火山引擎刘智恒:Agent进企业,缺的不是模型是上下文
当 Agent 真正进入企业流程,哪些工作可以交给 AI ?50 + 实战案例揭晓答案! AI 正在从回答问题的辅助工具,走向理解目标、调用系统、完成任务的工作承担者。当 Agent 真正进入企业流程,问题不再是 “如何把 AI 做出来”,而是哪些工作可以交给 AI、结果如何验收、权限、成本与风险如何收住。随着大模型向
当 Agent 真正接入企业流程,哪些活能放心交给 AI?50 + 实战案例将给出答案。
AI 的定位正在变:从回答问题的辅助工具,转为能理解目标、调用系统、把任务干完的工作承担者。它一旦进入企业流程,问题就换了——不再是“怎么把 AI 做出来”,而是哪些工作能交出去、结果怎么验收、权限成本和风险怎么收住。大模型往推理、工具调用、多模态和长任务上走,开发重心也从单次调用挪到了上下文、工具、执行环境与反馈回路的设计上。Coding Agent 同样在变,从代码补全变成能读懂代码库、跑测试、完成复杂任务的工程协作者。OpenAI、Google Cloud、Anthropic 的最新实践指向同一个判断:模型决定 Agent 能做什么,工程决定它能不能真正进生产、创造价值。
2026 年 AICon 人工智能开发与应用大会 · 北京站定在 12 月 18–19 日,地点是北京新云南皇冠假日酒店。大会主题为探索 A 应用边界,设 13 大技术专题,方向包括大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等。届时会有一线技术专家到场,讲 AI 技术突破和企业规模化落地的真实做法。
火山引擎 OpenViking 生态负责人刘智恒已确认参加“Self-Evolving Agents|从经验学习到可控进化”专题,演讲题目是《火山引擎 Agent-Native 团队的上下文管理实践》。企业上了 Agent 之后,最常撞见的麻烦不是模型答不出来,而是资料找不对、该守的规则找不全、哪些能看哪些能做分不清。文档、代码、Wiki、指标和经验各散在各的系统里,向量检索又只能捞回相似片段,业务概念、约束和行动边界到不了 Agent 手上。这次刘智恒要讲的是字节开源、40k+ 星的上下文数据库 OpenViking,把企业资料变成 Agent 可用上下文的整条链路:
-
知识、记忆、技能、规则和实时数据,都用 viking:// 目录树给出统一地址
-
平铺切片不用了,改用 L0/L1/L2 分层加目录递归检索
-
靠上下文编译,把原始资料一遍遍加工成业务知识
-
规则单独作为一种上下文类型,该遵守的一条都不落
-
授权隔离放在检索阶段,用目录级 ACL 完成
-
经验要跨会话、跨人、跨 Agent 沉淀下来,靠的是长期记忆和 Handoff
分享还会结合财经业务知识库、推荐团队、Issue Fix Bot 等真实场景,摆出数据和踩过的坑。
刘智恒是火山引擎 OpenViking 开发者生态负责人。OpenViking 为 40k+ star 的开源上下文数据库,CLI、MCP 与 Agent 插件体系由他主导,主流 Coding Agent 都能一键接入;Hermes 原生集成和微软 Agent Framework 社区集成也是他推动的。近期他的重心在 Context Gateway 和长程数字员工,琢磨 Agent 记忆与上下文工程下一步怎么走。
他在本次会议的详细演讲内容如下:
演讲提纲
-
Agent 用不好企业知识,症结在哪:缺的是上下文,不是模型
-
Context Database:企业知识要有一个 Agent 读得了的统一地址
-
资料怎么变成知识:分层理解、上下文编译加规则约束
-
知识要能授权、能实时、还能持续进化
-
落地案例与路径:从一个场景的一棵目录树起步
听众收益
-
判断框架:RAG、知识图谱、记忆、上下文工程各管什么,要分清;自己企业缺的是哪一层,也要心里有数
-
方法落地:按“接入 → 理解 → 编译 → 规则 → 授权 → 记忆”这条路走,回去挑一个场景就能开搭
-
开源工具:OpenViking 开源版拿来就能试,另有一键启动的云服务和可试用的企业私有化版本
演讲亮点
-
一套开源可用、也撑得起企业级部署的上下文基建:知识、记忆、技能、规则和实时数据全挂在同一棵目录树上,任何 Agent 框架接进来都能保住状态
-
真实数据摆在这里:记忆 benchmark 中,规则召回率从 43% 提升到 100%;Issue Fix 数字员工两天提交 67 个 PR,合入 28 个