SIGAP：印尼政府利用大语言模型革新公共投诉处理系统

核心观点

印尼SIGAP（公共投诉信息系统）项目由开发者zaakiiirrr发起（来源：GitHub，2026年6月15日发布），通过大语言模型（LLM）技术将非结构化民众投诉文本转化为结构化数据，解决传统人工处理效率低、易遗漏的痛点，提升政府公共服务响应效率，为决策提供数据支撑。

项目价值

该项目融合AI与政务服务，旨在优化投诉处理流程，实现智能文本理解、信息抽取与总结，覆盖多场景应用，对市民、工作人员及决策者均有显著价值。

在数字化转型中，各国政府面临民众投诉文本非结构化的难题：

• 投诉内容繁杂、格式不一，人工分类处理效率低下；
• 易出现遗漏和误判，难以应对日益增长的投诉量；
• 缺乏智能工具自动理解、提取诉求，制约服务质量提升。

SIGAP项目将AI技术与政务服务深度融合，核心目标为：

• 利用LLM技术处理非结构化投诉文本；
• 自动提取关键信息并转化为结构化表格数据；
• 提升数据处理效率，为政府决策提供可靠支撑。

SIGAP系统集成LLM，具备以下能力：

1. 文本理解：深入理解印尼语语义，识别实体、情感及上下文关联（区别于传统关键词匹配）；
2. 信息抽取：自动提取投诉类别、涉及部门、地理位置、紧急程度等结构化字段；
3. 智能总结：生成简洁摘要，帮助工作人员快速把握要点，优先处理紧急事项。

应用场景

• 城市管理：处理基础设施损坏、环境卫生、交通秩序等投诉；
• 公共服务：归纳医疗、教育、社保等民生问题反馈；
• 政务监督：发现部门服务共性问题与改进空间。

价值体现

• 市民：诉求被准确理解，处理进度透明可追溯；
• 工作人员：减少重复文本处理，聚焦问题解决；
• 决策者：结构化数据支撑政策制定，优化资源配置。

SIGAP项目面临以下技术挑战：

1. 语言多样性：印尼多语言/方言环境，需处理语言变异；
2. 文本质量：投诉文本存在拼写错误、语法不规范、口语化表达；
3. 隐私安全：需确保投诉数据（含个人信息）符合数据保护法规；
4. 实时性：应对大量并发投诉，需优化模型推理与基础设施扩展性。

启示

• 为全球政府数字化转型提供参考案例，展示AI与政务需求的结合；
• 验证LLM在低资源语言政务场景的可行性；
• 成为政府与民众沟通的智能桥梁，为发展中国家提供经验。

展望

• 整合语音、图像等多模态输入，降低市民反馈门槛；
• 结合知识图谱与推理技术，实现从记录投诉到智能分诊、方案推荐的全流程自动化，迈向智慧治理。