错误的上下文，是智能体失灵的主因
无论团队是3人还是300人，总会有一些奇怪、高度特定的工作流，以及人们脑子里那些没人知道或理解的随机信息。当我们进入一个智能体（agentic）时代，你需要一个企业大脑。
这篇文章要讲的教训是：智能体失灵主要是因为拿到了错误的上下文。
你的企业其实已经有一个“大脑”，只是它散落在Slack、通话录音、CRM、合同、战略文档和员工头脑里……
大多数公司试图通过给智能体更多信息来修复记忆。但这只能短期有效。最终，记忆本身会变成瓶颈——因为虽然智能体掌握了所有信息，它们却无法在正确的时间调出正确的上下文。
存储企业所知道的，容易。难的是决定每个智能体应该看到什么、该信任哪些来源、谁可以使用它，以及如何让每一次修正变成自我改进的工作。
本指南会告诉你如何构建完整系统。
企业大脑是一个闭环
企业大脑的价值不在于存储了多少知识，而在于连接工作、上下文、判断和修正的回路。完整回路如下：
采集（Capture） → 检索（Retrieve） → 信任校验（Trust） → 执行（Act） → 修正（Correct） → 路由（Route） → 审核（Review） → 共享（Share） → 改进（Improve）
如果任何一环断了，输出质量就会下降。这就是为什么一个文档文件夹不能成为可行的企业大脑。大脑需要一张地图、一个来源顺序、权限边界和一个反馈回路。
让每一层做它擅长的事：
- 采集：收集原始材料。
- 地图：告诉每个智能体先看哪里。
- 真相源（Source truth）：决定哪种答案胜出。
- 权限：让每个工作流留在自己的围墙内。
- 技能与工作流（Skills and workers）：让已证明有效的工作可重复。
- 修正回路：把人类修正变成共享规则。
人类负责判断、任务简报（briefing）和上下文；智能体负责检索。
先构建知识地图
这是最关键的第一步，因为所有智能体都会先读这张地图。从每个智能体做出一致决策所需的知识开始，创建以下结构：
1. 我们做什么——公司、客户、产品、定位。
2. 当前什么重要：
> 优先级1
> 优先级2
> 优先级3
3. 来源顺序——系统拥有当前事实、项目状态和客户承诺。
4. 规则：
> 使用最新获批的信息。
> 当两个来源冲突时，遵守来源顺序。
> 如果答案缺失，上报它。
> 永远不要把幻觉（hallucination）加入企业知识。
知识地图要足够让智能体理解它在哪里、什么重要、下一步去哪看。而企业大脑本身是一个已接受知识、可复用示例、规则和源材料链接的归档。大脑应该随着成长而变得更加有选择性。
创建六层体系：每层一项职责
每个智能体层级都需要拥有一个决策、返回一个输出，并且明确自己在哪里停下。用这个契约来约定每一层：
- 负责（Owns）：该层负责的决策。
- 读取（Reads）：该层可以使用的来源。
- 返回（Returns）：下一步收到的准确输出。
- 禁止（Must not）：属于另一层或人类的决策。
- 完成标准（Done when）：可观察的交接条件。
现在来搭建这六层。
1. 采集层：收集公司产生的东西
采集层负责拉入通话、CRM活动、SOP（标准作业程序）、Slack线程、产出物和修正记录。它不判断什么是真的，也不决定智能体该看到什么。
对每一条输入，它返回：
- 原始材料
- 它来自哪里
- 创建时间
- 谁拥有它
- 它可能服务于哪些工作流
采集层是团队通常开始的地方，也通常是他们停止的地方。
2. 检索层：为当前任务调取正确的上下文
智能体不需要公司的全部历史，它只需要当前正在做的那个任务所需要的少数几样东西。
例如，一个管线（pipeline）复盘需要：交易阶段变化、停滞账户、近期通话笔记、未解决的异议、下一步行动，以及CRM应该说什么。
一个良好系统每天工作的一部分，就是判断在工作中的每个节点上，哪些上下文和记忆仍然相关，同时保留所有会造成过载的信息。
3. 真相源层：在分歧中拥有最终发言权
一旦智能体可以检索上下文，下一个要解决的问题就是信任。
如果销售电话、CRM、Slack笔记、旧SOP、最新周报和创始人昨晚的语音留言都各说各话……哪一个赢？
要回答这个问题，对每个来源进行分类：
- 实时真相（Live truth）
- 历史上下文（Historical context）
- 参考灵感（Inspiration）
- 绝不公开使用（Never used publicly）
每个智能体应该从同样三个地方获得简报：指令、通用知识、以及保持最新状态的实时系统。所以要保持这些内容最新，因为智能体会信任它看到的东西。
4. 权限层：决定每个工作流允许用什么
当每个智能体都能看到一切，企业智能就会变得危险。系统应该在开始生成任何内容之前，就知道一个任务可以使用什么。
如果你跳过这层，你会遇到两种结果之一：要么大脑泄密，要么你把它限制得太死，变得完全无用。
5. 技能与工作流层：创造可重复的工作
知识告诉智能体什么是真的，判断告诉它好的工作是怎么做出来的。你想存储三种判断：
- 政策（Policies）：每次适用的偏好。
- 技能（Skills）：针对特定任务的成熟技术。
- 工作流（Workers）：有明确输入、步骤、输出和条件的可重复序列。
这样，就没人需要原始的聊天记录。
6. 修正回路层：把修正变成规则
假设一个智能体写了一篇很强的提案，但用了上个季度的定位……通常的做法是修改提案里的句子、发出去、然后继续。但这不会帮助你的系统改进。
有用的问题是：为什么旧定位还在那里？是企业简报过期了？是新决定没有被记录？还是别的原因？
要修复这层，把每个修正路由到它该去的地方：
- 缺失或过时的事实 → 企业知识
- 新的战略选择 → 决策记录
- 重复出现的偏好 → 政策
- 成熟的技术 → 技能
- 可重复的序列 → 工作流
- 危险的操作 → 硬门禁（hard gate）
之后，评估工作，看看什么有效什么无效。这就是智能体每天改进，而不是不断重复同样错误的方式。
给企业大脑一个统一的家
文件夹只有在一个人拥有整个系统时才有效。一旦有10个人加入，可能有人正在编辑一个政策，而另一个人还在用旧政策。企业大脑需要一个统一的家。
- 把规则、上下文和政策放进代码，并进行版本控制。
- 确保每次变更都可追踪、可审查、可回滚。
给领域专家一个简单的前端，让他们无需碰 Git 就能添加上下文和修正。
让每一次变更都可审查
如果团队成员找到更好的做法，变更通过审查后进入主大脑。给每个提议的变更一条记录：
- 变更内容（Change）：添加、更新或删除什么？
- 类型（Type）：事实、决策、政策、技能、工作流或门禁。
- 来源（Source）：触发它的电话、文档或修正。
- 适用工作流（Workflow）：变更应用到哪里。
- 提议人（Proposed by）：提出它的人类或智能体。
- 审查人（Reviewed by）：该领域的负责人。
- 状态（Status）：待提交、已批准或已驳回。
这样，你可以追溯任何输出的来源，而不必打开10个对话。
本周搭建最小可用版本
1. 写知识地图，包含最简企业简报、优先级和来源顺序。
2. 选一个重复出现的工作流先加入。
3. 只给这个工作流连接采集和检索。
4. 定义来源顺序和权限边界。
5. 用三份真实工作运行工作流。
6. 把每个修正路由到正确的层级。
7. 当修正开始重复时，加入每周复盘。
8. 在脑学习你的标准时，保留人工审批。
挑一个工作流开始，等你有信心了再继续添加更多。