1
AI 不行?是你的组织知识底座不行
AI 做不好知识工作,不是模型能力问题,是企业把知识散落在 Slack/Docs/人脑里,没有给 agent 一张"可遍历的公司图谱"——代码库之所以最先被 AI 吃掉,就是因为它天然是结构化的知识网络。
这三篇从“结构”而不是“智商”回答同一个问题:为什么你的 agent 还只是聊天助手?因为它看不见公司这张图,也拿不到可追责的状态与证据链。
AI 做不好知识工作,不是模型能力问题,是企业把知识散落在 Slack/Docs/人脑里,没有给 agent 一张"可遍历的公司图谱"——代码库之所以最先被 AI 吃掉,就是因为它天然是结构化的知识网络。
真正能让 Agent 长期稳定产出的,不是更聪明的提示词,而是“渐进式披露 + 文件化记忆 + 可版本化的工作流”这套上下文工程。
让 Agent 写 100% 的代码不是难点;难点是让每一次合并都带着“可复现、可过闸、可追责”的证据链。
Agent 的本质架构就是"文件系统当状态 + LLM 当编排器",谁先把公司建模成文件系统,谁就先拿到 AI 红利。
💡 公司建模为文件系统,Agent 就能通过读写文件解决业务问题
入门提示词是静态的、单体的、会劣化的;把上下文文件散布到文件系统各处,让 agent 根据位置动态加载,才是可扩展的正确做法。
💡 把上下文文件散布到文件系统各处,让 agent 根据位置动态加载
如果你要把 Neta 交给一组 agent 去跑,哪些信息必须先被文件化、版本化、可遍历?哪些东西绝对不能交给模型“自由发挥”?