主动企业代理的上下文图

arXiv:2607.07721v1 公告类型：新 摘要：检索增强生成 (RAG) 和代理框架极大地改进了企业人工智能，但代理仍然基本上是反应性的：它们在采取行动之前等待人类查询。本文认为，真正的企业生产力提升需要积极主动的代理：在员工提出要求之前向他们提供相关的、可操作的信息的系统。我们提出了上下文图，这是一种实时关系数据结构，可以对企业实体、它们的关系以及随时间的状态转换进行建模。在此图的基础上，我们定义了一个持续监控状态变化的 Delta 检测引擎、一个根据紧急程度、相关性和角色契合度对候选见解进行排名的主动性评分器，以及一个由法学硕士提供支持的表面层，该层提供带有接地解释的排名通知。我们对每个组件进行形式化，派生出统一的主动性评分函数，并使用 NetworkX 和 Anthropic Claude API 提供完整的端到端 Python 实现。对三个通用企业案例研究（合同生命周期管理、工程事件响应和销售管道卫生）的评估表明，上下文图驱动的主动性实现了 0.83 的 Precision@5，误报率为 0.11，并将平均上线时间从 47 分钟（反应基线）减少到 30 秒以下。