存储域
数据库加密 诺亚防勒索访问域
数据库防水坝 数据库防火墙 数据库安全审计 动态脱敏流动域
静态脱敏 数据水印 API审计 API防控 医疗防统方运维服务
数据库运维服务 中间件运维服务 国产信创改造服务 驻场运维服务 供数服务安全咨询服务
数据出境安全治理服务 数据安全能力评估认证服务 数据安全风险评估服务 数据安全治理咨询服务 数据分类分级咨询服务 个人信息风险评估服务 数据安全检查服务当前，人工智能正加速从“模型能力驱动”向“应用能力驱动”跃迁，智能体（AI Agent）作为连接大模型能力与复杂应用场景的重要载体，正逐步成为推动人工智能规模化落地和产业深度融合的重要形态。随着智能体从知识问答向任务规划、推理决策、工具调用、多轮交互和自主执行等复杂能力演进，传统以静态样本为主的数据集已难以充分满足智能体能力构建需求，数据体系正呈现多模态融合、过程导向、场景驱动和持续演进等新特征。与此同时，当前行业仍面临数据供给与应用需求不匹配、数据孤岛、标注规范缺失、质量评估体系滞后以及安全合规等问题，高质量数据集建设亟需从传统的数据生产向面向能力和场景的系统化建设转变。
近日，在人工智能产业大会AI数据集与数据标注高质量发展论坛上，中国信息通信研究院（简称“中国信通院”）人工智能研究所联合联想（北京）有限公司、中国人工智能产业发展联盟数据委员会正式发布《面向智能体能力构建的高质量数据集建设指南（2026年）》。
报告围绕智能体发展趋势及其对数据建设提出的新要求，系统分析智能体能力构建的数据需求，提出面向智能体能力构建的行业高质量数据集建设总体框架、关键方法和实施路径，并结合企业运维、医疗健康、通信、知识产权、汽车、产业园区、科研等领域的典型实践，为产业各方开展智能体高质量数据集建设提供参考依据和实施路径。
报告核心观点
1. 智能体发展推动高质量数据集建设范式加快转变
报告指出，随着人工智能发展从模型能力驱动向应用能力驱动演进，数据在智能体能力构建中的作用正从支撑模型训练向支撑复杂任务执行延伸。与传统模型训练数据相比，智能体所需数据不仅要提供知识信息，更要能够支撑任务理解、推理决策、工具调用和结果反馈，推动高质量数据集建设从以知识供给为主，向面向具体任务、服务实际应用的方向转变。
2. 智能体多维能力发展对高质量数据集提出系统性要求
报告围绕环境感知、任务规划、工具调用、多轮交互、安全可控和行业应用六大核心能力，系统分析不同能力构建所需的数据类型与建设重点。其中，环境感知需要多源异构上下文数据，任务规划需要推理链和决策轨迹数据，工具调用需要工具使用及API交互数据，多轮交互需要上下文管理与对话数据，安全可控需要风险场景与价值对齐数据，行业应用则需要领域知识和真实场景数据。
3. 高质量数据集建设需要统筹数据质量、能力适配与应用反馈
报告提出，面向智能体能力构建的数据集建设，应贯穿数据采集、清洗、标注、评估和优化等关键环节，既关注数据完整性、准确性、一致性等基础质量，也要考察数据对智能体能力提升和具体任务完成的支撑效果。在此基础上，将智能体实际应用表现与数据质量评估相结合，通过任务表现观测、质量问题定位、数据优化迭代和反馈验证，形成数据建设与应用效果相互促进的持续优化机制，推动数据集质量管理由静态评估向动态迭代演进。
4. 行业高质量数据集建设正向多模态融合、动态演进和服务化应用发展
报告认为，行业高质量数据集将在数据形态、更新机制、应用方式和组织方式等方面持续演进。随着智能体逐步深入行业业务流程，行业数据集将融合图像、曲线、公式、模型、文献等多类型数据，数据更新也将从定期维护转向结合应用反馈的持续迭代。在应用层面，数据集的价值将从存储、归档和检索，进一步延伸至问答、推荐、分析辅助和业务流程支撑，推动行业数据资源由分散存储向结构化治理、规范化组织和可控共享发展。
5. 推动智能体高质量数据集发展需要构建多方协同的产业生态
报告认为，智能体高质量数据集建设涉及数据供给、技术研发、标注加工、质量评估、安全治理和应用运营等多个环节，需要政策、标准、产业和企业协同推进。围绕重点行业和重点应用场景加强数据资源统筹，完善数据集建设、质量评价、标注规范和安全治理等标准体系；推动产业主体加强数据工程能力建设，同时强化行业间、企业间的数据协同和生态合作，逐步形成覆盖建设、评估、应用和迭代的全链条支撑体系，为智能体在行业场景中的规模化应用夯实数据基础。
报告目录
一、智能体发展现状与趋势
（一）智能体发展现状
（二）智能体技术发展趋势对数据建设的牵引
（三）智能体数据供给面临的关键问题与挑战
二、智能体能力构建的高质量数据集需求分析
（一）面向智能体六大能力的数据需求分析
（二）行业场景对数据的特殊需求
（三）智能体高质量数据集需求清单
三、面向智能体能力构建的行业高质量数据集建设总体框架与关键方法
（一）建设总体思路
（二）技术路线
（三）关键方法
四、面向智能体能力构建的行业数据集建设路径
（一）数据集建设阶段框架
（二）数据集建设的主体模式与协同机制
（三）数据合规、安全与伦理治理
五、发展展望和建议
（一）行业数据集发展趋势展望
（二）推动行业高质量数据集发展的建议
信息来源：中国信通院
官方订阅号
官方服务号
第59号
浙公网安备 33010502006954号 
