面向主动式企业智能体的上下文图

检索增强生成（RAG）与智能体框架已大幅推进企业AI——但智能体在根本上仍是反应式的：它们等待人类查询才行动。本文主张真正的企业生产力增益需要主动式智能体：在工作者开口前就浮现相关、可行动信息的系统。我们提出上下文图（Context Graph）——对企业实体、其关系与随时间状态转换建模的活跃关系数据结构。基于该图——我们定义持续监控状态变化的增量检测引擎——按紧迫性、相关性与角色契合度排序候选洞见的主动性评分器——以及由LLM驱动、交付带锚定解释的排序通知的浮现层。我们形式化每个组件——推导统一的主动性分数函数——并提供使用NetworkX与Anthropic Claude API的完整端到端Python实现。跨三个通用企业案例研究（合同生命周期管理、工程事件响应与销售管线健康）的评估表明：上下文图驱动的主动性达到Precision@5 0.83——误报率0.11——并将平均浮现时间从47分钟（反应式基线）降至30秒以内。