Context & Control：在研究Agent Infrastructure 时，我一直在想一个问题 当 AI 越来越了解用户，这些积累下来的 Con… · @isBadOcto · TwKit

@isBadOcto

Context & Control：在研究Agent Infrastructure 时，我一直在想一个问题 当 AI 越来越了解用户，这些积累下来的 Context，最终会成为用户自己的资产，还是某个平台的竞争壁垒？ 10 月 15 日，Amazon 发布了两款新的 Bee AI 可穿戴设备，尝试通过日常对话、日历和应用数据建立对用户的持续理解。 另一边，Meta 最新的 Muse 模型开始强调 Active Memory，希望 AI 能够长期记住用户的信息与目标。 这些产品都在指向同一个趋势：AI 的竞争正在从单次回答的质量，延伸到谁能够长期理解用户。 但这里存在一个很有意思的商业矛盾。 对于平台来说，Context 越丰富，个性化体验就越好，用户的迁移成本也可能越高。 对于用户来说，却恰恰相反。 假设我在 ChatGPT 中积累了大量关于工作、项目、偏好和决策的信息，明天想使用 Claude 或其他 Agent，为什么需要从头解释一遍？ 更进一步，如果未来用户同时使用多个 Agent，难道每个 Agent 都需要独立建立一份对用户的理解？ 这也是为什么我开始关注独立 Context Layer。 YC S26 的 Egoist Machines 已经在尝试通过 AI Passport，让用户在不同 AI 产品之间携带个人 Context，并控制不同应用能够访问什么信息。 Stanford Digital Economy Lab 也在研究 Portable Memory 和 Human Context Protocol，尝试建立用户可控制、跨产品使用的持久化记忆基础设施。 但研究现有市场后，我不认为 “做一个统一 Memory 数据库” 就是答案。 Mem0、Letta、Zep 已经在解决长期记忆、信息检索、关系变化等问题。AWS AgentCore 甚至直接提供了记忆抽取、整合和生命周期管理。 如果只是从 ChatGPT 导出一份 Memory，再通过 API 提供给 Claude，这种能力很难形成长期壁垒。 值得研究的，可能不是如何存储 Context，而是谁有权使用它，以及在什么条件下使用。 举个例子。 用户曾告诉一个购物 Agent，预算最高是 2,000 美元。几个月后，用户的预算发生了变化。 另一个 Agent 读取到旧信息并据此作出购买决策，责任应该由谁承担？ 又或者，用户授权某个 Agent 读取邮件，只是为了整理会议安排。 它是否也应该获得用户的消费记录、私人关系和其他可以从邮件中推断出的信息？ 目前 MCP 已经提供基于 OAuth 的授权机制，能够帮助应用安全连接外部数据源。 但连接权限不等于 Context 的使用规则。 允许读取邮箱，不代表允许把邮件中提取出的所有信息永久保存，更不代表允许将其提供给其他 Agent。 这中间可能需要一个更细粒度的控制层：记录信息来源、有效时间、使用目的，以及授权是否仍然成立。 不过，这个市场也有一个很现实的问题。 谁会为独立 Context 付费？ 消费者可能认同数据应该属于自己，但未必愿意每月支付订阅费管理 Memory。 开发者希望获得更好的用户 Context，却未必愿意增加一个外部依赖。 而大型 AI 平台本身就在利用个性化能力建立竞争优势，也未必有动力主动推动完整的数据互通。 因此，我不太看好一开始就面向所有消费者，建立一个通用的 Personal Context Platform。 相比之下，我更关注两个小一些的切入点。 一个是面向开发者的 Context Provenance，解决信息从哪里来、什么时候失效，以及不同来源发生冲突时应该相信谁。 另一个是面向多 Agent 工作流的 Context Access Control，让企业能够管理不同 Agent 可以访问哪些信息，以及这些权限何时失效。 这两个方向未必最终会成为独立公司。现有数据库、安全平台和 Agent 框架都有机会逐步覆盖这些能力。 真正的判断标准仍然是：如果缺少这一层，客户会遇到多大的实际损失？现有工具为什么解决不了？ 我认为长期值得关注的，不是某家公司能为用户存储多少 Memory。 而是当 AI 开始代表用户行动时，用户是否还能决定它依据哪些信息作出判断。 Memory 决定 AI 记得什么，Context 决定 AI 知道什么，而 Control 决定 AI 能用这些信息做什么。 未来真正有价值的，也许并不是另一套记忆系统，而是让这些能力跨平台、安全、可控地运作的基础设施。

曝光 2 · 评论 0 · 点赞 0 · 书签 0