千问办公发布企业上下文：解决AI Agent懂业务难题
阿里巴巴千问办公在云栖大会发布“企业上下文”（Enterprise Context）产品，旨在解决大模型在企业应用中因上下文窗口限制而无法深入理解复杂业务的问题。该方案通过渐进式暴露和图数据库技术，将分散的非结构化数据压缩并结构化，使Agent能按需调用精准信息。此举标志着AI办公竞争焦点从模型能力转向对企业私有数据的深度整合与基础设施构建。
事件概述
在云栖大会期间，阿里巴巴集团副总裁、千问办公CEO陈宇森指出，当前企业级AI应用面临的核心矛盾是：中大型企业平均拥有约150PB的数据，而最强模型的上下文窗口仅约100万token。这导致AI每次工作只能看到极少部分数据，无法真正融入企业业务流程。为此，千问办公发布了面向企业的全新产品——企业上下文（Enterprise Context），基于此产品及Agent托管能力，帮助企业构建懂业务的数字员工，重塑组织效率。
核心痛点：个人效率提升，组织协同滞后
千问办公总结了企业引入AI Agent面临的三大挑战：
- AI不懂业务：通用Chatbot难以回答具体企业的特定问题，因为缺乏对内部业务规则、客户需求和历史经验的掌握。
- 经验未沉淀：单个员工利用AI提高效率后，其经验和方法未能分享给同事或沉淀给组织，导致整体业务流转速度未显著提升。
- 安全顾虑：企业在追求降本增效的同时，对数据安全存在担忧，不敢轻易将核心数据交给外部模型。
此外，信息分散也是主要障碍。以奶茶品牌古茗为例，操作标准散落在培训视频、知识库、群聊和门店文件中。店员提问时，Agent需要找到适用的唯一规定，而非罗列所有相关资料。
解决方案：将上下文作为基建
千问办公认为，决定Agent能否完成任务的关键在于推理时提供的上下文质量。其“企业上下文”产品核心逻辑是将企业内部数据连接起来，并压缩为Agent可按需调用的形态，具体技术路径包括：
- 渐进式暴露（Progressive Exposure）：鉴于100万token的窗口限制，直接存入海量文档会导致信息密度过低。系统采用类似文件组织的层级结构，让每一层级尽可能压缩下一层级的信息。当Agent需要详细信息时，再逐级展开，从而节省宝贵的执行空间。
- 图数据库关联：利用图数据库连接实体关系（如项目关联的人员、群聊、文档），帮助Agent判断项目当前状态。
- 多模态处理能力：针对大量非结构化数据（如视频），依赖具备强多模态理解能力的模型（如Qwen3.8-Omni-Flash）进行高效处理，降低抽象成本。
行业意义与开放策略
千问办公副总裁束骏亮强调，上下文属于企业自身，应与最终使用的Agent解耦。这意味着“企业上下文”可作为新一代数据基建，被任何Agent（包括千问办公、Codex、WorkBuddy等）调用。目前，业界缺乏将海量隐性知识低成本结构化的基础设施，而大模型降低了这一门槛。
千问办公明确表示其服务具有开放性，不仅服务于钉钉用户，也广泛服务于使用飞书和企业微信的客户，致力于成为跨平台的底层数据基础设施提供商。