智能运维有几种场景，通常都配置在大模型架构中。例如面向政务办公，有很多智能政策关联、流程自动应答、数字人等。这些都可以设计智能体实现，如何在Deepseek的模型层架构中设计智能体？

在MaaS层的模型架构包含配置文件和算法结构体。由于要指定算法自动运行，因此有两个参数要配置。正因为设计了智能体的配置文件和算法结构，相当于调用了Deepseek的原子能力来实现基本的政务办公需求。

政策关联的需求，配置文件的参数：temperature和feedback。 temperature是温度，意思是调节大模型算法自有联想的宽度。对于外部发布的政策，有很多专业解读，比如去年对《婚姻法》进行了最新的版本修改。在妇联和居委会等政府单位，很多调停的案例都需要对最新的法律条文解析解读并匹配场景。政策解读如果过度，可能会对政策误解，甚至可能扭曲了国家意志。因此，temperature必须控制在最低范围内，务必保证解读的结果是原汁原味。

feedback是反馈，意思是算法结构体计算之后，需要进行多深的研究。人工智能有三个层次，模仿、机器学习和深度学习，三个层次的feedback是不一样的值。由于政策关联，往往需要关联多方机构解读，从中选取最正确的那个选项；而feedback越深，研究层次就越深，占用资源就越多。政策关联需要的是广度，关联外部观点，而不是自己反复钻研，因此feedback设计的数值越低越好，释放资源给其他计算。

以上是政策关联智能体的架构设计案例。