连接企业世界
接入内容、数据、规则、人员、工具、工作流与事件，同时保留来源、时间和访问边界。
返回技术总览
GEA 系统架构 · Context System
上下文系统
让智能体理解企业正在发生什么，并据此持续行动。
Context System 连接企业内容、数据、规则、事件与决策，围绕每项任务判断什么信息当前有效、相关并可以使用，再将行动和业务结果持续写回。Context Graph 是其中一种建模机制，而不是系统的全部。
运行机制
从企业信息，到能够影响行动的 Context。
Context 不只回答“能检索到什么”，还要回答“什么仍然有效、与当前任务有什么关系、能否使用，以及变化后应该触发什么”。
建立 Context 模型
通过 Ontology、Context Graph 与 Memory 表达对象、关系、状态、历史和决策效力。
选择并激活 Context
围绕任务选择当前有效、相关且可使用的信息，并将其转化为行动前提、Signal 与执行约束。
随结果持续演进
把采纳、否决、依据、反馈与业务结果写回，使后续任务继承最新状态，而不是重复从零开始。
技术工件 · Actionable Context
一份可执行 Context，不是一组被检索出来的片段。
进入一次运行的 Context 需要同时携带来源、时间、关系、适用范围和决策状态；系统再把这些属性转化为检索依据、任务触发与执行约束。
来源与时间
记录信息来自哪里、何时产生、当前是否仍然有效。
语义与关系
Ontology 与 Context Graph 表达对象如何关联，以及关系如何随业务变化。
决策效力
`evidence` 连接依据，`supersedes` 让被替代结论退出后续引用。
激活与写回
状态变化可以形成 Signal；行动、反馈和结果在验证后回到 Context。
生产中的作用
在真实任务中，它负责什么。
让任务从当前企业状态开始
智能体获得与当前目标相关、仍然有效并带来源的 Context，减少人工反复寻找、整理和解释资料。
让变化真正触发行动
内容、市场、流程或决策状态发生变化时，Context 可以形成 Signal，主动启动或调整后续任务。
让企业判断跨任务被继承
不同智能体共享带适用范围、版本和决策依据的 Context，使经验在业务运行中持续积累。
验证与边界
Context 必须知道什么有效，也必须知道什么已经失效。
Context 的可信度不只取决于检索准确率，还取决于来源、新鲜度、冲突处理、适用范围和写回质量。身份与权限由安全治理体系执行，Context System 保留并传递这些边界。
衡量方式
01
Context 选择准确率
02
来源引用覆盖率
03
过期引用率
04
无依据生成率
边界与护栏
来源、版本与新鲜度
记录信息来自哪里、何时变化、适用于什么范围，降低过期 Context 进入行动的风险。
冲突、替代与适用范围
保留冲突证据，并明确哪些结论已被替代、哪些规则只在特定条件下成立。
验证后的写回
区分中间生成、人工确认与真实业务结果，只有经过相应验证的信息才获得新的决策效力。
协同技术
每一项技术，都在同一套系统中工作。
模型、Context、运行时与企业级基础彼此连接，才让智能体从理解走向可靠行动。
技术问题
理解它的机制、边界与生产要求。
01
Context System 与 RAG 有什么区别？
RAG 主要在生成前检索相关材料。Context System 还组织对象、关系、权限、状态、时间和决策结果，并把经过验证的行动反馈写回企业记忆，因此覆盖检索、行动与持续演进。
02
为什么 Context Graph 需要保留时间与状态？
同一对象在不同时间可能有不同版本、负责人、权限和有效规则。保留时间与状态，才能让智能体知道什么仍然有效、什么已经变化，以及某项决策当时基于哪些条件。
03
Context System 是独立产品吗？
不是。Context System 是 Tezign GEA 的核心技术；它在技术体系中解释智能体如何理解和记忆企业，而不是作为与 GEA 并列的产品销售。