為了讓Agent理解上下文，這個團(tuán)隊選擇自己重寫架構(gòu)

GPT Sora不是要關(guān)停了嘛，

我就忙著把之前生成好的視頻和圖片和提示語們搬到本地知識庫做二次存檔，不然保不齊幾個月后又關(guān)了。然后就被難住了。就是他們沒有信息鏈接，幾乎是完全獨(dú)立的，管理起來很麻煩。

我甚至都快忘了當(dāng)初生成某個片段用了哪個版本的咒語。

看著這一堆混亂的文件，我突然意識到，我正淹沒在一片由我自己創(chuàng)造出來的，毫無關(guān)聯(lián)的產(chǎn)出物海洋里。

我擁有一大堆的Output，但沒啥用，

我需要的是能夠形成知識體系，能夠被復(fù)用和迭代的Outcome。

這兩天我內(nèi)測上了特贊正在做的一套企業(yè)智能體架構(gòu)，他們稱之為GEA，他們實現(xiàn)了從Output到Outcome的跨越。

他們把我所有的AI輸出都剪藏到了一個地方，不是簡單地把內(nèi)容存進(jìn)一個知識庫，而是把這些分散的數(shù)據(jù)組織成可以持續(xù)調(diào)用的上下文系統(tǒng)（Context System）。Agent每次工作要讀取上下文的時候，背后會有一個編排層，由發(fā)散推理模型（Creative Reasoning Model ）驅(qū)動，根據(jù)每次對話目標(biāo)來準(zhǔn)備當(dāng)前對話的上下文，以及要不要改變方向。

在GEA的架構(gòu)下，Agent 就會在一個系統(tǒng)里持續(xù)工作，而不是一次性被調(diào)用的工具。

atypica.ai 一個典型的洞察研究GEA

musedam.ai 這一體系的企業(yè)上下文系統(tǒng)入口，為Agent提供可調(diào)用的語境基礎(chǔ)。

我這次需求很簡單，作為一個內(nèi)容創(chuàng)作者，我想試試海外內(nèi)容平臺，該怎么做。

這在過去，意味著我需要讓AI幫我生成市場分析報告，競品調(diào)研表格，內(nèi)容策略文檔。我會得到一堆Output，然后自己去消化，理解，串聯(lián)，形成一個可執(zhí)行的計劃。

但我把這個想法告訴那個洞察研究GEA后，它完全沒有給我這些中間產(chǎn)物。

它先是像一個資深顧問一樣，反過來問我問題，了解我的賬號定位和內(nèi)容風(fēng)格。然后，它告訴我，要達(dá)成我的目標(biāo)，最好的方式是進(jìn)行一系列一對一的深度訪談。緊接著，它就自己通過AI配置了八個不同的人格（AI Persona），有成功出海的創(chuàng)作者，有精通平臺的運(yùn)營專家，有商業(yè)化顧問，幾乎覆蓋了所有。

然后，它就開始自己訪談自己了。

我像一個旁觀者，看著它和這些虛擬專家進(jìn)行了一場場高質(zhì)量的深度對話。最終，它直接給了我一份整合了十五個不同角色觀點的完整出海策略。這是一個可以直接拿來用的Outcome。

我點進(jìn)其中一個訪談實錄，有點被詳細(xì)到了。

那個角色叫Marcus，設(shè)定是一個三十歲，住在倫敦的油管博主。

AI問他，對于新賬號，是應(yīng)該先追求垂直領(lǐng)域的深度，還是先嘗試多個方向來測試市場反應(yīng)。Marcus的回答邏輯清晰，充滿了細(xì)節(jié)。

最關(guān)鍵的一點是，這些AI人格，像Marcus，會被保留下來。

它們成為了這個項目的常駐顧問，并自動變成了這個研究任務(wù)的一部分上下文資產(chǎn)。

等我真的開始做油管了，我可以隨時回來，把我的新視頻內(nèi)容再拿給Marcus看，問他有什么建議。他擁有我們之間所有的記憶，所有的上下文。反正我是把這個對談一句句看完了，并轉(zhuǎn)發(fā)給運(yùn)營朋友逐句學(xué)習(xí)。

所以其實要實現(xiàn)從Output到Outcome的跨越，關(guān)鍵就在于一個東西，

上下文，Context。

我那些混亂的視頻和圖片，缺的是能將它們串聯(lián)的上下文。而特贊用4層架構(gòu)打造了一個以 Context System 為核心的企業(yè)級Agent系統(tǒng)。

最頂層，是我發(fā)出的那個目標(biāo)，一個Intent。

當(dāng)我給出我要出海這個意圖后，系統(tǒng)的大腦，也就是編排層，就會接管。它會把這個大目標(biāo)，拆解成無數(shù)條可能的執(zhí)行路徑，評估哪條路最好，再把一個個具體的子任務(wù)，派給最合適的模型和工具去執(zhí)行。

它知道應(yīng)該先做市場調(diào)研，再做用戶訪談，最后生成策略報告。

然后，GEA的手和腳，也就是執(zhí)行層，開始工作。這里有各種主動的智能體，它們會調(diào)用超過四百個技能模塊，去完成內(nèi)容生成，數(shù)據(jù)分析等具體任務(wù)。

Agent們的協(xié)作，全都依賴于上下文系統(tǒng)。

它像一個第二大腦，存儲著品牌，產(chǎn)品，項目，案例，用戶畫像等所有信息。

最底層就是提供能力的基礎(chǔ)多模型層。這里有三十多個不同領(lǐng)域的模型，哪個強(qiáng)就用哪個。

這個架構(gòu)的設(shè)計目標(biāo)很純粹，

就是為了交付Outcome。

所以GEA的誕生，幾乎是一個必然的結(jié)果。

它是從那片叫做Context的土壤里，

自然生長出來的。

寫到這里，我想起我那個混亂的文件夾。

有了GEA，有了這套可持續(xù)運(yùn)行的架構(gòu)

我就可以告訴它，我的意圖是建立一個關(guān)于Sora創(chuàng)作的知識庫。

它會自動把我所有的視頻，圖片和提示詞進(jìn)行關(guān)聯(lián)，分析它們的風(fēng)格，打上標(biāo)簽，

甚至能主動建議我，

基于現(xiàn)有的素材，

可以嘗試創(chuàng)作哪些新的內(nèi)容。

這樣的Agent不急于交付更多的零件，

而是直接幫你思考，幫你執(zhí)行，

幫你把神探夏洛克同款的記憶宮殿用AI的方式，

一點點蓋起來。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉(zhuǎn)發(fā)｜評論

如果想要第一時間收到推送，不妨給我個星標(biāo)

如果你有更有趣的玩法，歡迎在評論區(qū)聊聊

更多的內(nèi)容正在不斷填坑中……