跳到主要内容

Context Graph是下一代数据平台 - Glean创始人论企业流程理解

Summary​

Glean 创始人 Arvind Jain 提出 Context Graph 是企业 AI 的下一代数据平台。核心洞察："无法可靠捕获 why，但可以捕获 how"——通过跨工具的活动数据（文档编辑、消息、审批）推导出任务和流程模式。构建 Context Graph 需要四层技术栈：Connectors（可观测性）、Indexes（检索）、Graphs（关系建模）、Memory（Enterprise Memory 捕获 Agent 执行轨迹）。这构成了 Agentic Automation 的骨干，使 Agent 能理解企业实际运作方式并自动化 Tribal Knowledge 中的分布式工作。

Key Concepts​

  • Context Graph — 捕获企业 how（流程）而非 why（意图），通过模式推断意图
  • Enterprise Memory — Agent 执行轨迹的持久化，学习什么在实践中有效
  • Process Automation — 从原子活动数据推导任务/项目/计划，准确率约80%
  • Activity Data — 带时间戳的离散操作信号，是流程理解的原材料
  • Agentic Automation — 以 Context 为基础的企业 Agent 自动化
  • Tribal Knowledge — 大多数企业工作流程仅存在于个人经验中，Context Graph 将其数字化

Detailed Content​

Context 演进三阶段​

  1. 内容理解（搜索）→ 2. 关系知识（谁/什么/哪个团队）→ 3. 流程理解（如何运作）

技术栈四层​

Connectors（跨工具可观测性）→ Indexes（快速检索）→ Graphs（结构与关系）→ Memory（Agent 执行学习）

关键引用​

"You can't reliably capture the why; you can capture the how." "Process understanding emerges from the combination of structural understanding and learned behavior."

  • Agent Architecture
  • AI Memory Systems
  • Knowledge Graph
  • RAG
  • Context Management