如何为 AI 智能体提供足够的上下文，使其真正有用

演讲者的核心观点是：当为 AI 智能体提供广泛、基于证据的公司上下文，以及包含批判与优先级排序的工作流时，它们会变得显著更有用。以 Skyvern 为例，这并非停留在理论层面，而是被当作一家小公司的操作系统：智能体被用于产品管理、市场营销、支持以及一些轻量工程任务，而公司远程、重度依赖记录的沟通习惯使这一点更容易实现。这场演讲最有力的现实意义在于组织层面，而非特定模型本身：如果重要的业务上下文没有被记录在可搜索的系统中，智能体就无法很好地利用它。

关键洞察

1. 智能体输出差，主要被归因为上下文问题，而不只是模型问题： 演讲者认为，智能体之所以经常产出“垃圾内容”，是因为它们虽然遵循指令，却缺乏足够的业务特定上下文。他将此比作新员工入职：仅仅愿意帮忙是不够的，如果不了解公司的历史、客户问题、内部决策和运营规范，就无法真正胜任。

   为什么这很重要： 这将实施重点从单纯优化提示词，转向构建能够暴露公司记忆的系统。对于采用智能体的团队而言，瓶颈可能是上下文的可获得性，而不是模型的原始能力。

2. 高价值上下文包括来自许多系统的运营“尾迹”数据： 演讲中明确提到了电子邮件、Slack、Notion、客户通话录音、客户沟通，甚至数据库访问作为上下文来源。重要的不在于某一个工具，而在于智能体应该能够关联文档、对话、客户历史和产品行为中的信号。

   为什么这很重要： 有用的智能体行为依赖于跨来源检索与综合。对于那些知识分散或难以访问的团队，结果往往会更差，尤其是在诊断、优先级排序和面向特定客户的工作中。

3. 远程优先的沟通会带来优势，因为更多上下文会被自然记录下来： 演讲者声称，远程公司拥有一种“不公平优势”，因为关键业务上下文更常被写入 Slack 消息和通话记录中，而线下沟通中的上下文则常常只是口头交流，随后丢失。

   为什么这很重要： 这是一个组织层面的战略洞察：智能体准备度部分取决于公司的沟通方式。线下公司可能需要有意识地改变流程，去捕捉那些远程公司默认会记录下来的上下文。

4. PRD 工作流通过检索、对抗式审查和优先级排序来减少低质量输出： 在撰写产品需求文档时，智能体会围绕某个主题搜索通话录音、Slack、Notion 和客户沟通内容，生成一份基于证据的草稿，然后交给子智能体进行对抗式审查，最后再通过如 RICE 之类的优先级框架筛掉薄弱需求。

   为什么这很重要： 这展示了一种提升智能体输出质量的具体机制：不要停留在第一版草稿生成。加入证据检索、结构化批判和明确的优先级过滤，以削减无价值需求。

5. 智能体输出被接受，依赖于针对用户怀疑的迭代调优： 演讲者表示，早期的 PRD 草稿在内部被斥为“垃圾内容”，而他持续调优，直到团队成员认为这些文档可以作为功能撰写的可用起点。

   为什么这很重要： 这表明成功部署是一个迭代且带有社会属性的过程，而不只是技术问题。团队应预期会有阻力，并应以输出是否能被实际复用为成功标准，而不是看它们脱离场景时是否令人印象深刻。

6. 让文档锚定源材料，会提高其下游可用性： 在与 CAPTCHA 相关的示例中，生成的策略文档包含了指向具体录音的链接，因此负责实现该功能的人可以查看原始客户证据。

   为什么这很重要： 这之所以重要，是因为它将 AI 输出从泛泛的总结转变为可审计的工作产物。可追溯到源证据能提升信任、加快交接，并降低幻觉风险。

战略含义

• 希望获得有用智能体的公司，可能需要将知识采集视为核心基础设施。如果重要上下文仍然是隐性的、口头的或孤立在各个系统中，智能体的表现很可能依旧流于表面。
• 远程原生实践似乎与智能体采用更为契合，因为它们默认会生成可搜索的记录。线下组织可能需要补偿性流程，例如更多书面决策、会议录音和公开频道。
• 这里描述的最有效智能体工作流是多阶段的：检索证据、起草、批判和排序。单次生成被隐含地描述为不足以产出严肃的内部工作文档。
• 智能体部署会影响组织设计。像限制私聊、记录更多对话这样的政策，可能会提升上下文对机器的可用性，但也会改变隐私、文化和沟通规范。

值得关注的信号

• 是否会有更多公司开始专门重构沟通实践，以使上下文不仅对人类可读，也对机器可读。
• 团队是否会从孤立的提示词使用，转向带有明确批判和优先级排序阶段的“检索+审查”工作流。
• 带有源链接的 AI 输出是否会成为内部文档的常态，尤其是在信任和可审计性很重要的场景中。
• 远程公司是否会因为更完善的记录化上下文，而继续从智能体中获得不成比例的收益。

注意事项

• 该转录内容是一段简短演讲，关于工具、架构、评估、安全性、隐私控制或失败模式的运营细节提供得有限。
• 收入/运行率以及公司表现方面的说法均由演讲者提出，所提供材料中没有独立验证。
• 转录中的一些措辞存在噪音或重复，且描述被截断，因此某些更细致的信息可能缺失。