读完 Jaya Gupta 关于 Context Graphs 的文章后，我一直念念不忘 [1]。对我来说，它触动了某些个人层面的东西：它为过去一年我在本博客关于 agentic infrastructure 的讨论中反复徘徊的架构模式赋予了名字。后来我写了一篇更直接的解释文章，探讨 什么是 Context Graphs 以及为什么这个词的含义不仅仅是 agent memory。
\n\nGupta 的论点简单却深刻。上一代企业软件（Salesforce、Workday、SAP）通过成为 systems of record，创造了万亿美金市值的公司。掌握核心数据，掌握工作流，掌握用户锁定。现在的问题是，这些系统能否在面向 agents 的转型中存活下来。Gupta 认为它们可以，但会有一个全新的层出现在它们之上：a system of record for decisions。
\n\n我同意。而且我认为这正是缺失的那块拼图，将我过去写的一切串联了起来。
\n\n最让我产生共鸣的，是 Gupta 对 decision trace 的阐述。这是目前存在于 Slack threads、交易台对话、升级电话和人们脑海中的上下文。它是那种例外逻辑，比如：「我们总是给医疗公司额外 10% 的折扣，因为他们的采购周期非常漫长。」它也是来自过往决策的先例，比如：「我们上季度为 X 公司做过类似的交易结构，我们应该保持一致。」
\n\n这一切都没有被我们的 systems of record 所捕获。CRM 显示了最终价格，却没有显示谁批准了偏差以及原因。支持工单写着「escalated to Tier 3」，却没有显示导致该决策的跨系统综合研判。正如 Gupta 所说：
\n\n\n\n\n\"连接数据与行动的推理过程，从一开始就没有被当作数据对待。\"
\n
这是每一家企业在尝试规模化 agents 时都会撞上的墙。这面墙不是缺失数据，而是缺失 decision traces。
\n\n读着 Gupta 的文章，我意识到，我一直在本博客上记录的演进（从 MCP 到 Agent Skills 再到 governance）实际上是一个关于为 Context Graphs 构建基础设施的故事。让我来解释一下。
\n\nPhase 1 是关于 tools 的。Model Context Protocol（MCP）赋予了 agents 与外部系统交互的能力。它是将 agents 连接到数据库、API 和外部世界的管道。但我们很快发现，仅仅拥有 tool 访问权限是不够的。Agent 拥有了一把锤子，并不代表它就是木匠。
\n\nPhase 2 是关于 skills 的。Anthropic 的 Agent Skills 标准为我们提供了一种将程序性知识编码化的方式，也就是教导 agents 如何有效使用工具的「操作指南」。Skills 是 agent 的大脑。它们将部落知识转化为可移植、可组合的资产。但仅有 skills 也是不够的。Agent 拥有了锤子和木工手册，并不代表它就是资深木匠。
\n\nPhase 3 是关于 context 的。这正是 Context Graphs 发挥作用的地方。Context Graph 是每一个决策、每一个例外和每一个结果的累积记录。它回答了「上次发生了什么？」这个问题。它将例外转化为先例，将部落知识转化为机构知识。
\n\n| 阶段 | \n基础单元 | \n提供什么 | \n我的类比 | \n
|---|---|---|---|
| Phase 1 | \nTools (MCP) | \n能力 | \nAgent 拥有了一把锤子。 | \n
| Phase 2 | \nSkills (Agent Skills) | \n专业知识 | \nAgent 拥有了一本木工手册。 | \n
| Phase 3 | \nContext (Context Graphs) | \n经验 | \nAgent 能够查阅它曾经建造过的每一栋房屋的记录。 | \n
我一直倡导的 governance stack（agent registries、tool registries、skill registries、policy engines）正是让 Context Graphs 成为可能的基础设施。Agent registry 提供了做出该决策的 agent 的身份。Tool registry（MCP）提供了该 agent 可用的能力。Skill registry 提供了指导 agent 行动的专业知识。而 orchestration layer 则是捕获并持久化 decision trace 的地方。
\n\n没有这套基础设施，decision traces 是转瞬即逝的。它们在 agent 的 context window 中存在片刻，然后消失。有了这套基础设施，每一个决策都变成了一个可审计、可学习、可作为先例的持久化产物。
\n\nGupta 说得对，agent-first 的初创公司在这里拥有结构性优势。它们位于执行路径上。它们在决策时刻能看到完整的上下文。而建立在当前状态存储之上的现有企业，根本无法捕获这些信息。
\n\n但对我来说，更大的洞察在于：我们不仅仅是在构建 agents。我们正在构建企业的决策记录。 Context Graph 不是一个功能特性；它是一种新型 system of record 的基础。在 agentic era 中胜出的企业，将是那些意识到这一点并投资于基础设施以捕获、存储和利用其 decision traces 的企业。
\n\n我们从给 agents tools 开始。然后我们教它们 skills。现在，我们必须给它们 context。这就是万亿美金的演进。
\n\n参考文献：
\n\n[1] Gupta, J. (2025, December 23). AI's trillion dollar opportunity: Context graphs. X.
", "source_hash": "sha256:7d5bdfa166b5a125780fbe29545101f9fd5e79f9a30eaa093a88ab8fe29f7237", "model": "moonshotai/kimi-k2.6", "generated_at": "2026-08-07T07:06:24.728106+00:00" }