AI 需要你的上下文层

AI模型价格对比 | AI工具导航 | ONNX模型库 | Vibe Coding教程 | PLC在线仿真器 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

公司 AI 中最大的未开发潜力是上下文层：一个安全的桥梁，将模型连接到你的应用程序，并赋予它们数据和记忆。你不再需要复制粘贴，而是获得一个集成的助手，它可以看到你的工作流程并自行处理复杂任务。

真正的战斗不是发生在 AI 爱好者的头脑中。它发生在公司内部，专家和经理们正在为人工智能挠头。大多数人跳上了 ChatGPT 或类似的工具，这是令人不安的事实：这还不够。原因是缺乏上下文。这正是本文的主题：如何在你的公司为 AI 代理构建上下文层，以及你需要知道的一切来开始。

1、旧的工作方式与新的工作方式

认识一下 Pepík，捷克的普通人（想想"普通乔"）。他早上到达工作地点，打开他的任务管理器，下一个标签页是 CRM，第三个是 Outlook。按设计分开的工具。Chrome 中有五个或十个打开的标签页。当 Pepík 需要构建报告或分析时，需要在窗口之间点击和复制粘贴一个小时。

现在想象一个不同的场景。Pepík 醒来，坐在电脑前，所有这些工具都通过 API 或 MCP（稍后详细介绍）连接。他不再点击，而是与 AI 讨论任务。他写这样的提示："为我准备上周的报告。" 然后，报告完成了，因为 AI 可以同时查看他的所有系统。

听起来像科幻小说？这是今天的现实，科技公司正在加速构建自己的上下文层。

2、上下文层有什么用？

为什么你应该关心？因为你不再需要将信息从一个窗口复制到另一个窗口（或将任务交给同事），而是将你的系统直接插入 AI。你节省时间，从非结构化数据中提取真正的分析，也许最重要的是，你为未来的项目构建记忆。你做一次的工作留在系统中，下次你可以在其基础上构建。

MCP 服务器是 AI 助手在工作时可以使用的工具：获取任务、更新记录，甚至删除数据。一旦你为给定的软件设置了 MCP，助手就获得了一整套工具包（GET、POST、UPDATE，有时甚至 DELETE）。

3、所以上下文层到底是什么？

上下文层是为 GPT 或 Claude 等模型提供它们需要知道的关于你的公司或项目的一切的中间层。可以将其视为你的应用程序和 AI 本身之间的桥梁。（如果你遇到过"上下文工程"这个术语，这就是它在实践中的样子。）

MindStudio 很好地描述了这个概念。表示为公式：

上下文层 = 角色 + 数据 + 记忆 + 工具 + 目标

这在实践中意味着什么？回到 Pepík：

• 角色：我是谁，我做什么。（Pepík，Easy8 的营销人员。）
• 数据：我处理什么。（比如说，一个 BigQuery 数据库。）
• 记忆：我已经与 AI 一起处理过什么，项目背景，学到的经验教训。（过去的活动、简报、什么有效什么无效。）
• 工具：AI 被允许使用什么。（Microsoft 365、GA4 等的 MCP 连接器……）
• 目标：输出应该是什么。（报告格式，"完成"的定义。）

只有当你拥有所有五个部分时，AI 才开始产生有意义的东西。没有上下文的优秀模型就像第一天上班的同事。一个天才，但他们不知道任何东西在哪里。

4、上下文层实践：三个例子

营销

营销人员或营销经理的典型一天：观察网站流量和转化率的表现。当数字看起来不对时，你深入研究其他工具。GA4、Google Search Console、Ahrefs、Semrush、AWS、Cloudflare、Apify。每一个都可以通过 MCP 连接。然后你将专门的代理发送到每个工具（如果你喜欢，可以并行），设置分析目标，而不是两个小时的点击，你得到一个原本会花费半天的报告。

销售

你是一名销售人员，正在为会议做准备。你有 Outlook 或 Gmail，以及 HubSpot 或 Salesforce 等 CRM。在真正的工作开始之前，你需要查找客户，阅读最新的电子邮件，查看日历，并试图记住他们上次是否向你要求了什么。很多工具，很多点击。有了上下文层，你只需问一次："明天我的日程安排是什么？为我的会议做准备。" 你得到一个从电子邮件、聊天、网络、CRM 和日历中提取的简报，所有都在一个地方。过去需要半个小时的准备工作现在只需要几分钟。

管理

完全 disclosure：我不是经理，但让我勾勒一下这个想法。每周、每月或每季度，有人审查团队或整个公司的绩效。一些公司在 Power BI 中有 BI 报告；其他人只是在 Excel 中构建它们（是的，仍然活着并且踢得很好，它几乎可以处理任何事情）。如果你的数据一团糟，因为你错过了过去几年的数据革命？好消息：今天的 AI 也可以处理结构不良的数据。Petr Kasa 在 Scaleupboard 频道的一次采访中描述了他如何将数据铲入 AI 并让其咀嚼。

5、如何开始？级别 #1

让我描述一下公司想要让 AI 自由处理其项目和流程时最常用的路线。它叫 Claude，由 Anthropic 提供。是的，本文的其余部分将大量使用 Claude：它是我每天使用的工具，也是我们在 Easy8 上构建的工具。然而，这个原则适用于所有模型。

1) 决定你的公司押注哪个模型。 公司选择 Claude Team，一个公司账户供所有人使用。为什么？如果你运行 Microsoft 365 或 Google Workspace，这两个生态系统都有一个现成的连接器，你只需点击一下即可插入。这为你提供了工作系统的第一个构建块，无需安装任何东西。Claude Team 添加了一系列其他连接器，并部分回答了安全性问题（参见 Anthropic vs. 美国国防部）。你还可以阻止人们在对你数据进行训练的工具中工作（通常是免费版本，或"禁用训练"设置，没有人曾经打开过）。

2) 每个人都需要一个系统，这样他们和他们的 AI 代理都能找到自己的方式。Groupon 的 Dušan Šenkypl 在一篇关于他的 AI 工作系统的文章中谈到了更多。

3) 每个人都必须学习工具。 最好的方法是边做边学。Claude 目前有几种风格：

Claude.ai（网页版）：ChatGPT 的等价物，浏览器中的 AI。

Claude Desktop：macOS 和 Windows 的应用程序。它附带两个子应用程序：

• Claude Cowork：直接与你的设备和文件一起工作，感觉很像网页应用程序。
• Claude Code：类固醇上的 Cowork。顾名思义，你赋予 AI 几乎无限的权力：构建应用程序、运行分析、处理复杂任务。强烈推荐。

Claude for Chrome（官方浏览器扩展）：一个助手，作为侧边聊天弹出在你打开的标签页上。它与页面本身一起工作，并点击上下文层无法访问的内容（通常是社交网络或遗留系统）。

6、下一步是什么？级别 #2，高级版

这就是变得有趣的地方。每个人都需要将他们的公司应用程序连接到他们的 AI。有时这很容易，有时有点棘手。让我描述一个帮助公司构建其上下文层的概念。

它叫做 MCP 中心：MCP 连接器的中心位置。为什么？连接到公司系统并不总是微不足道的；它需要提升的权限或管理员知识。当公司构建 MCP 中心时，它保持对凭据和权限的控制，员工获得具有简单设置的现成连接器。双赢。这里有一个指向开源项目的链接。

谜题的第二部分是 技能：将它们视为特定任务或用例的食谱，可以作为 markdown (.md) 文件在同事之间共享。如果你没有 Claude Team，这通常通过 Git 仓库解决：将你的技能推送到 GitHub 并与同事共享。奖励：你免费获得提示版本控制，AI 与 Git 配合得很好。

7、那安全呢？

我有好消息和坏消息……这取决于你有多关心以及你的数据有多敏感。

坏消息：数据越敏感，你就越需要处理权限、治理，尤其是你的数据在哪里以及被谁处理。这部分无法避免，在较大的公司中花费的时间最多。

好消息：上下文层可以独立于你选择的 AI 模型来构建。这需要更多的工作，但可以做到。

现在，按公司规模：

• 1 到 100 人： 你很可能会走我上面描述的路线。
• 100+ 人： 要么 Claude Team 的安全设置对你有效，要么你正在考虑其他提供商，无论是 Mistral AI 还是 Microsoft Azure。权衡是：它们往往不那么用户友好，你会失去 Claude 在其平台和应用程序中提供的一些功能。

8、结束语

不要等待一个大项目。从小处着手：连接一两个工具，并使用编写良好的提示设置你的 AI 工作系统（你的个人上下文）。开始最多需要两个小时。之后构建完整的上下文层是一个持续的过程。连接单个 MCP 服务器大约需要 5 到 60 分钟，具体取决于特定的设置（将这些数字视为大致估计）。其余的是迭代。

一个有趣的事实来结束。在五个月的时间里，我在 Claude Code 中消耗了 21.4 亿个令牌。 如果我将其转化为有形的东西，作为一个训练有素的经济学家（粗略计算）：那大约是 21,400 本书。并排放置，它们将覆盖比六个足球场更大的面积。阅读所有这些生成的文本将花费一个人 20 年的时间，而不会喘不过气来。

原文链接：AI Doesn't Need a Better Model. It Needs Your Context Layer.

汇智网翻译整理，转载请标明出处