來源 | 人民論壇網(wǎng)-人民論壇雜志

轉(zhuǎn)載請注明來源

今年4月15日是第十一個(gè)全民國家安全教育日。當(dāng)前，人工智能的快速發(fā)展正在深刻影響國家安全。2026年以來，一款被稱為“龍蝦”的開源人工智能體迅速走紅。伴隨著“養(yǎng)龍蝦”熱潮的興起，其背后的安全隱患也逐漸顯現(xiàn)。國家互聯(lián)網(wǎng)應(yīng)急中心、工信部等相關(guān)部門發(fā)布風(fēng)險(xiǎn)提示，呼吁審慎使用。如何構(gòu)建開源人工智能體安全風(fēng)險(xiǎn)綜合治理體系？推薦閱讀復(fù)旦大學(xué)計(jì)算與智能創(chuàng)新學(xué)院教授肖仰華在《人民論壇》的最新刊文。

核心觀點(diǎn)速覽

? 開源人工智能體的安全呈現(xiàn)出風(fēng)險(xiǎn)要素更多、攻擊面更廣、影響鏈條更長、檢測難度更大等新特征。

? 構(gòu)建全方位綜合治理框架，要以技術(shù)手段筑牢安全基礎(chǔ)，以制度規(guī)范明確行為邊界，以生態(tài)共治凝聚多方合力，以能力建設(shè)夯實(shí)長遠(yuǎn)根基，在保障技術(shù)創(chuàng)新活力的同時(shí)有效防控安全風(fēng)險(xiǎn)。

開源人工智能體的技術(shù)演進(jìn)

人工智能的發(fā)展歷程可以被理解為一部機(jī)器“主體性”不斷增強(qiáng)的演進(jìn)史。早期的專家系統(tǒng)依賴人工編寫的規(guī)則運(yùn)行，智能體不能完成規(guī)則之外的動作；統(tǒng)計(jì)學(xué)習(xí)時(shí)代的機(jī)器學(xué)習(xí)模型雖具備從數(shù)據(jù)中自動提取模式的能力，但其應(yīng)用局限于特定任務(wù)的被動預(yù)測；大語言模型的出現(xiàn)使人工智能獲得通用的語言理解和生成能力，但在實(shí)際應(yīng)用中仍扮演“問答助手”角色。大語言模型雖有著強(qiáng)大的思考與生成能力，但操控工具與執(zhí)行能力有限，只是實(shí)現(xiàn)了人類“大腦”功能?！褒埼r”智能體則在大語言模型基礎(chǔ)上配置各種工具與記憶系統(tǒng)，使其能夠自主感知環(huán)境、規(guī)劃推理、創(chuàng)造與使用工具、組織記憶并根據(jù)執(zhí)行反饋?zhàn)灾鲃討B(tài)調(diào)整策略。

以O(shè)penClaw為例，用戶只需提出一個(gè)高層目標(biāo)，智能體便會自主分解任務(wù)、調(diào)用郵件客戶端和文檔編輯器、完成信息檢索與文本生成，最終交付結(jié)果。在這一過程中，智能體需獨(dú)立完成目標(biāo)理解、任務(wù)規(guī)劃、工具選擇、執(zhí)行監(jiān)控和錯(cuò)誤嘗試等一系列復(fù)雜的認(rèn)知活動。這種從工具使用到任務(wù)委托的轉(zhuǎn)變，意味著人類只需提出目標(biāo)要求而不必再關(guān)心執(zhí)行過程細(xì)節(jié)。人機(jī)關(guān)系由此進(jìn)入一個(gè)全新的“委托—代理”階段。

智能體不再局限于被動執(zhí)行指令，而是具備自我進(jìn)化的能力。傳統(tǒng)軟件的行為模式在開發(fā)完成后基本固定，其功能更新依賴于開發(fā)者的主動迭代；而自進(jìn)化智能體則能夠在運(yùn)行過程中持續(xù)積累經(jīng)驗(yàn)、學(xué)習(xí)新技能、優(yōu)化行為策略，其能力邊界隨時(shí)間推移不斷擴(kuò)展。

以筆者團(tuán)隊(duì)研發(fā)的類似的自進(jìn)化智能體Generic Agent為例，該框架支持智能體在執(zhí)行任務(wù)過程中自主學(xué)習(xí)新技能，并將成功操作經(jīng)驗(yàn)沉淀至技能庫中，供后續(xù)調(diào)用。同時(shí)，筆者團(tuán)隊(duì)為Generic Agent配套的技能庫已積累超過140萬種技能，涵蓋文檔處理、數(shù)據(jù)分析、網(wǎng)絡(luò)操作等廣泛功能。這種邊用邊學(xué)的自我進(jìn)化機(jī)制，一方面賦予智能體前所未有的靈活性和適應(yīng)性，甚至可以組合創(chuàng)新出全新復(fù)雜技能；另一方面也意味著智能體的演進(jìn)軌跡越來越難以被完全預(yù)測和控制。

用戶在瀏覽開源AI智能體“龍蝦”手機(jī)網(wǎng)頁版。新華社發(fā)（薛瑩瑩攝）

開源人工智能體供應(yīng)鏈安全的多維風(fēng)險(xiǎn)

傳統(tǒng)軟件安全主要關(guān)注代碼和依賴包中的已知漏洞和惡意組件注入，其風(fēng)險(xiǎn)邊界相對清晰、攻擊模式相對固定。開源人工智能體的安全則呈現(xiàn)出風(fēng)險(xiǎn)要素更多、攻擊面更廣、影響鏈條更長、檢測難度更大等新特征。從縱向看，風(fēng)險(xiǎn)貫穿模型層、框架層、技能生態(tài)層和運(yùn)行交互層；從橫向看，每一層次的安全缺陷都可能通過智能體的自主決策機(jī)制被放大為系統(tǒng)性風(fēng)險(xiǎn)。

模型層和框架層風(fēng)險(xiǎn)：幻覺輸出與隱私暴露。開源人工智能體的核心驅(qū)動力來自基礎(chǔ)大語言模型。當(dāng)前，主流智能體系統(tǒng)多采用云端大模型應(yīng)用程序編程接口（API）作為推理引擎的接入方式，這意味著用戶的指令、上下文信息乃至敏感數(shù)據(jù)，都要傳輸至云端進(jìn)行處理。在智能體應(yīng)用場景中，這些數(shù)據(jù)的敏感程度遠(yuǎn)超普通的對話交互。智能體可能需要訪問用戶的郵件內(nèi)容、銀行賬戶信息、工作文檔、通訊錄等高度私密的數(shù)據(jù)來完成被委托的任務(wù)。數(shù)據(jù)在傳輸和云端處理過程中面臨的被截獲、替換和濫用風(fēng)險(xiǎn)，由此造成開源人工智能體供應(yīng)鏈安全的第一道隱患。

更深層的挑戰(zhàn)，在于大模型固有的“幻覺”問題。在傳統(tǒng)對話場景中，模型幻覺的后果通常局限于信息誤導(dǎo)；在智能體應(yīng)用場景中，模型的錯(cuò)誤輸出將直接轉(zhuǎn)化為錯(cuò)誤的執(zhí)行行為。當(dāng)智能體基于幻覺生成的判斷去操作文件系統(tǒng)、發(fā)送郵件或執(zhí)行金融交易時(shí)，可能會導(dǎo)致重要文件被誤刪、機(jī)密郵件被錯(cuò)誤轉(zhuǎn)發(fā)、不當(dāng)?shù)馁Y金操作被執(zhí)行。從信息偏差到行為失控的風(fēng)險(xiǎn)升級，是智能體安全區(qū)別于傳統(tǒng)人工智能安全的核心特征之一。此外，大模型是概率模型，其輸出在理論上是不確定的，這對于輸出確定性要求較高的嚴(yán)肅應(yīng)用場景也是難以接受的。

技能生態(tài)層風(fēng)險(xiǎn)：供應(yīng)鏈污染的隱蔽滲透。首先，智能體技能插件的惡意行為更加隱蔽。傳統(tǒng)惡意軟件包通常通過利用代碼層面的漏洞或后門植入實(shí)施攻擊，安全工具可以通過靜態(tài)代碼分析和已知特征匹配進(jìn)行檢測。而智能體惡意插件則可以“語義級”攻擊手段，通過在技能描述或提示詞模板中嵌入精心設(shè)計(jì)的指令，劫持智能體的決策邏輯，暗中進(jìn)行攻擊。這類攻擊超出傳統(tǒng)意義上的漏洞檢測范圍，難以被現(xiàn)有自動化安全掃描工具檢測到。其次，智能體技能的審核與質(zhì)控機(jī)制尚在建設(shè)之中，技能平臺相關(guān)審核與質(zhì)檢體系仍有待完善，技能插件的質(zhì)量也存在一定差異。再次，技能生態(tài)的網(wǎng)絡(luò)效應(yīng)一定程度上會放大污染風(fēng)險(xiǎn)。當(dāng)一個(gè)惡意技能被大量用戶安裝后，攻擊者便獲得一個(gè)規(guī)模化的攻擊入口。更危險(xiǎn)的是，智能體的自我進(jìn)化機(jī)制，可能將惡意技能的行為模式學(xué)習(xí)并內(nèi)化到自身的決策邏輯中，即使后續(xù)卸載惡意技能插件，影響也可能持續(xù)存在。

根據(jù)國家網(wǎng)絡(luò)與信息安全信息通報(bào)中心通報(bào)，針對ClawHub（專為OpenClaw用戶設(shè)計(jì)的市場平臺）的3016個(gè)技能插件分析發(fā)現(xiàn)，其中，336個(gè)技能插件包含惡意代碼，占比高達(dá)10.8%；17.7%的技能插件會獲取不可信第三方內(nèi)容；2.9%的技能插件會在運(yùn)行時(shí)從外部端點(diǎn)動態(tài)獲取執(zhí)行內(nèi)容，攻擊者可遠(yuǎn)程修改智能體執(zhí)行邏輯。惡意插件的行為模式包括但不限于：在正常功能之外暗中收集用戶敏感數(shù)據(jù)并回傳至外部服務(wù)器、通過提示詞注入劫持智能體的行為邏輯使其執(zhí)行非預(yù)期操作、利用智能體的系統(tǒng)權(quán)限在用戶設(shè)備上安裝持久化后門程序。

運(yùn)行交互層風(fēng)險(xiǎn)：自主進(jìn)化與權(quán)限逃逸的疊加效應(yīng)。智能體的自我進(jìn)化能力對權(quán)限管理提出嚴(yán)峻挑戰(zhàn)。一方面，持續(xù)學(xué)習(xí)和經(jīng)驗(yàn)積累，是智能體提升服務(wù)質(zhì)量的核心機(jī)制；另一方面，長期運(yùn)行的自進(jìn)化智能體，可能逐漸偏離初始設(shè)定的行為邊界，產(chǎn)生開發(fā)者和用戶都未曾預(yù)期的行為模式。

智能體的記憶系統(tǒng)是這一風(fēng)險(xiǎn)的重要載體。為了提供個(gè)性化服務(wù)，智能體會持續(xù)記錄和分析用戶的行為習(xí)慣、偏好特征、社交關(guān)系乃至敏感信息，逐步構(gòu)建起詳細(xì)的用戶畫像。這些記憶數(shù)據(jù)如果以未加密的文件形式存儲在用戶本地設(shè)備上，那么在設(shè)備被入侵或記憶文件被惡意訪問時(shí)，攻擊者將獲得更為全面和深入的用戶信息，進(jìn)而偽造“數(shù)字分身”實(shí)施身份冒用。

權(quán)限逃逸是運(yùn)行交互層面臨的另一個(gè)嚴(yán)峻挑戰(zhàn)。當(dāng)前，智能體系統(tǒng)主要通過兩種機(jī)制約束其行為邊界：一是系統(tǒng)提示詞（system prompt），通過自然語言指令規(guī)定智能體的角色定位和行為規(guī)范；二是“憲法”規(guī)則（constitutional rules），設(shè)定智能體不可逾越的行為紅線。安全研究表明，這兩種基于自然語言的軟性約束，都可以通過精心設(shè)計(jì)的攻擊手段被突破。提示詞注入攻擊（prompt injection）通過在用戶輸入或外部數(shù)據(jù)中嵌入惡意指令，誘導(dǎo)智能體忽略或覆蓋其系統(tǒng)提示詞中的安全約束。攻擊者也可以通過構(gòu)造特定的對話場景，逐步引導(dǎo)智能體放松其行為限制。一旦智能體突破權(quán)限邊界，其擁有的文件讀寫、郵件發(fā)送、代碼執(zhí)行等系統(tǒng)級操作能力，將使攻擊者獲得遠(yuǎn)超傳統(tǒng)惡意軟件的破壞力。

制度規(guī)范層風(fēng)險(xiǎn)：技術(shù)迭代與監(jiān)管節(jié)奏的結(jié)構(gòu)性錯(cuò)位。當(dāng)前，我國已初步建立包括《生成式人工智能服務(wù)管理暫行辦法》《人工智能安全治理框架》等在內(nèi)的人工智能安全治理制度框架，為人工智能安全治理奠定重要基礎(chǔ)。但現(xiàn)有制度體系主要針對生成式人工智能服務(wù)和大模型本身，對于智能體這一新興應(yīng)用形態(tài)的特殊安全風(fēng)險(xiǎn)，尚缺乏針對性的規(guī)范指引。

值得注意的是，技術(shù)迭代速度往往超出監(jiān)管響應(yīng)速度。開源人工智能體的技術(shù)演進(jìn)以周為單位迭代，新的框架、插件和能力模塊持續(xù)涌現(xiàn)，而制度規(guī)范的制定和修訂周期通常以年月為單位。此外，開源人工智能體的跨境流通特性，也對屬地化監(jiān)管模式提出挑戰(zhàn)。一個(gè)在海外開發(fā)的開源人工智能體框架，可以在全球范圍內(nèi)被自由下載、部署和使用，其技能市場中的插件開發(fā)者可能分布在不同國家和地區(qū)，這種去中心化的全球分布特征，使得單一國家的屬地監(jiān)管難以有效覆蓋全部風(fēng)險(xiǎn)節(jié)點(diǎn)。

構(gòu)建開源人工智能體安全風(fēng)險(xiǎn)綜合治理體系

應(yīng)對開源人工智能體安全風(fēng)險(xiǎn)所帶來的多維挑戰(zhàn)，要構(gòu)建涉及技術(shù)、制度、生態(tài)、能力等要素在內(nèi)的全方位綜合治理框架：以技術(shù)手段筑牢安全基礎(chǔ)，以制度規(guī)范明確行為邊界，以生態(tài)共治凝聚多方合力，以能力建設(shè)夯實(shí)長遠(yuǎn)根基，在保障技術(shù)創(chuàng)新活力的同時(shí)有效防控安全風(fēng)險(xiǎn)。

筑牢技術(shù)防線。在模型層面，大力推動基礎(chǔ)大模型的安全對齊研究，尤其是針對智能體應(yīng)用場景，提升可靠性和可控性。大模型的幻覺問題，在智能體應(yīng)用場景中可能引發(fā)不可逆的行為后果，需構(gòu)建面向行為執(zhí)行場景的模型安全評估體系和專項(xiàng)測試基準(zhǔn)。鼓勵發(fā)展本地化部署的輕量級模型方案，縮小敏感數(shù)據(jù)向云端傳輸?shù)陌踩┞睹?。隨著端側(cè)大模型技術(shù)的快速進(jìn)步，在用戶本地設(shè)備上運(yùn)行推理引擎正在成為可行的技術(shù)路徑。

在框架層面，推廣“最小權(quán)限原則”的工程實(shí)踐，要求智能體框架在操作系統(tǒng)層面實(shí)施嚴(yán)格的沙箱隔離機(jī)制。具體而言，智能體的文件訪問、網(wǎng)絡(luò)通信、進(jìn)程調(diào)用等系統(tǒng)權(quán)限應(yīng)被限定在完成當(dāng)前任務(wù)所必需的最小范圍內(nèi)，且每次權(quán)限申請都應(yīng)經(jīng)過用戶的明確授權(quán)。同時(shí)，鼓勵簡潔代碼與精簡架構(gòu)。架構(gòu)的簡潔性本身就是一種重要的安全保障，更少的代碼意味著更少的潛在漏洞和更高的可審計(jì)性。

在技能生態(tài)層面，建立多層次的技能插件安全審計(jì)機(jī)制。第一層是自動化的靜態(tài)代碼分析，檢測已知的惡意代碼模式和安全漏洞；第二層是動態(tài)行為監(jiān)測，在沙箱環(huán)境中運(yùn)行技能插件并監(jiān)控其實(shí)際行為，識別隱蔽的數(shù)據(jù)外傳和權(quán)限提升操作；第三層是社區(qū)信譽(yù)評分系統(tǒng)，基于開發(fā)者歷史記錄、用戶反饋和同行評審等多維信號，評估技能插件的可信度。三層機(jī)制相互補(bǔ)充，從源頭遏制供應(yīng)鏈污染。

在數(shù)據(jù)層面，強(qiáng)制要求智能體的記憶數(shù)據(jù)和用戶畫像信息采用加密存儲，并賦予用戶對記憶數(shù)據(jù)的完全控制權(quán)。用戶能夠隨時(shí)查看智能體記憶信息、修改不準(zhǔn)確的記憶內(nèi)容、刪除不希望被保留的敏感數(shù)據(jù)。此外，要建立記憶數(shù)據(jù)的生命周期管理機(jī)制，對超過一定時(shí)限的記憶數(shù)據(jù)自動進(jìn)行脫敏處理或安全銷毀，防止長期積累的用戶畫像數(shù)據(jù)成為攻擊者的高價(jià)值目標(biāo)。

完善制度規(guī)范。制定專門的人工智能體安全管理規(guī)范?，F(xiàn)行的《生成式人工智能服務(wù)管理暫行辦法》主要規(guī)制的是，人工智能服務(wù)提供者與用戶之間的關(guān)系，而智能體的安全治理還涉及智能體開發(fā)者、技能插件開發(fā)者、平臺運(yùn)營者和終端用戶等多方主體。要通過專門的規(guī)范性文件，明確各方主體的安全責(zé)任邊界，尤其是明確智能體造成損害時(shí)的責(zé)任分配規(guī)則。

建立智能體技能市場的準(zhǔn)入審查制度。參照移動應(yīng)用商店的審核模式，要求技能插件在上架前通過安全檢測，并建立惡意插件的快速下架和開發(fā)者追溯機(jī)制。對于涉及文件系統(tǒng)訪問、網(wǎng)絡(luò)通信、支付操作等敏感權(quán)限的技能插件，實(shí)施更為嚴(yán)格的審查標(biāo)準(zhǔn)和持續(xù)監(jiān)測要求。

完善智能體決策與行為的透明性及可追溯性要求。規(guī)定智能體系統(tǒng)必須保留完整的決策日志和操作記錄，包括每一次模型調(diào)用的輸入輸出、每一次工具使用的參數(shù)和結(jié)果、每一次權(quán)限申請和授權(quán)的詳細(xì)信息。這些日志記錄不僅是安全事件發(fā)生后進(jìn)行事故調(diào)查和責(zé)任界定的必要依據(jù)，而且是智能體行為審計(jì)和合規(guī)檢查的基礎(chǔ)數(shù)據(jù)。

探索建立智能體安全等級分類制度。根據(jù)智能體的權(quán)限范圍、應(yīng)用場景和潛在風(fēng)險(xiǎn)等級，將智能體劃分為不同的安全等級，實(shí)施差異化監(jiān)管。例如，僅具備文本生成能力的輕量級智能體，可以適用較為寬松的監(jiān)管標(biāo)準(zhǔn)，而擁有系統(tǒng)級操作權(quán)限的全功能智能體，則應(yīng)滿足更為嚴(yán)格的安全認(rèn)證要求。

推動生態(tài)共治。建立多方參與的測評體系，搭建風(fēng)險(xiǎn)評估平臺，通過普遍接受和認(rèn)可的方式測評新一代人工智能，完善標(biāo)準(zhǔn)體系，建立容錯(cuò)機(jī)制，在協(xié)同互動中避免安全漏洞和風(fēng)險(xiǎn)。政府要發(fā)揮規(guī)則制定和底線監(jiān)管的主導(dǎo)作用，通過制定安全標(biāo)準(zhǔn)、建立審查機(jī)制、實(shí)施執(zhí)法監(jiān)督等手段，為智能體生態(tài)的健康發(fā)展劃定安全底線。同時(shí)，注重監(jiān)管方式的靈活性和適應(yīng)性，避免過于剛性的管制措施抑制技術(shù)創(chuàng)新活力。有的地方政府已開始探索人工智能體安全治理的先行先試路徑，如廣東省標(biāo)準(zhǔn)化協(xié)會推出團(tuán)體標(biāo)準(zhǔn)《智能體任務(wù)執(zhí)行安全要求》，為全國性制度建設(shè)積累了寶貴經(jīng)驗(yàn)。

學(xué)術(shù)界要加強(qiáng)智能體安全的基礎(chǔ)研究，為治理實(shí)踐提供理論支撐和技術(shù)儲備。當(dāng)前，智能體安全研究仍處于起步階段，在提示詞注入防御、智能體行為評估、技能插件惡意行為檢測等方向上，面臨大量亟待突破的科學(xué)問題。高校和科研機(jī)構(gòu)要加大在這些方向上的研究投入，培育智能體安全領(lǐng)域的核心技術(shù)能力。

企業(yè)和開源社區(qū)要承擔(dān)起智能體的主體責(zé)任。智能體框架的開發(fā)者可以在產(chǎn)品設(shè)計(jì)階段就將安全性作為核心考量，遵循“安全設(shè)計(jì)”原則。技能市場的運(yùn)營者要建立健全內(nèi)部安全審計(jì)流程，投入必要資源進(jìn)行持續(xù)的安全監(jiān)測。開源社區(qū)可以建立安全漏洞的協(xié)調(diào)披露機(jī)制，鼓勵安全研究人員報(bào)告發(fā)現(xiàn)的安全問題。

此外，鑒于開源人工智能體的國際化特征，應(yīng)積極參與國際人工智能安全治理對話與合作。在開源社區(qū)治理規(guī)范、跨境數(shù)據(jù)流動規(guī)則、安全漏洞信息共享等領(lǐng)域，推動建立國際協(xié)調(diào)機(jī)制，既維護(hù)國家安全利益，又促進(jìn)全球人工智能生態(tài)的健康發(fā)展。

強(qiáng)化能力建設(shè)。人工智能體安全治理是一個(gè)高度交叉的領(lǐng)域，既需深厚的計(jì)算機(jī)科學(xué)和信息安全技術(shù)功底，又需對法律、倫理、公共管理和社會治理的深刻理解。要加快培養(yǎng)兼具技術(shù)素養(yǎng)和治理能力的復(fù)合型人才，在高校的計(jì)算機(jī)科學(xué)、網(wǎng)絡(luò)安全、公共管理等專業(yè)中增設(shè)智能體安全相關(guān)課程，鼓勵跨學(xué)科研究團(tuán)隊(duì)的組建和協(xié)作。

加強(qiáng)面向公眾的人工智能安全素養(yǎng)教育?！梆B(yǎng)龍蝦”熱潮的參與者中，相當(dāng)一部分是缺乏專業(yè)技術(shù)背景的普通用戶，他們對智能體的能力邊界、潛在風(fēng)險(xiǎn)和安全防護(hù)措施缺乏充分認(rèn)知。要通過多種渠道和形式，幫助公眾理解智能體的工作原理和安全風(fēng)險(xiǎn)，掌握基本的安全防護(hù)技能，如權(quán)限管理、數(shù)據(jù)備份、異常行為識別等，提升全社會的人工智能安全意識。

開源人工智能體的興起，意味著人機(jī)協(xié)作正從“人類使用工具”邁向“人類委托代理”，這一轉(zhuǎn)變蘊(yùn)含著巨大的生產(chǎn)力釋放潛能，也潛藏著日益突出的安全風(fēng)險(xiǎn)。唯有堅(jiān)持統(tǒng)籌發(fā)展和安全的戰(zhàn)略思維，以技術(shù)創(chuàng)新驅(qū)動安全能力提升，以制度建設(shè)保障安全底線，以生態(tài)共治凝聚治理合力，以能力建設(shè)夯實(shí)長遠(yuǎn)根基，我國在全球人工智能體競爭中才能既搶占技術(shù)制高點(diǎn)，又守住安全基本盤，為以中國式現(xiàn)代化全面推進(jìn)中華民族偉大復(fù)興提供堅(jiān)實(shí)的智能化支撐。

選自 | 《人民論壇》雜志 2026年第6期

原標(biāo)題 | “養(yǎng)龍蝦熱”的智能體安全隱憂

作者 | 復(fù)旦大學(xué)計(jì)算與智能創(chuàng)新學(xué)院教授、博導(dǎo) 肖仰華

新媒體編輯 | 趙光菊

原文責(zé)編 | 靳佳

人民論壇新書上架

《治理智慧每日讀》正式發(fā)售

300余條治理智慧

幫助黨員干部深化治理認(rèn)知

增強(qiáng)履職本領(lǐng)