| 
文｜钟楚笛 剪辑｜周鑫雨 一句话先容 ACONTEXT 是一个针对 Agent的高下文数据不休平台。通过提供数据存储、决策旅途不雅测与智能体自学习就业，ACONTEXT为用户提供Agent现实复杂任务时的旅途和决策原因，同期将Agent的任务现实见遵守提高30%-50%。 融资发达 近期，ACONTEXT完成数百万好意思元天神轮融资，由红杉中国种子基金和明势老本共同投资。 团队先容 首创东说念主兼CEO叶坚白（Gus）：曾于亚洲辩论院参与必应搜索告白算法的研发。2023年以来，他曾加入王慧文创立的大模子公司“光年除外”，参与大模子的散布式锤真金不怕火。而后，他加入了由前阿里“妙鸭相机”真贵东说念主张蟾光诞生的AI应用公司“沐言智语”，主要真贵里面模子锤真金不怕火、RAG系统的搭建。 从业期间，叶坚白真贵了多个热点开源技俩的研发，比如其主导的AI永恒系念治理决策Memobase，在GitHub上获取了2.6K Stars， 就业了多个盛名的AI居品；他曾用1000行代码复现微软2万行代码的GraphRAG算法，在Github上得到了3.7K stars。 ACONTEXT团队的主要成员，均来自字节高出火山引擎、、微软等大厂或AI明星公司。 居品及业务 AI 应用正在阅历一场从Chatbot到Agent的快速进化。Gartner 在 2025 年发布的计谋期间趋势论说清晰， Agent已位列年度十大期间趋势之首，展望到 2028 年，将有 33% 的企业级软件由 Agent驱动。 于是，若何撑持 Agent 的大范畴落地，已成为全行业最遑急的期间命题。 不同于 Chatbot 的浅显对话交互，Agent 的中枢特色在于具备谋划、现实与反想的能力。 在上一家公司责任期间，叶坚白探索了ChatBot、Agent等不同形态的AI居品。其中两个干悉数据的趋势，引起了他的细心： 一方面，AI Agent在运行中分娩的数据，起码是Chatbot的千倍。“100万Tokens，能让ChatBot用户大致使用3-7天，但只可让Coding Agent用户用10-20分钟。”  另一方面，现在，市面上并莫得针对Agent行径数据的存储、不休和运用决策。叶坚白告诉咱们，不管AI应用形态若何，其存储的中枢数据组成，齐是将用户行径打包为大模子可齐集的数据神志，也即是Context，高下文。对Agent而言，对Context的深度挖掘和运用，决定了Agent智能和用户体验的上限。 这两个趋势，让叶坚白决定以Context当作创业的切入点：专为Context数据搭建一套存储、监测、自学习的Infra，以挖掘Context中的运用价值。 2025年头，叶坚白作念了第一个居回味试——Memobase。这是一个对准C端Chatbot的系念治理决策。接入该决策的AI应用，不错在100毫秒以内，证实用户的历史数据，酿成用户的画像。基于Memobase得出的用户画像，Chatbot能够生成个性化的修起，提高用户体验。 这一套决策，依然在造梦次元，捏Ta等10余家AI初创企业中落地，逐日为超越5万名活跃用户提供系念建模就业。 不外，叶坚白判断，作念单点的系念存储决策，壁垒有限，“你不掌合手Context数据，数据存储在第三方云厂商那里，单点的系念决策很容易被上游厂商‘归并’。”与此同期，在贸易化层面，Memobase难以猜测ROI（干涉产出比），不利于公司制定收费模式。 在他看来，中间层厂商的中枢壁垒，在于诞生设备者生态。其中的逻辑在于，对中间层厂商而言，Context是最有价值的数据财富。因此，想要积贮更多的Context财富，就需要诞生茂密的设备者生态。 2025年11月，开云体育app团队上线了新址品ACONTEXT。ACONTEXT本体上是一个针对Agent的 Context数据不休平台，通过对Context数据的千里淀、齐集、挖掘，从而质问Agent的设备、落地、不休的门槛，提高Agent设备和不休的死心。 ACONTEXT为Agent设备者提供的就业，主要贯彻在三个阶段： 最初，在Agent设备阶段，ACONTEXT 治理了初期复杂的“底层基建”问题。围绕高下文数据，构建数据存储和使用的管线，让Agent数据存储开箱即用。 这种作念法保留了大模子全局推理的齐全性，设备者无需再计议多模态信息的存储、沙盒环境的调配、文献系统的兼容等问题，也无须手搓数千行代码去对接多样零星的数据库，裁减了居品的上线周期。 其次，在Agent上线阶段，ACONTEXT 提供了对Agent的及时监测和不休就业。 传统的响应依赖于低效的用户调研，或者靠东说念主力在数据库中检索。ACONTEXT则在后台内置了一个用于审计的Agent。它会自动拆解Agent和用户行径，为设备者提供Agent的具体现实过程、用户的及时响应。 临了，ACONTEXT 通过“诞生Agent SKills”的口头提高了 Agent 的褂讪性。审计Agent在监测Agent行径的同期，也用于Agent Skills的诞生。ACONTEXT的自主学习系统会将见效现实的旅途索要，变成Agent的专属系念或手段包。同期也会对失败的任务进行分析，索要申饬。 这意味着，当用户下一次提议近似需求时，Agent不再需要盲目探索，而是不错平直调取已申饬证过的历程，质问了Agent行径的不细目性。 叶坚白告诉咱们，“咱们的宗旨是帮客户兑现Context数据飞轮。唯一这么，Agent居品才算是启动诞生用户粘性和居品壁垒。” 在ACONTEXT的POC（认识考证）阶段，该决策匡助Agent提高了30%-50%的任务见遵守，同期减少了10%-30%的运行身手。 Founder 想考 1.与以往互联网复杂的数据心态不同，AI 应用的数据形态极其单一。 {jz:field.toptypename/}在Web 2.0期间（如淘宝、好意思团），设备者需要处理用户点击、停留时期、购物车等成百上千种零星的数据信息。但在AI期间，99%的数据最终齐是一种神志，即Context。莫得办法将我方的数据，调节为便捷放进大模子高下文里的居品，齐将受到极大的挑战。 2. 现在全行业齐在崇尚Embedding（向量检索）治理系念问题，但这反而是卡死大模子才能的枢纽之处。 大模子处理文本能力很强，参数目齐是千亿级的范畴，但向量模子很小，粗俗唯一几十MB的参数目，如若用向量去检索，那么找出来的东西大致率会是以文害辞的。因此，真实的进化地点是把决策权还给大模子，让它我方决定深挖哪部分信息。这么Agent才能展现出组合型的推理能力。 3. 集成型革命才是年青东说念主的主战场。 算力集群不休、散布式锤真金不怕火这种单点型Infra，它重范畴、重财富，大厂在此更有上风。联系于单点型Infra，集成型Infra并非意味着发明了新的数据库形态，而是将第三方的资源和就业进行组合优化，输出新的居品和就业形态，锤真金不怕火的是早期团队对生态位的吸收。 大厂在作念集成型Infra时会有自然的旅途依赖，他们更想卖云资源、卖S3存储。而年青团队莫得背负，咱们更澄莹Agent设备者需要什么，因此集成型革命Infra的契机是留给年青团队的。 4. 2026年最值得关心的趋势是Agent的Environment（环境）。 2026年，Agent 的算法和逻辑会变得高度同质化，届时决定赢输的将不再是 Agent 够不够贤达，而是它与环境（Environment）的齐集深度。 Coding Agent能率先爆发，是因为法式员的责任环境是法式的、整洁的。但改日的财务、法务、政务 Agent，濒临的是特殊零碎、莫得调和法式的数据环境。因此在2026年，Agent的Environment，应该会是粗俗出现的一个鸿沟。 5. 关于Agent Infra而言，中枢壁垒在于生态。 关于Agent Infra而言真实的壁垒不在于期间或者数据，而是在于生态，即你的用户会风物为你的居品创造内容。比如当环球搜“data context data”或当环球搜“context data platform”的时候， Google的前10条里面有6条是跟你干系的时候，这个壁垒才算真实酿成。  海涵调换！
|
备案号: