企业级 AI 的未来，不在于将 AI 塞进现有的记录系统（Systems of Record），而在于捕捉那些从未被系统性存储过的“决策痕迹”。Foundation Capital 最近发布的《Context Graphs: AI's Trillion-Dollar Opportunity》深刻指出：下一个万亿级平台将由“上下文图谱”（Context Graphs）驱动。以下是对这一趋势的深度思考与启发：决策痕迹：被遗忘的资产目前的 CRM 或 ERP 只能记录结果（如：给予 20% 折扣），却丢失了过程：为什么打破 10% 的限制？参考了哪个先例？谁授权了例外？这些连接数据与行动的“推理过程”，才是企业最核心的知识。上下文的两层架构要实现决策图谱，必须先解决两个层面的上下文问题：1. 业务运营上下文（Operational Context）这是地基。AI Agent 必须先理解：Sarah Chen 是谁？她和这个 Slack 频道、那份会议纪要是什么关系？谁拥有这个客户账号？如果 Agent 连“实体”的一致性和“所有权”的关系都搞不清楚，就无法进行有意义的推理。2. 决策上下文（Decision Context）在地基之上，记录决策的每一个输入、评估的政策版本、调用的例外条款。这让“先例”变得可检索，让 AI 的行为具备可审计性。为什么 RAG 和 AI Memory 还不够？目前的 RAG 只是在检索文本块，而不是理解组织逻辑。它能找到包含关键词的文档，但不懂实体间的演进关系。组织知识不是一堆文档，而是一个随时间演变的复杂图谱：人连接到项目，项目连接到决策，决策连接到结果。思考：- 规则告诉 Agent 一般情况下该做什么，而决策痕迹记录了在特定情况下发生了什么。- 组织知识不是文档的堆砌，而是人、实体与决策交织而成的动态图谱。- 缺乏运营上下文的 Agent 是“上下文盲”，它们能检索文字，却读不懂现实。AI Agent 正在撞墙，而这堵墙仅靠治理是无法逾越的。它们需要理解组织的现实，并从过去的决策中学习。x.com/KirkMarple/status/2003944353342149021
