型落地政务场景时，适配性矛盾日益凸显。这类模型凭借Transformer架构与海量预训练数据，具备较强的自然语言理解与生成能力，但其训练语料中政务专业知识占比偏低，对行政流程的刚性约束、政策文本的解释规则、跨部门协同的业务运行规则缺乏深度内化。加之事权划分形成的数据壁垒与数据分级分类要求，数据融合面临制度、技术双重阻碍。这就使得在行政审批材料审核、政策文件精准解读、突发事件应急指挥、基层治理矛盾化解等细分场景中，通用大模型的输出往往难以达到行政规范性要求。《中华人民共和国国民经济和社会发展第十五个五年规划纲要》（以下简称“十五五”规划）明确提出“提高政府治理数智化水平”，要求“安全稳妥有序推进政务领域人工智能大模型部署应用，探索构建精准识别需求、主动规划服务、全程智能办理的服务新模式”。[1]这一要求为政务大模型从通用普惠转向垂直深耕指明了方向。相较于通用大模型底座，政务垂直大模型通过领域知识与通用能力的深度融合，可针对特定部门业务流程开展定制优化，实现安全边界的严格可控。这些技术特性，使其成为破解通用模型适配困境、释放数智技术治理效能的关键路径。

一、建构政务垂直大模型的现实条件

政务垂直大模型是面向政务领域特定场景定制开发的专用人工智能系统，以通过备案的成熟通用大模型为底座，注入政务专属数据资源，经领域训练与定向优化形成。政务场景覆盖全体公民与市场主体，关联公共利益分配与国家政策执行，对信息准确性、流程规范性、结果公正性有极高要求，这一属性决定了模型研发必须走专业化定制路线。梳理其应用的现实条件，是推动模型规范落地、高效运行的首要前提。

（一）治理数智化转型的战略牵引

从国家治理现代化的整体走向看，政务垂直大模型回应了治理升级的内在要求。数字技术向公共治理领域的持续渗透，推动政府治理形态发生深层次变革，政务服务在响应时效、供给精准度、管控精细度等方面需要满足更高标准。传统政务运行模式下，流程环节偏多、对外响应偏慢、公共服务供给与群众实际需求存在偏差，是长期存在的现实堵点。《国务院关于加强数字政府建设的指导意见》明确提出，数字政府建设是创新政府治理理念和方式、形成数字治理新格局、推进国家治理体系和治理能力现代化的重要举措。“十五五”规划进一步要求，安全稳妥有序推进政务领域人工智能大模型部署应用，探索构建精准识别需求、主动规划服务、全程智能办理的服务新模式。作为数字政府的智能支撑载体，政务垂直大模型落地后可打破跨层级、跨部门的数据壁垒，促进政务资源集约复用，避免各地各部门分散建设形成“模型孤岛”，从整体层面降低重复建设成本损耗。模型可整合政务专属语料与领域适配算法，将海量政务规则、政策文件、业务案例转化为可调用的智能资源，为治理决策提供数据支撑，摆脱单纯依赖经验判断的传统模式，还可打通部门条块分割状态，提升跨部门协同效能，推动风险处置关口前移，实现提前预判与干预，对提升国家治理效能、筑牢数字治理根基具有长远支撑作用。

在实现政务领域内部治理效能提升的基础上，政务垂直大模型的落地还将产生显著的溢出效应。它能够带动政务数据治理、算力统筹、场景开发等全链条能力升级，其集约建设、领域适配、安全运行的实践模式，可为各行业垂直大模型的规模化落地提供可复制的参考路径。随着应用的深化，模型部署过程中探索形成的安全管控、伦理规范、效果评估等制度成果，也能为整个人工智能产业的健康发展提供实践参照。从国家层面统筹推进政务垂直大模型建设，更有助于缩小区域间数字能力差距，让不同地区的群众均等享有智慧化公共服务，将技术进步切实转化为可感知的公共服务质量提升，为数字中国建设整体布局筑牢政务领域的实践根基。

（二）通用大模型落地政务场景的适配困境

立足政务数字化转型的实践进程可以发现，通用大模型切入政务场景后，多维度的适配矛盾逐步显现。这类模型的训练语料覆盖全域公开内容，政务领域专业文本占比有限，对不同层级政策的效力边界、地方执行细则的差异、部门内部长期形成的业务流转规则理解浮于表面。遇到跨部门协同的复杂事项时，常出现政策引用张冠李戴、流程指引脱离当地实际的情况。政务文书有严格的格式规范和统一表述口径，但通用模型生成的内容会出现夹杂口语化表达、格式不符合行政文书规范的情况，使政策解读口径出现偏差。小到通知公告措辞失当，大到审批意见表述不准，都会影响行政行为的严肃性，甚至引发公众误解。模型固有的幻觉问题在政务场景中被进一步放大，面对训练数据未覆盖的最新出台政策、地方专属办事规则时，容易编造不存在的文件条款或办理要求。这类错误信息一旦流向办事群众，会损害政府公信力，提高行政争议的发生概率。政务工作的每一项输出都代表官方立场，容不得半点偏差，通用模型输出内容的不稳定性，使其很难独立承担关键业务环节的工作。

数据安全与合规要求之间的矛盾，是通用模型落地面临的深层阻碍。政务数据包含大量敏感内容，从个人户籍、社保、就医记录这类民生信息，到涉密工作部署、未公开的政策草案这类内部工作内容，都有明确的分级分类保护要求。当前，多数商用通用模型采用公有云部署模式，政务数据上传第三方服务器的传输与处理过程中，存在数据泄露、被违规留存使用的隐患。[2]行政行为全程可追溯是法治政府建设的基本要求，通用模型的内容生成过程属于不透明的“黑箱”，输出结果的推导路径无法审计，出现错误后难以溯源定责，达不到网络安全等级保护第三级对系统可审计、可追溯的强制要求。部分地区在引入通用模型时，没有结合本地业务实际做深度适配，仅完成简单的接口对接就仓促上线，技术应用停留在智能问答等表层场景，和一线审批、执法、决策等主责业务脱节。通用模型看起来功能覆盖全面，实际却解决不了工作人员的真实需求，反而增加了基层的操作负担。不同地区、不同部门的业务流程存在明显的地域差异和部门特性，通用模型的标准化输出很难适配这类个性化需求。同样的办事事项在不同地区可能有不同的材料要求和办理流程，通用模型难以覆盖这些细碎的本地化规则，输出的办事指引时常和窗口实际要求不一致，反而给群众办事造成不必要的麻烦。这些现实矛盾，折射出通用模型与政务场景特殊要求之间的天然落差，也为政务领域垂直大模型的发展留出了现实空间。

（三）技术与实践积累的落地支撑

通用大模型领域的多年技术迭代，为政务垂直大模型的研发积累了可复用的底座能力。经过多轮产品迭代，国内大模型行业的发展重心逐步从通用能力打磨转向垂直领域深耕，多项配套技术日趋成熟，为政务场景的定制化开发扫清了前期障碍。2025年起，国内大模型进入加速更新阶段，DeepSeek-R1、文心一言4.0、通义千问3.5等开源与闭源模型陆续推出，推理时延压缩至毫秒级，部署成本较两年前大幅下降。这类模型在语义解析、知识推演、内容生成方面的能力稳步提升，可承接复杂文本分析与多步推理任务，成为政务垂直大模型的优质基础框架。开发者无需从零搭建完整模型，基于通用基座开展定向优化，即可快速产出适配政务需求的专用模型，大幅降低前期研发的时间与资金投入。指令微调、检索增强生成、低秩适配等技术的推广应用，持续降低垂直大模型的研发门槛。通过指令微调可让模型快速适配政务专属表述与业务规范，提升输出内容匹配度。借助检索增强生成可实时调用外挂知识库，同步更新最新政策与业务案例，确保输出内容始终贴合现行规则。通过低秩适配技术可在不改动基座模型整体参数的前提下实现专项优化，缩短模型更新周期。针对政务领域的高安全要求，模型水印、内容审核、数据脱敏、本地化部署等技术已日趋成熟，可实现输出内容全程可追溯，对各类风险动态管控。隐私计算、联邦学习等技术的落地，可在不泄露原始数据的前提下完成跨部门数据协同训练与信息共享，既守牢数据安全底线，又充分释放数据应用价值。

政务领域多年数字化建设积累的海量专业数据，是垂直大模型训练优化的重要基础。经过多年稳步推进，我国已建成覆盖国家、省、市、县、乡五级的政务数据共享交换体系。截至2025年6月，全国一体化政务数据共享枢纽累计支撑调用量超5400亿次，申请共享的数据集数量同比涨幅接近30％。[3]数据经标准化清洗和规范化治理，形成内容翔实的政务语料库，清晰呈现政务业务的运行流程与制度规范，为模型训练筑牢数据根基。“一网通办”“一网统管”不断走深走实，政务业务全流程数字化留痕已成常态，政策制定执行、企业开办、项目审批、民生服务等场景留存了海量数据，完整记录政务业务的办理轨迹与最终结果，可帮助模型把握政务业务运行规律，强化复杂事项处理能力。

二、政务垂直大模型的建构方法

政务垂直大模型从研发到落地的全流程，是前沿数字技术与政务运行规则双向适配的过程。当前，国内通用大模型技术框架已趋成熟，以通过安全测评的成熟通用模型为基础开展定向改造，分层注入政务专属知识，经多轮迭代优化后，即可形成适配各类政务场景的专用模型。

（一）通用基座适配性改造与政务知识萃取

选择适配的通用模型基座，是政务垂直大模型研发的首要环节。当前，国产通用大模型产业化应用已进入成熟阶段，多款主流产品在中文理解、事理推演、多模态处理等方面均达到商用标准，可满足政务场景的基础要求。基座筛选需要综合考量多重因素，信创适配是首要前提，所有模型必须通过国家信息安全测评，支持国产化算力环境运行，从源头保障技术自主可控。在此基础上区分场景选择技术路线，闭源模型接口成熟、落地周期短，适合热线咨询、办事指南查询等面向公众的普惠服务场景，可快速上线形成服务能力；开源模型参数透明、定制空间充足，更适合行政审批、执法办案、辅助决策等涉及敏感数据的内部业务场景，支持深度改造以匹配部门个性化运行规则。

完成基座选型后，采用低秩适配技术开展首轮领域改造。这一技术可在不破坏通用模型原有语言理解与推理能力的前提下，通过小范围参数调整实现领域适配，大幅降低训练成本与算力要求，避免全量训练带来的资源消耗与能力损伤。首轮训练的语料全部来自公开政务领域的权威文本，覆盖各级政府公报、行政文书范本、公开政策解读、典型办事案例等内容，经去重、清洗、格式统一后转化为指令微调样本，帮助模型熟悉政务领域的话语体系与表达范式，掌握行政文书的规范格式、政策解释的统一口径、行政行为的基本程序，从基础层面解决通用模型对政务语境理解偏差、表述不规范、口径不统一等问题，为后续专属知识注入筑牢能力基础。

（二）政务专属知识库接入与多模态数据融合

完成基座适配后，模型仅具备政务基础理解能力，专业知识的深度与时效性仍有明显缺口。这一阶段需要搭建分层分类的政务专属知识库，对各地区各部门沉淀的海量政务数据开展梳理与标准化加工。存量数据经清洗降噪、脱敏加密后，按完整语义单元分块，保留上下文边界，避免政策条文被机械截断。处理后的数据按履职需求分为法规、业务、案例、政策四类，分别收纳法定规制文件、高频事项办理规则、典型处置经验、最新政策口径，保障不同区域、部门执行标准统一。所有入库内容标注来源、发布时间、生效状态等元数据，建立常态化更新流程，废止文件及时归档，新政策限时入库，确保内容与现行规制完全同步。检索增强生成技术可实现知识库与模型的实时联动，用户提问进入模型前，系统通过关键词与语义向量混合检索，匹配关联度最高的内容注入上下文窗口，引导模型严格基于权威内容生成回答。该模式无需二次全量训练，政策更新可快速完成，还配套知识溯源功能，每条回答标注引用文件名称、文号与条目，方便工作人员核验追溯，压缩模型幻觉的产生空间。[4]

政务场景天然具备多模态属性，单一文本处理能力难以覆盖复杂履职需求。窗口受理需要核验各类证件材料，城市治理需要处理监控视频与物联数据，执法过程会产生大量照片与音视频记录，这类非文本数据在政务数据中占比极高。多模态融合采用统一嵌入模型，将文本、图片、音视频、表格等内容映射到同一语义向量空间，实现跨模态检索与理解。图像识别模块经政务证照专项训练可自动识别高频办事材料，提取关键信息完成表单填充，比对材料真实性与有效期，辅助窗口预审以缩短核验时间。视频分析模块接入城市感知网络可自动识别城市管理异常事件，压缩问题响应时延。表格解析功能支持审批报表、统计数据的内容理解，自动完成数据比对校验以减少人工填报错误。融合过程中针对不同数据类型制定差异化规范，保障不同模态信息的对齐精度，避免跨模态理解偏差影响业务办理。

（三）混合专家反馈迭代与全流程安全管控

政务垂直大模型不是一次性交付的静态产品，而是需要持续打磨的动态系统。知识注入完成后的初期版本，往往存在输出不稳定、业务贴合度不足、边界把握不准等问题，需要建立常态化专家反馈迭代流程。由业务骨干、技术人员、公职律师、保密专员组成跨领域专家团队，定期抽取交互样本开展质量评审，从政治方向、法律法规、业务规范、安全保密四个方面核查内容合规性与准确性，标注问题与改进方向，形成优劣回答对比数据。基于标注数据采用偏好优化技术开展迭代训练，让模型学习政务回答规范，规避错误表述，这种方式比传统强化学习成本更低，匹配政务专业要求的精度更高。除专家评审外，系统还建立一线人员与办事群众的反馈通道，收集使用中的问题与建议定期汇总形成优化清单，通过持续更新形成使用、反馈、优化、提升的良性循环。迭代过程中严格控制能力漂移，每次更新后通过标准问题集开展回归测试，确保原有能力不下降、新增问题有改进。

安全是政务人工智能应用的底线，任何技术创新都不能以牺牲安全为代价。政务数据涵盖国家秘密、工作秘密、商业秘密与个人敏感信息，一旦泄露将危害国家安全、损害公共利益、侵犯群众权益，安全管控需要覆盖模型研发到退役的完整生命周期。数据处理阶段，训练语料经多轮脱敏，先通过技术手段去除个人敏感信息，再经人工审核排查涉密内容，通过保密审查后方可进入训练集，从源头堵住泄漏风险。模型训练全程在政务内网封闭环境开展，计算节点与互联网物理隔离，训练数据不流出政务云边界，全程留痕、操作可审计追溯。部署运行阶段，采用符合等级保护第三级的防护体系，部署多层安全检测，自动识别恶意提问与违规内容，建立规范代答、拒答规则；通过模型水印实现输出内容全程溯源，按最小权限原则划分访问级别。建立常态化安全测试流程，定期开展对抗测试查找漏洞，制定安全事件应急预案并定期演练，确保问题出现可快速响应处置。

三、政务垂直大模型的落地策略

习近平总书记强调：“系统观念是具有基础性的思想和工作方法。”[5]推进政务垂直大模型建设必须坚持系统思维，立足政务治理实际与技术迭代规律，以集约部署筑牢基础，以场景深耕释放价值，以规范运维保障长效，以风险防控守牢底线，推动模型从试验性载体转向常态化实效应用。

（一）坚持集约统筹部署，夯实政务大模型应用根基

推进政务垂直大模型落地，首要任务是科学统筹整体布局，采取统一规划、分层推进、资源互通的路径，避免零散建设与重复投入，为后续场景拓展筑牢基础。

第一，建立层级联动的部署格局。按照《政务领域人工智能大模型部署应用指引》要求，探索“一地建设、多地复用”的集约模式，避免重复建设造成资源浪费。省级层面整合算力、数据与应用组件，搭建统一公共服务平台，实现跨区域跨部门资源调度与共建共享。地市级无需重复搭建底层基座，借助省级平台完成定制化适配，压缩建设投入。县级及以下原则上复用上级开放的模型能力，重点聚焦前端便民服务场景对接。各垂直行业主管部门统筹行业数据，开展场景训练与协同布设。第二，坚持安全可控的国产化路线。落地优先选用通过测评的国产大模型作为基座，结合政务内网、外网两类环境设计差异化部署方案，符合数据本地留存、运行全程可控的要求。涉密场景实行全流程本地闭环运行，非涉密公共服务场景可采用本地加云端的混合模式，在守牢安全底线的前提下调用云端算力承接高并发请求。各地同步升级政务云算力配套，更新服务器与网络设施，匹配模型运行需求。第三，强化落地的资源要素保障。各级财政将建设运维经费纳入年度预算，拓展政府购买服务、政企协同共建等投入渠道，通过市场化竞争合理压缩成本。各地组建技术、业务、安全复合型队伍，明确岗位职责。技术人员负责日常运维与功能迭代，业务人员对接一线诉求、反馈问题，安全人员全程监测运行、落实合规要求。

（二）聚焦高频场景深耕，释放政务大模型服务效能

数字技术的价值需要在真实业务场景中释放。政务垂直大模型建设需要锚定政务服务、社会治理、机关办公、辅助决策四类高频领域，深耕刚需场景，推动技术与业务深度融合，摒弃形式化落地思路，切实提升治理效能与办事体验。

第一，做优便民服务场景。围绕企业开办、工程审批、民生保障等高频事项，将模型能力嵌入“一网通办”业务流程，[6]辅助完成材料核验以降低人工审核工作量。开通全天候智能咨询渠道，以自然语言交互回应群众问询，减少群众多头咨询、反复跑动。面向老年人、残障人士等特殊群体，优化语音交互、简化操作流程，降低数字服务门槛。这也是落实《国务院关于深入实施“人工智能+”行动的意见》中智能政务服务要求的具体举措。第二，做强基层治理场景。将模型能力融入“一网统管”体系，为城市管理、应急处置、网格治理提供智能支撑。系统整合视频监测、物联感知、舆情等多源数据，动态捕捉市容、安全、治安领域异常状况，及时推送风险提示。在基层履职中，模型可辅助梳理台账、研判纠纷、解读政策，减轻基层人员事务性负担；在信访、舆情等动态场景中，系统可自动归类诉求、研判趋势，提供处置参考。第三，做实机关办公场景。将模型能力融入公文起草、会议保障、督查跟进、档案管理等办公环节，推动办公模式智能化转型。[7]公文处理中辅助完成初稿草拟、格式校准、合规校验；会议保障中辅助梳理议程、提炼纪要、跟进待办；档案管理中辅助完成数字化转换、智能检索、分类归档。打通各部门办公数据壁垒，推动跨岗位协同，减少重复事务以助力节约型机关建设。第四，做深辅助决策场景。整合经济运行、民生保障、风险防控等多源政务数据，开展趋势研判、关联分析、方案比对，为决策提供客观支撑。政策制定中辅助梳理背景、汇总经验、预判成效，让政策更贴合区域实际；风险研判中整合历史数据与实时信息，排查潜在隐患，梳理防控方向；成效评估中量化分析落地效果，梳理短板与优化方向，推动决策从经验判断向数据支撑转变。

（三）健全运行管理机制，保障政务大模型长效运转

政务垂直大模型的长期稳定运行，需要完善配套管理细则与运行准则，清晰划定应用边界，优化迭代更新路径，细化质量核查标准，避免技术滥用、应用偏离预期等问题，让模型运行全程符合政务履职规范与群众实际需求。

第一，明确应用定位与适用边界。政务垂直大模型仅作为工作人员履职辅助工具，各单位需要明确技术适用范围，杜绝机器替代人工、违规处置涉密信息等行为。[8]面向群众的服务场景，模型可承担咨询答复、材料初核等基础工作，审批关键环节仍由工作人员按规定完成。决策辅助中，模型输出仅作参考，最终结论由主管部门审定发布。所有生成内容需要经工作人员核验，确保符合法规政策，避免失实内容流出。各地可梳理应用负面清单，明确涉密场景、敏感业务等不宜介入的范围。第二，建立动态迭代更新路径。政务政策与办事规范持续更新，模型的知识储备与适配能力需要同步调整。各地要畅通动态更新渠道，持续补充知识库内容，及时收录新出台的法规、政策与案例；通过轻量化技术完成细节微调，无需大规模重训，压缩迭代周期与成本。持续收集工作人员、市场主体、办事群众的反馈，梳理运行短板，针对性优化识别、生成、响应能力，改善使用体验。第三，健全全流程质量核查体系。围绕训练、部署、使用、输出各环节建立核查标准，保障运行平稳、输出准确。训练阶段筛选原始数据，剔除错误、敏感、无效内容；部署阶段完成安全测评与功能校验，排查系统漏洞；使用阶段监测运行状态与输出质量，及时处置异常；输出阶段实行算法加人工双重核查，拦截违规内容。

（四）强化全链条风险防控，守住政务大模型安全底线

政务垂直大模型承载海量政务数据与公共服务信息，安全是落地不可逾越的底线。各地需要建立伦理约束、技术防护、责任追溯协同的防控体系，主动防范伦理失范、数据泄漏、内容偏差等隐患，保障模型全程安全合规运行。

第一，强化伦理对齐与前置预警。大模型应用伦理需要锚定公共治理价值取向，确保技术始终服务公共利益。组建由业务、技术、法务、群众代表组成的伦理审查队伍，对落地场景、输出内容、交互模式开展常态化核查，防范算法偏见、价值偏移等隐性风险。建立前置预警路径，结合技术监测与人工巡查排查伦理隐患与安全漏洞，实现风险早识别、早介入、早处置。常态化开展规范使用宣传，引导工作人员科学使用模型，减少技术滥用。第二，优化全流程技术防护。围绕数据存储、模型运行、场景应用三个层面完善防护措施，筑牢智能政务安全屏障。数据层面通过脱敏、隐私计算等技术，在不泄露原始数据的前提下完成训练与交互，保护涉密信息、经营数据与个人隐私。模型层面添加专属标识，实现输出全程可追溯，细化分级访问权限，落实多因素身份认证，降低越权操作风险。应用层面部署安全防护工具，抵御外部网络攻击，建立异常监测体系并及时识别违规操作与异常输出，阻断风险扩散。同步完善合规管理细则，落实数据分类分级保护，确保运行符合《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法律法规要求。第三，压实责任追溯与应急处置。对照运行全流程明确各环节责任主体，建立开发、部署、使用三方协同的管控体系，层层压实责任。研发单位负责技术安全维护与漏洞修复，部署单位负责日常运维与合规监督，使用单位负责规范操作与内容核验。落实常态化合规自查，各主体对自身操作逐一核查，出现违规或安全事件时依法追责。完善突发情况应急预案，针对数据泄露、模型篡改、系统故障等情形明确处置流程，定期组织应急演练，提升处置能力，降低事件影响。

参考文献：

[1]中华人民共和国国民经济和社会发展第十五个五年规划纲要[N].人民日报,2026-03-14(01).

[2]韩万渠,袁高辉,张一涵.政务AI本地部署的风险连锁效应及其协同规制策略[J].人文杂志,2025(10):119-129.

[3]国家数据局.专家解读|从三组数据透视我国数据要素化发展进程[EB/OL].(2026-05-06)[2026-06-07]https://www.nda.gov.cn/sjj/zwgk/zjjd/0506/20260506200010358809315_mobile.html.

[4]张世政,马瑶瑶,刘航.DeepSeek赋能政务服务:场景重构、运行逻辑与推进路径[J].现代城市研究,2025(07):50-56.

[5]习近平谈治国理政（第四卷）[M].北京:外文出版社,2022:117.

[6]李鑫,李文强.政务服务场景下大模型应用部署实施策略研究[J].数字技术与应用,2025(10):168-170.

[7]王友奎,王理达,杨正军.政务大模型应用的典型场景、评估理念与指标框架[J].电子政务,2026(06):61-74.

[8]解志勇.数字法治政府构建的四个面向及其实现[J].比较法研究,2023(01):1-18.

本文系国家社科基金后期资助项目“增强社会主义意识形态凝聚力和引领力研究”(编号22FKSB023)的阶段性成果。

（作者系上海财经大学马克思主义学院博士研究生）

【责任编辑：刘玉娟】