上下文

切分粒度越细，Router层的并发吞吐量就越高，但分片之间的记忆与上下文连续性就会越低。

加上后文将介绍的订阅与直通机制以及链式召回（见3.2、3.3节），单个常驻RouterSession在保持上下文连续的同时，在我们目前的团队规模下已经够用。

因此在我们目前的团队规模下，无需过早对Router层做水平切分而牺牲全局上下文的连续性。

在现有设计中，Session同时承载了技术上的上下文管理与面向用户的项目管理。

通过这一双层架构，系统在底层接管了上下文管理与并发执行，从而在用户侧淡化了Session的存在，使用户面对的始终是同一个Super-agent。

在一次图书馆藏书查询中，进入新上下文的模型也识别并拒绝了摘要里的异常指令。

在账号层面，BuddyOne产品体系通过BuddyOneID实现免费打通：用户在WorkBuddy绑定体系内产品后，即可实现上下文打通、跨产品检索、统一管理积分与会员权益。

想要的，可能还是覆盖尽可能多的上下文的场景，在用户本来就要开口、有需要的地方，放一个AI入口。

如果这一架构要走向更广泛的应用，就需要在能够从多样化的环境中召回上下文的同时，解决上述安全与隐私问题。

这意味着对企业来说，排列上下文信息的优先级，选择哪些，摒弃哪些，变得很重要。

更关键的是，当模型能力和行业场景的连接达到一定深度后，如何提升模型对复杂上下文的信息理解能力，把最好的生产力效果交付给用户、企业伙伴。

“随着AI从回答问题走向持续交流、理解上下文并执行任务，实时互动的对象正在从人与人扩展到人与Agent。

AI从回答问题走向持续交流、理解上下文并执行任务，实时互动的对象正在从人与人扩展到人与Agent。

AI需要一边接收用户输入，一边理解上下文、组织回应，必要时还要随时应对打断，并持续调用工具、推进任务。

赵斌提到，过去一年OpenAI及其他公司对WebRTC的深入采用，让实时互动技术在对话式AI领域获得了更广泛的关注，但对话场景对延迟、稳定性和双向交互的要求远高于文本交互：AI需要一边接收输入、一边理解上下文、组织回应，还要随时应对打断、持续调用工具，任何环节的明显延迟都可能破坏对话的自然性，甚至导致任务失败。

从回答问题走向持续交流、理解上下文并执行任务，实时互动的对象正在从人与人扩展到人与Agent。

需要一边接收用户输入，一边理解上下文、组织回应，必要时还要随时应对打断，并持续调用工具、推进任务。

打开企业上下文的“隐性知识”

阿里巴巴集团副总裁、千问办公CEO陈宇森如此定义企业上下文：企业过去积累的文档、会议数据、群聊，以及沉淀在企业每一个角落、过去被称为“隐性知识”的东西，都可以被连接起来，进入企业上下文。

但要让Agent交出一份真正能用的方案或报告，光靠模型能力不够，关键在于能掌握多少用户的上下文。

第一，平台能力开放，向内融合腾讯办公生态、向外兼容企业系统，让Agent接进企业上下文；