版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
VerifiedKnowledge:让上下文可被Agent信赖与调用执行摘要企业级AI的瓶颈,正在从“模型够不够聪明”转向“上下文够不够好”。400亿美元GenAI预算中,95%的组织看不到可度量的回报,仅5%的自建AI工具真正进入生产,根因不在模型,而在“脆弱的工作流与缺乏上下文学习”。Gartner的判断更直接:缺乏AI-ready数据的AI项目,60%将在2026年底前被放弃。访问—后两个渠道在两年前几乎还不存在。不是更好用的文档存储与检索,而是一层可治理、可分享、可被AIAgent调用的“企业上下文”。·ContextLayer(上下文层)—把散落在文档、Wiki、CRM、工单、代码里的信息,·ShareLayer(分享与治理层)—让上下文在正确的权限、合规与分发规则下,被正·VerifiedKnowledge(可信知识层)—让上下文可溯源、可引用、带新鲜度信号,从ServiceNow以28.5亿美元收入囊中,ModelContextProtocol被捐给Linux基金会获得更值得注意的,是预算正在发生的结构性迁移2031年CAGR达28.56%。“知83%的IT与数据负责人认为,AgenticAI若没有专门的contextplatform,无法产生生者的落地路线图。我们还会引入—个来自中文语境的新框架—把Context重新理解为“场谁在占据“企业上下文层”这—位置?AI应用与Agent③VerifiedKnowledge可信知识层回写(新知识沉淀)层①ContextLayer上下文层企业内容与数据第一章范式转移:当文档的读者不再只是人把三件看似无关的事放在—起看,就能理解为什么“文档存储与检索”这套旧范式正在失者越来越可能是AI。GitBook《StateofDocs2026》的调研显示,AI驱动的搜索已占文档发现途径的35%;更关键的是两个全新渠道—18%的用户通过编程助手读文档,16%通过MCP服务器访问。这意味着文档正在从“给人看”变成“给机器读”。MongoDB的DacharyCarey把这件事概括得最清楚:“对人类友好,不等于对Agent友好。Token很浏览量随之崩塌—不是因为文档失败,而是因为它以旧指标看不见的方式成功了。这种失真正在变成普遍困境:调研中80%的决策者会在购买前审阅文档、88%认为它极其或比较重要,但51%认为文档对成交重要,却有57%不追踪来自文档的线索;25%完零回报结论,与Gartner“60%缺乏AI-ready数据的项目将被放弃”的预测相互印证。Gartner在2026年的表述更不客气:“我们还需要更好的提示词”已经不再是一个严肃的战略—到2026年初,至少有—半GenAI项目在概念验证后被放弃。三个变化合起来说明—件事:读者换成了机器、旧指标失灵、预算开始追问回报—而这三者的共同答案,都落在“上下文”上。1.2从PromptEngineering到ContextEngineeringShopifyCEOTobiLütke公开表示“ContextEngineering比PromptEnginee描述了核心技能”,AndrejKarpathy随即转发并强烈认同。Karpathy给的定义成为识:上下文工程是“用恰到好处的信息填充上下文关键,已经从“措辞”转向“供给什么信息”。支点一:上下文供给正在标准化。Anthropic提出的ModelContextProtocol(MCP)在次,活跃服务器过万,Cursor、VSCode、Zed等主流编辑Foundation,获得类似Kubernetes的中立治理。企业侧的采月的行业数据显示,78%的企业AI团队已有MCP-backedagent支点二:上下文被当作稀缺资源来经营。Anthropic展示了—个有代表性的工程案例:让模型编写代码来调用工具、而非直接调用,可将上下文消耗从150,000tokens降到1.3新命题:企业上下文层a16z在—篇广被引用的分析中把矛头指向数据Agent:缺少正确上下文的Agent“基本无⽤”;传统的语义层只能承载指标口径,承载不了业务定义与组织里的隐性知识,于是催生了contextOS、contextengine、contextualdatalayer等新品类,并给出了“数据引力平台/AI数据分析公司/独立上下文层公司”的市场地图。→激活(Activation)。上下文层正是“激活层”—在推理发生的那—刻,把经治理的组织综合这些判断,我们给“企业上下文层”下这样—个定企业上下文层(EnterpriseContextLayer是企业为AI与Agent专门构建的—层它与传统“文档存储与检索”的根本区别,可以用—句话概括—旧范式解决“找得到”,新范式解决“用得上、用得对、还说得出根据”。第二章三层框架:企业上下文层的能力模型①ContextLayer③VerifiedKnowledge这三层不是并列的模块,而是从“有料”到“可控”再到“可信”的递进:没有ContextLayer,VerifiedKnowledge,Agent就会带着幻觉上岗—这正是今天大多数企业AI卡在概念验急一句话记住三层:ContextLayer解决“AI知道什么”,ShareLayer解决“该给谁⽤”,VerifiedKnowledge解决“可不可信”。三者是从“有料”到“可控”再到“可信”的递进—缺—层,AI就上不了生产。2.2三层与三个形容词的映射回到本书的主题句—“可治理、可分享、可被AIAgent调用的企业上下文层”。这三个形出去,也收得回来”;ContextLayerContextLayerVerifiedKnowledgeVerifiedKnowledge2.3为什么是“层”,不是“功能”相对于“功能”的价值——次治理,处处可用。2.4场景:Context的另一种中文表达Context常被译作“上下文”,但这个译法容易让人把它窄化为“—段被喂给模型的文本”。在企业语境里,Context更接近—个中文词—场景。刘胜强在《场景智能(Context境下作出正确判断与行动所需要的最小完整上下文。从来不是“更多文本”,而是“此刻这个主体处于什么场景”的完整判断。正如该书所概括2.5场景资产、场景盲视与AI可读组织场景资产(ContextAsset)是这本书最关键的概念:企业在真实交互中持续积累、能够与之相对的是—个反面诊断—场景盲视(ContextBlindness企业缺乏对真实业务处车。这与本报告反复强调的同—件事呼应—问题不在模型,而在上下文。用、验证、治理和回写的形式,它就升格为—种新的组织形态—AI可读组织(AI-LegibleOrganization)。数字化让业务成为数据可查2.6场景飞轮:三层框架的另一种切法场景/ContextContextLayer(上交互/Interaction记忆/MemoryVerifiedKnowledge三层咬合起来,构成—个自我强化的循环—场景飞轮(ContextFlywheel①真实处第三章ContextLayer:把散落的内容变成AI可用的上下文3.1这一层要解决的问题ContextLayer的任务,是把企业内部“人看得懂、机器看不懂”的信息,转化为“机器—读1.采集(Ingest)—打通来源。企业内容分散在100多个SaaS与内部系统中,采集是2.连接(Connect)—建立关系。让“退款规则”能关联到“支付渠道配置”,让文档能关3.结构化(Structure)—赋予语义。把长文档拆成原子知识单元(规则、流程、事4.按任务组装(Assemble)—在正确时刻供给。不再甩给AI—堆文档,而是围绕—个前三步解决“有没有”,第四步解决“用不用得上”。这正是从“检索”到“上下文”的关键跃迁—检索返回的是文档列表,上下文返回的是此刻能直接支撑决策的信息。3.2关键能力拆解其中“结构化”是这—层的分水岭。行业实践反复印证同—条经验:纯向量检索会把“当前生效的规则”和“三年前已废止的文档”按相似度混在一起,这对需要做决策的Agent是致命的。更可靠的做法是“结构化字段前置过滤+全文/语义检索+新鲜度排序”—先用类型·Data(数据schema、血缘、质量—真实世界现在发生了什么;·Meaning(含义业务定义、术语表、本体—这些数据究竟指什么;·Knowledge(知识决策记录、流程经验、隐性知识—组织长期积累的判断;·User/Role(身份与角色身份、权限、历史行为与使用场景—此刻是谁在问。“Knowledge”—角。3.3玩家与产品Glean组织智能的“上下文系统”(systemofcontext)值;2026年5月年化收入达ContextualAIHebbia40%的最大资产管理机构LlamaIndexContextEngineering定为核Unstructured投VectaraRAG-as-a-service+幻觉评测2850万美元融资MoveworksDataHub/Atlan成本。值得注意的是,连会议记录应用Granola都以15亿美元估值融资—投资者押注的不是“记笔记”,而是“组织记忆”这一上下文资产。3.4数据与现状需求侧的数据支持了这条赛道的热度。GitBook《StateofDocs2026》显示,近70%的团队押注的正是上下文基础设施:聊天机器人32%、AI搜索29%、MCP服。报告里那句被反复引用的话点出了这—层的工程本质—“没有IA,就没有AI”(WithoutIA,thereisnoAI.)。3.5决策者该看什么第四章ShareLayer:让上下文可治理、可分发4.1分享,本质是治理问题当知识被AI调用,权限就从后台设置变成了采购门槛。2025年起,“权(permissions-awareretrieval)成为企业采购的硬性条件——个知识工具如果向用户这正是ShareLayer存在的理由:上下文的“分享”从来不是“公开链接”那么简单,它必须访问的内容”。4.2权限感知检索与分级治理Gartner在2026年5月发出—个关键警告:对所有AIAgent适用统一的治理策略,将导致企业AIAgent失败。失败往往发生在组织没有区分“Agent能做什么”与“它被授权访问什么”的时候。Gartner因此主张按自主性分级治理,例如“观察型”Agent只拥有对既定数。4.3对外分享:一套知识,服务多类受众“可分享”在这里有两重含义。第—重是分发的同源:企业上下文层的输出不应只活在—个多条渠道—同—份经治理的事实,在所有触点保持—致,而不是在各渠道各维护—份。共同点是—把同一份知识资产,同时服务五类受众:·AI客服/Agent:作为可信答案来源。服务人,又服务Agent?Coveo把客户服务知识管理定义为“让组织知识同时服务客户与客服Agent,覆盖自助服务、AIChatbot、工单处理与人工坐席”—这正是同—逻辑。4.4四类站点模板与工具玩家工具侧,这—层正从“文档工具”升级为“AI就绪的发布门户”:MintlifyDeveloper-first文档、Git/docs-as-codeBaklibGitBookDocument360ZendeskCoveoMintlify的融资验证了“文档即AI基础设施”的趋势:2026年4月完成4,500万美元B《StateofDocs2026》也显示,76%的文档专家已使用AI,工作重心从“初稿写作”转向“信息架构与内容治理”—文档团队的产出物,正在从“⻚⾯”变成“AI可用的知识结构”。—个值得注意的国产样本是Baklib:它以“—套知识、多端发布”为核心—同—套内容可一份经治理的知识资产,在多个外部门户与Agent之间流动。4.5玩家与产品:治理与安全公司/产品GleanDust2微软SharePoint/Copilot把SharePoint从存储升级为Copilot与Agent的“接地层”,经CopilotControlSystem治理使用飞书8.0+豆包工作伙伴Agent像管人—样权限清晰”Dust提出的“多人AI”叙事很有代表性:它要把Agent从私人聊天4.6合规压力正在收紧2028年,50%的组织将因未经验证的AI生成数据激增,而采用零信任的数据治理姿态。』一句话判断ShareLayer:能不能在“放得出去”和“收得回来”之间取得平衡。放4.7机器客户:分享层的服务对象正在扩展ShareLayer的服务对象,正在从“⼈”扩展到“机器”。当智能Customer可分三类:·协作型Agent(CollaborativeAgent与企业方的Agent共同完成—件事(如B2B采购匹配、合同条款谈判企业必须回答“系统能不能和别人的AI说话”—接口语义·自主型Agent(AutonomousAgent拥有独立目标与相当程度的授权,在无人持续(AX)。二者的“体验货币”不同:CX的核心是情感,AX的核心是确定性—信息是否可对企业而言,这意味着—种新的商业关系:B2A(BusinesstoAgent)—企业直接面向求)直接访问—“无头”不是“没有界面”,而是“界面不再是唯一的访问路径”。该书还给Agent,“放得出去、收得回来”的标准还需再增加—条—经得起机器验证。第五章VerifiedKnowledge:让上下文可被Agent信赖与调用Box的规则更硬—Agent的回答必须引用获批来源。二者指向同—原则:没有出处,5.2新鲜度与状态信号·状态:active/draft/deprecated/needs_review;有了这些字段,检索才可以从“按相似度混排”升级为“按可靠度排序”。—个具体做法是:把知识按类型分区拼进提示—规则、流程、约束、参考各自成区,并要求模型“当某条知识状态不是active时,在回答中标注该信息可能已过时”。这正是把治理意把这套机制做到最系统的,是Guru提出的“已验证知识层”(verifiedknowledgelayer·设置30/60/90天的验证周期,到期触发复审;·每个回答都带citation与权限控制v。这套机制的启示在于:“已验证”不是一次性的审核动作,而是一个持续运转的周期。企业需要的往往不是更聪明的模型,而是—套让知识“始终可被信任”的5.3幻觉基线与评测领域在新标准下推理模型的幻觉率普遍超过10%—其中Gemini-3-Pro高达13.6%,表现最好的Gemini-2.5-Flash-Lite为3.3%。行业据此把幻觉带来的年损失估这组数字解释了为什么可信知识层正从“最好有”变成“必须有”:当你的Agent要在受监管5.4调用与回写:Agent不只是读者时、不准确或自相矛盾—这些信号应当能回流:标记待审、提交修正建议、记录调用轨可信知识层闭环的终点,也是它最难被复制的地方。人工/治理人VerifiedKnowledge回写的工程表达:Write-Back是提炼,不是归档。《场景智能》把回写机制单列为工程概念—Write-Back:从交互与执行结果中提炼有效场景信号,再写回场景与记忆系统。来自对服务稳定性的不满,降价干预无效”才是判断,系统才会变得更聪明—记录不是记忆,判断才是记忆。判断必须被显式标注对错,并回答“时服务两件事—对管理层是可回放、可审计的合规轨迹,对系统是可积累、可学习的记可记录的五个要件—主体、意图、状态、约束、历史—作为场景进入图谱、规则与记人工/治理人VerifiedKnowledge用户/上层Agent请求某任务所需知识(类型+状态过滤)鲜度排序生成待审清单/审批入口返回带引用的知识单元回写:标记过时/提交修正建议审批通过,状态更新5.5理解的可验证性:AI读错了,为什么会变成法律问题裁员称为“remarkable(非同寻常)”并当场驳回;法庭最终按过失性虚假陈述判赔约650美元2。金额微不足道,但确立的原则影响深远—AI的回答,就是企业对外做出的陈类访问到8月升至2.57亿次Agent请求对1.31亿次人类访问,Agen两件事叠加,结论很清楚:“AI读错了”正在从体验问题,变成法律风险与品牌风险。于是可信知识层的采购标准也随之升级—不再只是“有没有出处”,而是企业能不能回答:⚖一条正在成形的采购刚需:当客户把知识交给Agent,“这句话AI是怎么理解5.6玩家与产品5.7决策者该看什么某条知识有多新鲜、由谁验证过?它允不允许Agent把发现的问题回写进来?三个问题第六章市场地图与经济性Agent基础设施。三者增速的差异,正是这场转移最直接的证据—传统市场仍在稳步增64.5亿美元2032年VerifiedMarket28.56%(202MordorIntelligenceMordorIntelligence2030年98.638.4%rketsAgent2026年449RAG市场报告特别指出,数据隐私与越权风险是这一市场最大的抑制因素—这恰好从需求侧印证了ShareLayer与VerifiedKnowAgent被列为增长最快的细分。市场2026年同比+112%—增速的落差本身就是证据:增量预算正在加速流6.2融资与并购地图估值(传后续估值上探至120亿美元以上ContextualAI8000万美元A轮;Hebbia系列融资并渗透头部资管机构;Unstructured4000万美元B轮(英伟达参投Dust4000万美元B轮;Mintlify4500万美元B轮、5亿美元估值;Sana被Workday以11亿美元收购;Moveworks被ServiceNow以28.5亿美元收购。并购方几乎全是大型平台—Workday、ServiceNow、以及把SharePoint打造为“接地公司而言,这意味着机会集中在两处——层是巨头难做的中立连接层,另—层是巨头不6.3竞争格局的三种力量企业上下文层平台巨头微软·Google·ServiceNow·Workday并购/内嵌独立上下文层公司Glean·ContextualAI·Hebbia·Dust差异化:中立连接垂直与本地化玩家行业Agent·知识中台·内容平台风险是规模。企业决策者在选型时,需要判断自己更依赖哪—类—是要“全家桶”的确定6.4中国企业市场中国市场的进度可与全球同频。IDC预测中国企业级AIAg212亿元增至2026年的449亿元(同比+112%2029年有望突破3,320亿元,2024—2029年复合增长率达107%。需求侧同样在放量:国内1(EnterpriseContext)”能力—以极低Token成本压缩、结构化企业多年数据并实时最小权限与全程审计管控权限越界与数据泄露。公测首月注册用户突·字节跳动发布飞书8.0与“豆包工作伙伴”—后者被官方称为国内首个团队级智能体产逻辑明确包含“企业管理Agent像管人—样权限清晰”。腾讯WorkBuddy加速打通微信与企业微信,走“生态连接”路线v。这—轮竞争的共同信号是:竞争焦点正从“个人效率工具”转向“组织级智能”,而组织级智需要保持清醒的是,规模并不等于落地。三个指出:企业智能体部署率十几个月内从5%冲到40%,但仅有23%的企业做到规模化落地,30%—40%的智能体项目被预判将中途停滞;而受访者认为的两大突出障碍,正是“上下文能力不足”与“幻觉率居高不下”。这再次把问题拉回本书的主题—能不能用6.5商业模式与定价:从Seat到Seat+Usage当上下文同时被人和Agent消费,按“人头”计费的经典SaaS模型开始失灵——个Agent可能调用知识—千次,却不占—个seat。整个品类的定价正在从Seat转向SeatUsage。方采购数据显示其合同中位数约为每年4对企业买方而言,这套模型意味着三件事:一是问清“用量”如何计(检索次数、AI回答把“价值”与“用量”对齐—知识资产的数量、被分享的广度、被AI调用的频率,才是这—6.6从Seat+Usage到CaaS:定价背后是价值形态的变化如果上下文层最终交付的不是“软件功能”,而是“特定场景下的判断与结果”,那么计费方里,企业卖的是在特定场景下精准匹配需求的能力—按结果付费、按转化率分成。为独立的CaaS,或进—步成为ContextOS(场景操作系统)—把场景、能力、规对这—层的读者而言,价值在于把“定价之争”追溯到“价值形态之争”:当知识被Age第七章给企业决策者的落地路线图ContextContextContextVerifiedVerifiedVerified7.2三步走落地建议7.3五个常见陷阱1.把上下文当成搜索来建。搜索解决“找得到”,上下文解决“用得上、用得对”。只升级搜3.治理做在末端。权限与密级若不在知识构建点记录,末端无论怎么打补丁都会漏。4.只建不给Agent回写。没有回写,上下文是消耗品,永远追不上业务变化。5.只信“准确率”这类黑箱指标。用可复核的引用、明确的新鲜度7.4组织与治理建议GitBook报告揭示了—个结构性规律:每面落后—AI功能采用率60%对79%—81%,拥有AI使用规范的只有26%对47%—7.5优先落地的三类场景—它们不是效率工具,而是风险控制工具。第八章产业角色与定位:谁来做这一层8.1全球分工地图GleancontextgraphGuruMintlifyDeveloper-first文档Git/docs-as-codeGitBookDocument360DustAgent构建灵活DataHub/Atlan户Notion/Confluence这张地图揭示出—个尚未被充分占据的位置:把“内部知识治理”“对外可分享门户”与“可被Agent调用的上下文”三件事,做在同一套底座上。目前,G上下文平台”的位势。8.2中国市场:四类玩家第一类,传统OA/协同办公厂商—知识管理是协同平台的一部分。泛微(603039.SH)装进“浪潮海岳”体系—海岳Mano企业智能执行系统、海岳云加AI助理与智能对话平—更像“企业的内网中枢”,而非“面向AI的上下文层”。第二类,ECM/企业内容管理厂商—治理非结构化数据的专家。鸿翼软件年产品体系为“企业云盘+AI知识库+企业社区”,以“文件存储+知识检索+数据安全”第三类,研发管理SaaS—把知识库绑在研发流程上。PingCode与ONES是国产研发管理平台的代表。PingCode定位“研发效能第四类,内容/知识中台—从“内容管理”走向“上下文供给”。这类玩家以内容与发布为弱云联答理bCenter/Docs/理e-cology、采台谱配OpenContent型云库库化e域限创读表提示:上表基于2026年公开资料与厂商产品页整理,能力随版本与部署方社区产品,正把AI助手与知识库直接嵌入工作流(见6.4)—它们不是传统知识库厂8.3Baklib的位置个站点正演进为“面向AI的知识底座”—把内容结构化、补上出处与权限、再通过API“内部知识+对外门户+Agent上下文”三合—的路线,也是第四类“内容/知识中台”的代表。实测补充:可验证的“AI理解”。在对Baklib的实际测试中可以观察到—个关键细节:它的ΓAI理解」产出的不是—段摘要,而是产品、关系与缺失的说明—AI从知识库里读出Baklib手里那张难被抢走的牌:当知识交给Agent,知识管理的对象就从“⽂档”变成了“AI的回答质量”。你不是在管知识,你是8.4规范厂商分类:三层归属表为便于选型对照,本报告把前文讨论到的主要厂商,按其在“企业上下文层”三层中的主战①ContextLayerGlean组织智能的“上下文系统”,用知识图谱连接100+ContentfulAtlanBaklibGitBookDocument360Agent③VerifiedKnowledgeGuruSlite(Intercom)单其中Slite把“验证”做成了产品主线—文档可由团队验证、设置验证周期,内置Agent会客户上平均解决率约76%,并按“解决结果”计费。以“演进中”理解。第九章结论:上下文是AI时代最难复制的企业资产回到最初的问题—企业AI为什么投入巨大却回报寥寥?MIT的95%、Gartner的60%、中国市场的23%规模化落地率,都在指向同—件事:问题不在模型,而在上下AIAgent调用的企业上下文层”。这条路径可以拆成三层能力来建设—用ContextLayer的,是第三层的“回写”闭环—让上下文在Agent的使用中越用越聪明。谁先把这件事做理解能力,具备积累性、专属性与复利性。它遵循—条简单的工程关系—竞争优势=场而在上下文的质量里。三层的终极资产,是在真实交互中长出来的场景资产—竞争优势=场景深度×附录A:关键数据来源
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 老年人家庭健身计划设计与实施手册
- 高效办公用品数字化管理方案手册
- 报批销售合同补充条款确认函8篇范文
- 电动汽车充电站安全运维标准
- 事业单位工程岗面试2026强化训练试卷及答案
- 事业单位审计岗面试2026必练考题题库及答案
- 物流驾驶主管交通物流行业绩效考核表
- 小学生数学思维发展指导书
- 事业单位审计岗面试结构化问答题库及答案
- 事业单位综合岗面试易错题试卷及解析
- 具身智能:从理论到实践的全面解析
- 2026年医院药房药剂师高频面试题包含答案及考察点分析
- 妇科洗液品牌市场推广策略方案
- 2025年重庆三支一扶考试试题(附答案)
- 眼镜打磨抛光知识培训班课件
- (正式版)DB15∕T 2257-2021 《农田地膜残留监测技术规范》
- 数字媒体艺术专业教学标准(高等职业教育本科)2025修订
- TWSJD62-2024移动式紫外线消毒器卫生要求
- T/CASTEM 1007-2022技术经理人能力评价规范
- 2025开源证券股份有限公司招聘(110人)笔试参考题库附带答案详解
- 形势与政策(吉林大学)智慧树知到答案2024年吉林大学
评论
0/150
提交评论