想象一下，在不久的将来，AI 代理将与你和你的同事无缝协作。有些代理扮演客户角色，有些代理则代表团队成员，它们都能使用特定的业务语言甚至多国语言进行交流。这些代理持续更新共享知识库，实时整合既有信息和全新见解。
随着我们从单一代理使用案例转向多代理系统，再到每个企业都拥有自己的全能代理，我们将见证 AI 代理以越来越高的自主性在各种上下文语境中运作。我们将以这样的问题开启一天的工作：“本周客户提出了哪些新问题？”或“我的员工最关心什么？”一组代理将从数以千计的客户互动、对话和同事的见解中提炼出答案。这就是代理时代的前景。
问题是，我们该如何实现这一愿景？答案在于代理为高效执行任务而最需要的信息类型：上下文信息。
为什么上下文信息在 AI 中至关重要
上下文信息是代理式 AI 为企业提供真正价值的关键所在。代理架构利用 LLM 的推理能力，即使在模糊情况下也能自动处理任务。AI 拥有的上下文信息越多，对模糊性的解读能力就越强，从而表现得更加出色。
代理引入了一种利用电脑实现自动化的新方法，这种方法不需要为每种场景详尽地预先定义规则。代理系统可以利用 LLM 的模式匹配能力推断出任何给定情境的具体细节，并且随着上下文信息的不断丰富，代理的效率会提高。换句话说，上下文信息越充足，需要猜测的内容就越少。
如果代理在采取行动之前必须不断询问细节，人类与 AI 协作的希望就会落空。
思考一下大多数早期 AI 代理在如今的运作方式，以及我们的未来发展方向。当前的许多 AI 代理都在超出其设定的参数时难以正常运作；如果失去消息列线索，会很容易误解用户请求。如果 AI 代理总是等待用户告知要解读什么内容，就会迫使用户成为“提示工程师”。
用户提示模糊，需要进一步提示才能弥补上下文信息不足的示例。
如果无法获取足够丰富的上下文信息，代理开发者会陷入进退两难的境地，而这从根本上违背了开发代理的初衷。他们可以设计能依据可预测的上下文线索良好运行、性能可靠但灵活性有限的狭窄使用案例；也可以采取更宽泛的方法，设计出无需依赖上下文信息的代理。但这样做会将负担转嫁给用户，迫使用户在最后一刻补充缺失的细节。当代理在采取行动之前必须不断询问细节时，人类与 AI 协作的希望就会落空。这两种策略都能带来增量收益，但可能会阻碍代理的大规模应用。
当代理缺乏上下文信息时，用户不得不花费更多时间阐明他们的提示，而不是完成实际工作。解决方案是将代理部署到这种环境中：它们能够观察到正在进行的有关已开展工作的对话，并利用自身的解读能力，根据现实工作中的上下文信息做出改变，调整收到的指令以及所使用的工具。
对话为自然语言代理提供了最丰富且最具动态性的上下文信息来源，而 LLM 能够轻松解读这些信息。对话中包含实时意图、对信息有用性的细微差别判断，以及关于不断变化的需求的线索，这些都为 AI 代理提供了微妙权衡取舍所需的关键线索。对话基础数据使 AI 代理能够自我调整、变得主动并采取精准行动，而如果没有这类数据，这些都是不可能做到的。
Slack 代理利用对话上下文解读同样模糊的用户提示并做出有效响应的示例。
有了上下文信息，代理就能发挥其强大的代理能力。其需要一个能够观察到足够多上下文信息的环境，以辨别出什么重要、什么不重要、何时继续、何时寻求帮助，甚至判断何时不必亲自介入。如果代理能了解不断变化的形势、各种限制因素和最新信息，便有可能实现大规模应用。
代理需要一个能够观察到足够多上下文信息的环境，以辨别出什么重要、什么不重要、何时继续、何时寻求帮助，甚至判断何时不必亲自介入。
Slack 如何实现上下文感知型 AI
Slack 为你提供平衡控制和代理所需的一切。通过将 Slack 用作代理的基础平台，贵公司的非结构化数据（用户生成的内容、自然语言文本、音频和视频）可增强代理的推理和决策能力，从而使代理提供更具相关性的服务。这有助于代理判断自身能提供哪些帮助、何时应该介入，以及何时应该保持观望。
Slack 还允许你控制代理对数据的访问权限。我们从不使用客户数据训练 LLM；相反，我们为你提供最佳环境，以便你就自己的数据执行上下文检索增强生成 (RAG)，从而在代理需要时为其提供所需的信息。这意味着你的代理可以根据任务的上下文背景即时推断需要从数据库中检索哪些数据。
借助 Slack 的对话历史 API 和数据访问 API，你可以建立自适应代理，这种代理能够根据对话的展开情况进行实时调整。每条新的 Slack 消息都会更新上下文信息。Slack 使代理变得灵活多变，可利用正在进行的对话以及过往对话中的线索，更加灵活地执行指令，并高效地完成被赋予的角色或目标，而不是按部就班地作出响应。清晰的实时上下文信息的强大之处在于它能够帮助 AI 理解人类意图。Slack 的架构支持这种适应性，让代理构建者可以使用最新的上下文信息，甚至利用从过往交互或其他 Slack 频道正在进行的对话中所获取的信息，对其正在处理的内容进行进一步情境化分析。
在多代理系统普及的趋势下，对话平台将成为代理应用和转型的核心。Slack 充当企业的对话总线，可实现代理与人类之间的和谐沟通，确保响应一致且富有成效。代理可以自主工作，实时协作以增强彼此的能力，并强化自身或改进底层模型。代理将成为能够理解任务背景的协作者。借助 Slack 的上下文服务，代理构建者可以专注于自动化，而不必操心复杂的最后一个环节或被迫预先定义和限制代理的功能。不久之后，Slack 代理将能够在所有连接到 Slack 的应用中轻松管理和协调其他代理，并使用标准化的基础平台，让每个代理都能重新接入与人类的对话以及人类之间的对话，从而契合实际情况。
Slack 是代理能够真正助力人类工作的平台
当你考虑为开发者选择构建和部署代理的最佳平台时，请务必记住，上下文信息并非可有可无，而是决定成败的关键。在 Slack 提供的环境中，代理能够从基本的任务执行者成长为自适应的协作伙伴。在 Slack 中，代理与人类之间的交互共同构建了一个不断增长的企业知识库，其随着每条消息的产生而不断更新。Slack 强大的用户上下文信息使得这一切成为可能，并最终让每个代理更好地了解它们所服务的人类。
准备好开始使用了吗？联系我们的专家团队，了解如何开始使用。
太棒了！
非常感谢你提供反馈！
收到！
感谢你提供反馈。
糟糕！我们遇到问题了。请稍后重试！