核心观点 - 阿里千问办公团队开源MyContext，旨在解决企业级Agent落地中“上下文缺失”的核心难题，将散落在聊天、文档、会议中的个人工作数据整理成Agent可读的上下文，从而推动办公软件竞争从功能AI化转向Agent工作流[1][2][3][8] 行业背景与问题 - 传统IM和办公软件默认“人是工作流的连接器”，信息散落在不同工具中，由人脑负责拼接[10][11] - Agent成为工作参与者后，需要知道目标、任务状态、依赖关系、最新版本等，但聊天记录按时间排列，无法自动判断哪条消息仍然有效，导致Agent用错上下文造成返工[12][13] - 企业生成式AI投入回报迟迟未兑现，MIT NANDA调查约95%的企业生成式AI试点未形成可衡量的损益影响，主要障碍为“学习鸿沟”[15] - 高盛2026年二季度财报研究显示，标普500公司中仅11%量化了AI在具体用例中的生产力影响，量化盈利影响的公司仅2%[16] - UBS企业IT调研指出，AI预算仍在增长，企业关注点已落到模型路由、上下文管理和使用监控[16] MyContext产品功能与设计 - MyContext从即时通信、文档和会议记录中提取信息，持续整理用户负责的事项、项目、结论和分歧，Agent可查询个人工作档案并核对来源[21] - 保留稳定的来源标识，迟到或重复同步的消息不会被误当成新信息，根据对话空闲间隔切分主题，用滚动时间窗口整理反复出现的事实[22] - 遇到冲突时同时保留不同说法，一致信息提高置信度，补充信息合并，矛盾内容留给用户裁定，用户确认过的结论模型不能自行覆盖[22] - 采用本地优先架构，个人数据和索引留在用户设备上，检索结合全文、语义和知识图谱，Agent通过受控接口读取信息，外部操作需用户确认[22] - 成本设计上，规则和增量计算负责确定性环节，模型只处理模糊部分，版本缓存和批量触发减少重复调用[22] - 项目上线一周，GitHub Star超过1000[3] 阿里产品战略与分工 - 7月初阿里整合MuleRun、QoderWork和悟空三大Agent产品，7月27日千问办公上线，可生成和编辑PPTX、Word、Excel与网页，调用消息读取、会议日程和审批等企业IM能力[26] - 三款产品分工清晰：钉钉沉淀组织关系、消息和业务流程；MyContext从碎片记录中提炼个人上下文；千问办公读取上下文，调动模型和工具完成任务[27] - 每轮执行留下可复用的工作记录，下一位同事或Agent可从当前状态继续推进[28] - 阿里重组团队是为一条完整的Agent工作链路清理组织边界[30] 行业竞争格局 - 微软用Work IQ为Microsoft 365 Copilot和Agent准备工作上下文[34] - Google将统一上下文、Agent编排和治理放进Workspace Intelligence与Gemini Enterprise[34] - 国内字节整合飞书与豆包产品团队，豆包企业版开始接入飞书办公数据[34] - 几家公司从不同入口推进，争夺的是完整任务，Agent要读懂企业工作并在权限范围内协作[35] 长期战略意义 - MyContext解决的是第一步：将过去十几年积累的聊天、会议和文档加工成机器可读的上下文，让千问办公从当前状态接手任务[36] - 当办公流程由人与Agent共同推进时，独立的上下文层可能被IM、Agent Runtime或办公入口吸收，任务本身带着完整记录向前运行[37] - MyContext的战略价值在于给阿里提供迁移路径：钉钉保存旧工作流数据，MyContext将上下文交给Agent，千问办公承接新任务入口[37] - 长期看，办公软件竞争范围超出上下文管理，谁能把模型、Agent、数据、权限和交付接成稳定工作流，谁才有机会成为企业Agent入口[37]

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]