文章核心观点 文章核心观点是阿里千问办公开源的上下文基础设施项目MyContext，旨在解决Agent在真实工作场景中无法获取和理解分散、异构、动态的业务上下文这一核心瓶颈，通过将聊天、文档、会议等数据加工成Agent可消费的上下文，推动Agent从工具向长期生产力单元演进[6][9][23] 行业背景与问题 - 当前Agent在处理个人办公任务如写报告、查资料、改表格时已进入可用阶段，但一旦嵌入真实工作流，Agent因无法理解真实业务场景而表现不佳[13][14] - 真实工作流中的信息分散在邮件、IM、文档和数据库中，伴随实时更新、版本冲突、权限边界与信息过期问题，导致Agent只能依赖通用知识和当前Prompt完成任务[15][16] - 模型能力提升不会同步补齐Agent对真实工作场景的理解，每个任务背后都挂着散落在不同平台的工作讨论、决策、状态变化和组织规则[18][19] - Confluent 2026年调查显示，66%的企业认为数据基础设施和数据质量正在拖慢Agentic AI落地，80%的企业已将“用好自家数据驱动AI”列为业务优先事项[21] MyContext项目概述 - MyContext是阿里千问办公开源的上下文基础设施项目，开源一周内在GitHub斩获超1k Star[4][5] - 项目将分散在各处、格式各异的个人工作数据加工成Agent能理解的专属档案，让Agent真正读懂用户和真实业务工作流[6] - MyContext处理企业上下文中迟到、反复变化的时序数据，彼此矛盾的事实，以及海量历史数据持续更新带来的计算成本[8] 技术方案与核心能力 - MyContext通过给每条原始信息绑定稳定来源标识，将幂等性建立在数据源稳定标识之上，即使时间戳很旧，只要系统未消费过，数据仍会进入处理链路[38] - 以对话空闲间隔作为Session边界，让上下文切分服从真实交互节奏，在知识提炼环节采用滑动时间窗持续聚合证据，重复出现的事实转化为新的置信度信号[38] - 针对事实冲突，MyContext采用“三态合并机制”：一致信息增强置信度，补充信息并入既有结论，真实冲突则同时保留多条事实并下调置信度，将冲突显式暴露给用户[39] - 用户人工确认的结论设置更高优先级，禁止后续模型自动覆盖，使Agent能区分哪些事情已形成共识、哪些还在变化、哪些必须等人拍板[40] - MyContext每条结论保留可追溯的证据链，可点回原始聊天、文档或会议记录，确认具体来源，同时Agent调用信息受用户与组织权限约束[25] 成本与工程优化 - MyContext重点放在增量计算上，能靠本地规则判断的先直接处理，只有关系模糊的信息才交给模型，已算过的结果尽量复用，多次更新攒成批次集中处理[44] - 配合版本缓存、批量触发和分级降级策略，减少重复计算，将模型能力留给真正新增和需要推理的信息[45] 行业对比与定位 - 海外厂商已展开不同路径探索：Palantir通过Ontology统一企业对象、关系与业务逻辑[29]；Glean强调Enterprise Graph连接人、项目、文档和业务实体关系[30]；微软依托Microsoft Graph与Copilot Connector接入企业数据[31] - 千问办公团队将关注点推向更底层问题，即如何把异构、强时序、持续变化甚至彼此冲突的原始业务数据稳定加工成Agent可直接消费的Context[33] 企业级应用与生态 - MyContext与钉钉、千问办公形成“数据汇聚—上下文加工—Agent消费”三位一体闭环[50] - 钉钉拥有国内最大规模企业客户，覆盖超2000万企业组织、近8亿用户，是天然的数据入口[52] - 千问办公团队在异构数据处理和上下文工程上的积累，可帮助企业把钉钉、飞书、Salesforce、SAP及本地存储的知识和工作流重新组织起来[52] - 在Agent层，千问办公承接高质量上下文，推动任务执行从“能完成”走向“更准确、更符合组织规则”[53] - 企业过去分散在不同系统里的数据将沉淀为可信、可追溯、能随组织运行持续演化的工作上下文，Agent有机会演化为理解组织、延续任务、参与协作的长期生产力单元[54][55]