某公司干部處辦公室里，五位領導班子成員圍坐在投影幕布前，為即將啟動的“2025年第一批次干部調整專項工作”提前進行內部討論。

分管組織工作的趙副書記又一次重復了某崗位對于選拔干部的要求："具有三年以上基層經歷、熟悉黨務工作、副科級崗位任職滿兩年"——這些看似明確的要求卻讓干部管理專員小王手忙腳亂。

由于數據分布在多個系統、多個表格，小王不斷切換著查詢方式，終于在1個小時后，匯總出一版并不完備的人員清單，隨后又翻閱公司干部選拔調整的各項規章制度，確定清單人員是否合規。

這種"帶著鐐銬做大數據分析"的窘境，使得原本應該精準科學的干部選拔，變成了在信息廢墟中的考古發掘。

工作人員苦笑著總結現狀：“我們現在是用算盤處理大數據——聽著鍵盤敲得噼里啪啦響，實際效率還趕不上二十年前的工作手冊。領導想要一份數據，我卻遲遲提供不出來。”

針對上述問題，智慧識才專家團隊提出通過借助大語言模型、向量化模型、語音識別以及檢索增強生成等技術，實現人機交互式的“智能問答”。通過語音或文本提問，即可高效查詢干部大數據信息和各類管理制度規范，把干部信息查詢工作從"信息廢墟"里解放出來，讓干部選拔更高效、決策更科學。

數據庫問答

通過語音或文字提問，查詢結構化數據

比如：提問“具有三年以上基層經歷、熟悉黨務工作、副科級崗位任職滿兩年的干部有哪些”，系統就能匯總干部材料，直觀地展示符合條件的人員名單，并且對人員信息進行圖表化分析，呈現人員占比等情況；提問“查詢張三的基礎信息”時，系統會直接展示張三的全部基礎信息，并能以一句話概括介紹（如：張三，男，1975年7月17日出生，中共黨員，擁有博士學位和碩士學位，現任某公司總經理，干部級別為正處級）等。

文本問答

構建本地知識庫，通過語音或文字提問，查詢文本數據 

比如：提問關于領導干部考核的具體要求和操作規范，系統將從《黨政領導干部考核工作條例》文件中檢索相關信息，并提供查詢結果；提問關于干部選拔任用的原則和程序，系統將從《黨政領導干部選拔任用工作條例》文件中檢索，并給出相應的結果。

相較于開源的問答模型，我們能利用客戶數據對 SQLCoder 模型和基座模型進行 LoRA 微調，學習上萬份干部相關材料，形成干部管理問答領域的垂直大模型，回答結果更精準。

目前，我們金現代公司的“智慧識才”干部大數據分析系統已全面應用該功能，通過搭建本地知識庫，訓練機器掌握干部管理的規章制度、標準規范以及干部的基礎信息等文本知識，可通過語音或文字的便捷提問方式，實現的高效檢索，并展示答案及其出處。