2026年9月22日，2026杭州云栖大会上，千问办公发布企业级Agent基础设施“企业上下文”（Enterprise Context），并配套数字员工、协作空间与安全中心三项能力。千问办公CEO陈宇森给出的判断是：模型与Agent能力持续变强，个人办公效率提升，但组织生产力并未线性提升，核心原因是Agent无法深入业务工作流，而懂业务的前提是准确的企业上下文。企业上下文内置专属模型，可以极低的Token成本对企业数据做压缩与结构化，并随业务变化及时更新；数字员工则被赋予名称、部门、职责、授权范围与生命周期，执行记录全程可追溯。阿里巴巴集团战略副总裁文征同场宣布千问AI平台升级，模型弹性启动时间由1200秒缩短至70秒，1分钟可拉起1万个Pods，首Token延迟降低38%，Prompt Caching成本最高节省95%。
企业级Agent的真实卡点：不是模型不够强，是上下文进不去
陈宇森在会上提出“Context is All You Need”。其产业含义是：当Agent进入审批、报价、排产这类流程时，失败往往不在推理环节，而在它不知道该用哪份数据、走哪条流程、谁有权拍板。
千问办公已打通钉钉、飞书、企业微信等IM。但业界长期缺少一层基础设施，能把海量非结构化信息压缩成可供Agent按需调用的组织上下文。企业上下文补的正是这一层：内置专属模型降低Token开销，并随业务变化更新，让Agent每次判断都基于最新情况。
四层结构：上下文、数字员工、协作、安全
| 层级 | 解决什么问题 | 关键机制 |
|---|---|---|
| 企业上下文 | Agent拿不到与任务相关的业务数据 | 内置专属模型压缩结构化，随业务更新 |
| 数字员工 | Agent没有组织身份，无法授权与追责 | 名称、部门、职责、授权范围、生命周期 |
| 协作空间 | 产出散落在多个群与文档，无法沉淀 | 人与人、人与Agent、Agent与Agent协同 |
| 安全中心 | 越权、误操作与数据泄露风险 | 沙箱划边界、审批拦截、操作记录与恢复 |
| 应用接入 | AI工具与业务系统来回切换 | 保留原界面与数据，叠加Agent能力 |
这套结构的价值在于把Agent从对话框搬进组织架构：一旦出错，责任落在哪个部门、依据哪份数据、由谁发起，都有据可查。
两个落地样本：门店运营与询盘处理
古茗茶饮：把运营标准送进近万名一线员工手里
古茗上新频繁，运营标准需及时下发门店。通过企业上下文，古茗将飞书文档、知识库、答疑群、培训日程整理成“门店运营知识空间”，一线店员提问时Agent精准调取对应资料，覆盖近万名门店人员。
富立卡：三个数字员工接手询盘全链路
物流企业富立卡的销售团队每人每天要处理300多条询盘，并需与6个部门协作。千问办公为其配置查询、报价、合同三个数字员工，分工完成从询盘到报价再到合同审批的全链路业务流转。这里的效率来源不是单一环节提速，而是把跨部门等待时间从流程里拿掉。
安全中心：从架构层而非外围管控Agent风险
随着AI从回答问题走向执行操作，安全边界成为采用Agent的关键考量。陈宇森的判断是，企业不能只在系统外围增加防线，而应在架构设计之初就纳入权限越界、数据泄露与误操作风险。安全中心统一管理Agent的数据访问、工具调用与任务执行：执行前用沙箱划定运行边界，执行中对高风险操作审批拦截，异常后通过操作记录与恢复机制处置，并支持最小权限授予、敏感信息识别与全程审计。
千问AI平台一侧的升级同样指向生产环境。针对Agent决策链路长、并发高、时延敏感的特点，平台通过Flash Boot、Uni Scheduler调度异构算力，并发布企业级全栈Agent服务平台Agent Studio：按任务自动路由模型，24小时托管运行，后续还将推出含运行观测、AI评测器、AI优化器与自动验证的自进化引擎。
对企业的四点启示
一是先盘知识资产再谈模型选型，数据没结构化，再强的模型也无从调用；二是把数字员工纳入组织管理，HR与IT要建立新的管理口径；三是安全在架构层设计，沙箱、审批、审计、恢复缺一，规模化就会停在试点；四是评测口径前置约定，任务边界、成功率阈值与回滚方案应写进AI大模型定制与软件外包合同。会上，益海嘉里金龙鱼、一汽丰田、传化集团、横店东磁、国邦医药等企业宣布接入千问办公。
结语：上下文工程是新的交付重心
当模型能力趋于同质，企业级Agent的差距会集中体现在上下文工程与组织集成上。对计划部署数字员工的智能制造与消费服务企业来说，真正的工程量不在模型调用，而在把散落的业务知识整理成可被机器稳定取用的结构。一道科技立足杭州，提供AI大模型定制、数据挖掘与软件外包服务，可在知识资产梳理与智能体交付验收环节提供工程支持。更多解读见资讯中心，服务详情请见官网。
常见问题（FAQ）
企业上下文是千问办公于2026年9月22日杭州云栖大会发布的面向企业的上下文数据管理产品。与普通知识库相比，它的差异在三点：一是内置专属模型，能以极低的Token成本对企业数据做压缩与结构化；二是动态匹配任务所需信息，Agent执行任务时拿到的不是全量数据而是最相关的内容；三是随业务变化及时更新，保证Agent基于最新情况判断。普通知识库通常只解决存储与检索，不解决按需压缩与实时更新。
核心差别是组织身份与治理机制。千问办公的数字员工拥有名称、所属部门、负责人与岗位职责，同时具备授权范围与生命周期管理，可被员工识别、被系统授权，也可由管理员停用，所有执行记录均可追溯至对应身份。这意味着它能进入审批、报价、合同这类有权责边界的流程，而普通AI助手只适合个人效率场景，缺乏授权与审计能力。
建议四项：一是盘清知识资产，把文档、群聊、知识库整理成可结构化的语料，这是企业上下文的产出基础；二是明确Agent的任务边界与授权范围，按最小权限授予；三是在架构层配置沙箱、审批拦截、操作记录与恢复机制，而非仅在外围加防线；四是前置约定评测口径，把任务成功率阈值与回滚方案写进AI大模型定制或软件外包项目的交付条款。