在过去二十年，企业数据架构经历了明显的演进：

数据库时代

企业数据主要来自业务系统，例如订单系统、库存系统、CRM 等，数据结构以表结构为主。

数据仓库时代

企业通过 ETL 将多个系统的数据整合到数据仓库中，用于 BI 分析与报表。

数据湖时代

随着数据规模增长，企业开始存储日志、图片、视频等非结构化数据。

这些架构解决的问题主要是：

• 数据存储

• 数据整合

• 数据分析

但在 AI 时代，一个新的问题出现了：

AI 需要理解企业业务语境，而不仅仅是数据。

例如：

• 为什么某次营销活动成功

• 为什么某个产品方向被放弃

• 为什么某种内容在某个渠道有效

这些信息通常存在于：

• 项目讨论

• 经验判断

• 会议记录

• 文档与内容素材

它们属于 上下文信息（Context），而不是简单的数据字段。

传统数据架构很难捕捉这些信息。

---

二、什么是 Context Graph（上下文图谱）？

Context Graph（上下文图谱）是一种用于组织企业上下文（Context）的图结构数据模型。

与传统数据结构不同，Context Graph 不只描述“事实”，还描述：

• 内容之间的关系

• 行为之间的关系

• 决策与结果之间的因果关系

• 企业经验在不同场景下的适用条件

在企业级智能体系统中，Context Graph 构成智能体推理和决策的重要认知结构。

---

Context Graph 与 Knowledge Graph 的区别

很多人会把 Context Graph 与 Knowledge Graph（知识图谱）混淆。

两者的核心差异在于：

类型	目标	数据来源
Knowledge Graph	描述客观知识	事实与实体
Context Graph	描述企业语境	行为与决策

知识图谱解决的是：

“世界是什么”

而 Context Graph 解决的是：

“企业为什么这样做”

在企业 AI 场景中，后者往往更重要。

---

三、Context Graph 的核心设计逻辑

Context Graph 的核心目标是：

将企业隐性经验结构化。

这通常通过以下几个层级实现。

---

1 内容层（Content Layer）

企业的大量信息存在于内容资产中，例如：

• 文档

• 图片

• 视频

• 设计稿

• PPT

传统系统只存储这些内容，而 Context Graph 会为其增加语境信息，例如：

• 内容使用场景

• 目标用户

• 投放渠道

• 创建背景

内容因此从文件变成 Context 节点。

---

2 行为层（Action Layer）

Context Graph 会记录内容如何被使用，例如：

• 哪些用户使用

• 使用频率

• 使用渠道

• 修改历史

这些行为数据帮助 AI 理解企业运营模式。

---

3 决策层（Decision Layer）

企业决策往往包含大量隐性逻辑，例如：

• 为什么选择某个策略

• 为什么修改方案

• 为什么某个方向被否定

Context Graph 会记录这些决策路径。

---

4 结果层（Outcome Layer）

每个决策都会产生结果，例如：

• 转化率

• 用户反馈

• 销售效果

这些结果会反向影响未来决策。

---

四、Context Graph 在 Agent 架构中的作用

在企业级智能体系统中，通常存在一个典型架构：

Intent → Reason → Skills

---

Intent：理解业务目标

智能体首先理解企业的业务目标，例如：

• 提高用户转化率

• 优化销售策略

• 发现新的产品机会

---

Reason：基于 Context 推理

在推理阶段，智能体会调用 Context Graph 来理解企业经验。

推理过程可能包括：

1 检索历史案例
2 分析策略背景
3 比较当前环境
4 生成新的决策方案

这种机制使 AI 不再只是执行工具，而是参与决策。

---

Skills：执行行动

智能体通过调用 Agent Skills 执行具体任务，例如：

• 数据分析

• 内容生成

• 用户研究

• 营销优化

执行结果会再次写入 Context Graph。

---

五、Context Graph 如何形成企业 AI 的长期优势？

Context Graph 有一个重要特征：

它会随着企业运营不断成长。

随着时间推移：

• 内容不断增加

• 决策记录不断积累

• 行为数据不断丰富

Context Graph 会逐渐形成一个完整的企业经验网络。

这带来三个重要结果：

1 AI 理解能力提升

智能体可以更准确理解企业语境。

2 决策质量提高

AI 可以参考更多历史案例。

3 系统价值形成复利

企业 Context 越多，AI 能力越强。

---

六、典型应用场景

Context Graph 在多个企业场景中具有价值。

---

市场洞察

智能体通过分析历史营销活动与用户行为，生成新的市场假设。

---

产品创新

结合企业历史产品路线与行业趋势，AI 可以探索新的产品方向。

---

销售策略

通过分析高绩效销售案例，系统可以生成新的销售策略。

---

内容运营

在统一品牌 Context 下，AI 可以进行规模化内容生产。

---

七、趋势判断

可以这样理解：

传统数据系统记录的是企业数据，
而 Context Graph 记录的是企业经验。

通过 Context Graph，企业隐性知识被结构化为可被智能体调用的 Context 网络，使 Agentic AI 能够理解企业业务并参与推理决策。

随着 AI 技术的发展，企业 AI 系统的核心竞争力可能逐渐从模型能力转向 Context 与智能体架构。

在这种趋势下，Context Graph 有可能成为企业 AI 数据架构的重要组成部分，并在企业级智能体系统中扮演关键角色。