首页 文章 精选 留言 我的

精选列表

搜索[demo],共10000篇文章
优秀的个人博客,低调大师

读懂 Process Context:企业 AI 从 Demo 走向生产,缺的就是流程上下文层

大模型越来越聪明,但很多企业在推进AI Agent时却遇到一个看似矛盾的问题:模型已经能理解复杂语言,为什么一进入企业核心业务,还是经常“不懂业务”? 答案越来越指向同一个问题:AI缺少的不只是更多数据,而是能够解释“当前业务正在发生什么”的上下文。这个上下文既包括流程、角色、制度和权限,也包括当前实例、业务状态、历史事件、系统调用和预期业务结果。 > Process Context(流程上下文)是连接流程资产、组织权限、业务规则、运行状态、业务数据和绩效结果的结构化业务语义层。它让AI知道:当前在处理什么、谁负责、受什么约束、现在允许做什么,以及结果应该写到哪里。 随着AI从“回答问题”走向“执行业务”,Process Context正在从体验优化项升级为企业AI的生产基础设施。Gartner把这一变化进一步概括为:Enterprise Context正在成为AI Execution的Control Plane;国际流程与自动化厂商也在快速把“上下文”提升到产品架构核心位置。 ## 一、Why Now:为什么Process Context现在突然变得重要? ### 1. AI正在从Copilot走向业务执行 早期企业AI主要用于知识问答、摘要、搜索、写作和辅助决策。上下文不完整,通常只是答案质量下降。但当AI Agent开始调用系统、修改业务对象、发起流程或产生真实业务副作用时,上下文错误就可能直接变成业务错误。 Gartner在2026年4月关于“Outcome‑Focused Workflow”的公开判断中指出,企业会逐步从辅助式智能转向对工作流结果负责的平台;真正的执行权建立在身份、权限、策略执行、系统记录访问和审计能力之上。Gartner同时用“Enterprise Context Is Becoming the Control Plane for AI Execution”概括这一趋势。 > Gartner|2026‑04‑02|Gartner Expects Most Enterprises to Abandon Assistive AI for Outcome‑Focused Workflow by 2028 [https://www.gartner.com/en/newsroom/press-releases/2026-04-02-gartner-expects-most-enterprises-to-abandon-assistive-ai-for-outcome-focused-workflow-by-2028](https://www.gartner.com/en/newsroom/press-releases/2026-04-02-gartner-expects-most-enterprises-to-abandon-assistive-ai-for-outcome-focused-workflow-by-2028) ### 2. Agent要做事,就必须知道“此刻的业务状态” 在Gartner 2026《Market Guide for Business Process Automation Tools》中,BPA平台被描述为协调人员、企业系统与AI完成业务结果的编排层。报告进一步指出,现代流程平台正在把AI Agent作为流程参与者,并通过上下文记忆、运行状态和专业连接能力,把交易历史、业务上下文和操作记忆传递给Agent,使其可以更可靠地完成任务。 这意味着企业AI的关键已经不只是模型能否“理解一句话”,而是系统能否持续告诉AI:当前流程实例是什么、执行到了哪一步、之前发生过什么、用户是谁、哪些规则适用、Agent能调用什么以及下一步允许做什么。 ### 3. 上下文正在变成企业AI的新控制点 模型能力越来越可替换,但企业自己的流程、业务状态、制度、角色、权限和运行事实无法从通用大模型中直接获得。谁能够把这些内容组织成实时、结构化、受权限控制、可以驱动执行的上下文,谁就更有机会成为企业AI真正的执行与治理层。 ## 二、Process Context到底是什么? Process Context可以理解为“企业流程的结构化业务语义上下文”。它不是一段临时拼接到Prompt里的背景介绍,也不是单纯的知识库检索结果,而是一套与业务对象、流程状态和权限同步变化的上下文体系。 > **定义** Process Context是连接流程资产、组织权限、业务规则、运行状态和业务数据的结构化语义层,使AI能够理解“当前在处理什么、谁负责、受什么约束、能做什么以及结果写到哪里”。 一个完整的Process Context通常需要回答: - 当前用户是谁,属于哪个组织、岗位和角色? - 当前处理哪个客户、合同、采购单、流程或其他业务对象? - 当前使用哪个流程版本,处于哪个节点和状态? - 哪些制度、规则、SLA和风险控制点适用? - 当前用户和AI分别可以访问哪些数据、调用哪些工具? - 之前发生过哪些事件、人工操作和系统调用? - 本次AI输出应保存为什么产品对象或业务结果? - 执行后如何审计、追踪并衡量业务效果? ## 三、国际市场正在怎样定义“上下文”? “Process Context”并不是AlphaFlow单独提出的孤立概念。2025—2026年,国际主流流程、自动化和企业AI厂商都在把Context提升为Agentic AI的核心架构层,只是各自切入点不同。 |厂商/机构|公开表述重点|上下文侧重点|对企业AI的意义| | --- | --- | --- | --- | |Gartner|Enterprise Context逐步成为AI Execution的Control Plane|身份、权限、策略、系统记录、审计、流程状态|上下文不仅提高答案准确度,更决定AI能否被授权执行| |ARIS|将自身定位为“process context foundation”|流程、数据、治理、运营模型|强调企业AI需要理解工作如何发生、规则是什么、目标是什么| |Celonis|提出Context Model / Context Layer|流程数据、业务知识、运营智能、决策智能|用实时运营上下文弥补Agent的“业务盲区”| |ServiceNow|推出Context Engine|身份、资产、知识、Workflow数据、历史状态|在执行瞬间向Agent提供正确上下文,并关联权限与审计| |Appian|AI Agent继承process context与guardrails|Data Fabric、流程上下文、权限、流程模型|让Agent在流程内行动,而非脱离业务与治理边界| |Pega|Agentic Process Fabric按task context选择合适Agent|任务、案例、应用、系统和Agent网络|让上下文参与Agent路由和跨应用协同| |Camunda|强调stateful process提供context与auditability|BPMN状态、历史、事件、变量、人工接管|把Agent放进有状态、可版本化、可恢复的端到端流程| ### 1. ARIS:把Process Context直接提升为产品定位 ARIS在2026年的公开定位中直接使用“process context foundation platform for enterprise AI deployment”。其核心观点是:AI从实验走向执行时,最大的障碍之一是缺少企业复杂运营模型所需的上下文。ARIS强调把流程、数据和治理放在一个统一环境中,为Agentic AI提供上下文层。 > ARIS|2026‑05‑08|ARIS Leader in 2026 Gartner Magic Quadrant for Process Intelligence [https://aris.com/newsroom/aris-leader-in-gartner-magic-quadrant-for-process-intelligence/](https://aris.com/newsroom/aris-leader-in-gartner-magic-quadrant-for-process-intelligence/) ### 2. Celonis:从Process Intelligence走向Context Model Celonis在2026年发布Context Model时,将“Context Layer”定义为企业技术栈中的一个关键新层:把流程数据、业务知识、运营智能和决策智能统一起来,为Enterprise AI提供真实运营上下文,并通过持续学习业务动作和结果不断演化。其目标不仅是让AI知道“发生了什么”,还要理解为什么发生、下一步应该做什么。 > Celonis|2026|Celonis Launches the Context Model to Eliminate Enterprise AI’s Operational Blind Spots [https://www.celonis.com/news/press/celonis-launches-the-context-model-to-eliminate-enterprise-ais-operational-blind-spots-agrees-to-acquire-ai-decision-intelligence-leader-ikigai-labs](https://www.celonis.com/news/press/celonis-launches-the-context-model-to-eliminate-enterprise-ais-operational-blind-spots-agrees-to-acquire-ai-decision-intelligence-leader-ikigai-labs) ### 3. ServiceNow:Context Engine把上下文带到“执行瞬间” ServiceNow的Context Engine强调在AI做决定之前动态汇聚企业上下文,并把身份、资产、知识和Workflow数据放到同一语义视角下。其公开说明特别区分了Context与传统RAG:企业自治决策还需要结构化数据、历史上下文、身份、策略和Workflow状态,而这些并不是单纯文档检索能够覆盖的。 > ServiceNow|2026|Context Engine [https://www.servicenow.com/products/context-engine.html](https://www.servicenow.com/products/context-engine.html) ### 4. Appian:Agent要继承Process Context和Guardrails Appian在Agent Studio相关公开材料中明确指出,Agent之所以更适合进入复杂企业工作,是因为能够继承平台的数据访问能力、process context和guardrails,并直接嵌入业务流程。Appian后续进一步把Data Fabric描述为把碎片化数据转化为业务友好上下文,并按用户、角色和process context继承行级、字段级权限。 > Appian|2025‑11‑12|Appian Launches New AI Capabilities To Automate Complex Work & Accelerate App Modernization [https://appian.com/about/explore/press-releases/2025/appian-launches-new-ai-capabilities-automate-complex-work](https://appian.com/about/explore/press-releases/2025/appian-launches-new-ai-capabilities-automate-complex-work) > Appian|2026|Solve AI Agent Sprawl with an Operational Context Layer [https://appian.com/blog/2026/solve-ai-agent-sprawl-with-context-layer-data-fabric](https://appian.com/blog/2026/solve-ai-agent-sprawl-with-context-layer-data-fabric) ### 5. Pega:上下文开始参与“该调用哪个Agent”的决策 Pega的Agentic Process Fabric并不只强调连接Agent,还提出根据每一个任务的context自动匹配最合适的Agent,并在跨应用协同时保持case的完整上下文。这里的Context已经从“给Agent一些背景信息”,进一步变成Agent路由、协同和治理的一部分。 > Pega|2026|Pega Agentic Process Fabric [https://www.pega.com/technology/agentic-process-fabric](https://www.pega.com/technology/agentic-process-fabric) ### 6. Camunda:Context必须和State、History一起存在 Camunda更强调运行时上下文。其Agentic Orchestration实践把Agent作为端到端BPMN流程中的参与者,由有状态、事件驱动的流程引擎保存流程状态和历史,并通过BPMN/DMN、人工网关和连接器提供控制。Camunda明确强调,Agent不应成为脱离流程的“free agents”;流程编排层应成为状态和历史的单一事实来源。 > Camunda|2026‑01|Guardrails and Best Practices for Agentic Orchestration [https://camunda.com/blog/2026/01/guardrails-and-best-practices-for-agentic-orchestration/](https://camunda.com/blog/2026/01/guardrails-and-best-practices-for-agentic-orchestration/) ## 四、这些厂商虽然叫法不同,但正在形成四个共识 1. **业务语义上下文**:AI需要理解企业对象、流程、角色、制度、KPI和关系,而不只是自然语言。 1. **运行状态上下文**:Agent需要知道当前实例、节点、变量、事件、历史、异常和系统调用。 1. **治理上下文**:身份、权限、策略、风险、人工确认和审计必须随着上下文一起传递。 1. **效果上下文**:上下文不能停在任务执行前,还要包含结果、反馈、绩效和持续优化信息。 > **共同趋势** 国际市场正在从“给模型更多知识”转向“给AI实时、结构化、受权限控制的企业业务上下文”。Process Context因此不再只是Prompt工程或RAG问题,而正在成为Agentic AI的执行与治理基础设施。 ## 五、Process Context和Prompt、RAG、知识图谱有什么区别? |能力|主要回答|局限/边界| | --- | --- | --- | |Prompt|这一次让模型完成什么|是单次输入,不代表持续业务状态| |RAG|当前问题需要哪些相关知识|擅长找知识,不天然处理流程状态、身份和权限| |企业知识库|企业拥有哪些制度、文档和经验|偏知识供给,不代表当前业务情境| |知识图谱/业务语义层|企业实体之间是什么关系|可提供语义结构,但未必包含实时流程状态与执行控制| |Process Context|当前业务处境是什么,以及此刻允许发生什么|需要跨设计、运行、权限和事实持续维护| > 示例:一个合同Agent可以通过RAG找到《合同管理制度》第18条,但Process Context还必须告诉它:当前合同编号、金额、业务线、审批节点、已经完成的审批、适用制度版本、当前用户权限、风险等级,以及AI结果应该写入哪个业务对象。 ## 六、一个完整的Process Context应该包括什么? |上下文域|核心对象|AI用途| | --- | --- | --- | |租户与组织|租户、部门、岗位、人员、角色、权限组|决定数据范围、责任主体和授权边界| |流程设计|流程架构、模型、版本、节点、输入输出、控制点|告诉AI业务理论上应该如何运行| |执行配置|表单、字段、规则、SLA、连接器、任务、补偿策略|告诉AI流程在系统中如何执行| |知识与制度|制度、条款、标准、案例、产品知识、引用关系|给AI提供判断依据和可追溯引用| |运行事实|实例、事件、轨迹、变量、异常、人工操作、系统调用|告诉AI现实中现在发生了什么| |绩效与指标|KPI、目标、口径、基线、优化结果|判断执行效果并验证优化价值| > 说明:这一结构来自AlphaFlow最新AI‑Native产品总体设计。该方案强调,Process Context不是Prompt文本,而是连接流程资产与运行事实的结构化语义层。 ## 七、真正难的不是“上下文很多”,而是“上下文始终一致” 企业拥有大量数据,并不等于拥有可用的Process Context。真正困难的是同一个流程、节点、规则、表单或指标能否在设计、运行、分析和AI任务之间被稳定引用。 - **Object ID**:确保同一流程、节点、规则、表单和指标可以跨产品稳定引用 - **Version ID**:区分草稿、已发布版本和运行实例绑定版本,避免AI覆盖生产版本 - **Permission Context**:继承用户、角色、租户、数据源和字段权限,AI不得扩大访问范围 - **Trace ID**:把模型调用、工具执行、人工确认、对象写入和流程运行串成完整审计链 ## 八、Process Context和AlphaFlow是什么关系? 在AlphaFlow AI‑Native产品总体设计中,Process Context不是独立于产品之外的第四个产品,而是连接BPA、BPMA和BPI的共同语义底座。它的目标是让三个产品中的AI能力共享同一套对象、版本、权限和追踪关系。 |产品层|提供的上下文|回答的问题|对AI的价值| | --- | --- | --- | --- | |BPA|流程资产、模型、制度、岗位、规则、风险、指标|流程应该是什么?|提供设计态业务语义与规范依据| |BPMA|实例、任务、表单、状态、系统调用、异常、人工确认|流程现在是什么?|提供运行态上下文和可靠执行| |BPI|事件、路径、瓶颈、偏差、绩效、优化效果|流程实际效果怎么样?|提供事实、证据和持续优化反馈| > AlphaFlow对Process Context的核心理解: BPA告诉AI流程“应该是什么”;BPMA告诉AI流程“现在是什么”;BPI告诉AI流程“实际效果怎么样”。Process Context把设计语义、运行事实和优化证据连接起来。 从国际厂商的不同切入点来看,ARIS更强调流程设计和治理语义,Celonis更强调运营事实与流程智能,ServiceNow强调统一企业数据和Workflow上下文,Appian强调Data Fabric与Process Context,Pega强调任务和案例上下文,Camunda强调有状态运行时。AlphaFlow的产品设计目标,则是把流程设计语义、可靠业务执行和流程运行事实贯通起来。 > 备注:上述AlphaFlow内容来自当前AI‑Native产品总体设计方向。对外发布时应使用“产品设计方向、能力体系和架构理念”等表述;尚未正式发布的具体功能、版本、商业权益或路线图,不应提前作为商用承诺。 ## 九、一个采购审批场景,看懂Process Context如何工作 用户只说一句:“帮我处理这张采购申请。” 通用AI看到的可能只是申请单文本;Process Context则会同时提供: |上下文|示例| | --- | --- | |组织上下文|申请人属于华东事业部,当前操作者为部门负责人| |流程上下文|当前运行采购审批V3.2,处于部门负责人预审节点| |规则上下文|金额超过50万元需增加财务审批| |知识上下文|适用2026版采购管理制度及相关条款| |数据上下文|供应商评级B,预算剩余额度80万元| |运行上下文|申请曾因缺少报价单被退回一次| |权限上下文|当前用户可修改申请资料,但无权修改审批规则| |结果目标|AI输出应写入预审记录,不得直接代替正式审批| 于是AI可以输出缺失材料、制度符合性、风险等级、依据和建议动作;低风险信息可生成草稿,高风险或正式审批动作进入Human‑in‑the‑loop。这才是上下文驱动的企业AI执行。 ## 十、企业应该如何开始建设Process Context? 1. 不要先做“大一统语义工程”,先选一条高价值主流程,例如采购、合同、质量异常或客户服务。 1. 统一业务对象ID、流程ID、版本ID、节点ID、用户/角色和Trace ID。 1. 关联流程制度、规则、SLA、数据字段和权限范围。 1. 把实时运行实例、事件、人工操作和系统调用纳入上下文。 1. 明确AI任务输出保存位置、风险等级和Human‑in‑the‑loop节点。 1. 将业务结果和KPI反馈回来,让上下文包含“执行后发生了什么”。 > **建设目标** Process Context不是为了建立一个宏大的“企业世界模型”,而是让AI在每一个真实业务时刻,都获得完成当前任务所必需、最新、正确并且有权限使用的业务上下文。 ## 十一、结语:企业AI的竞争,会越来越变成“上下文质量”的竞争 模型能力正在快速趋同。企业可以同时接入云端模型、国产模型、私有模型和专用模型,根据任务、成本、时延和数据策略进行路由。 但企业自己的流程、制度、组织关系、实时状态、运行历史和业务结果无法从外部模型直接获得。这些信息共同构成企业独有的Process Context。 因此,未来企业AI的差异化很可能不只来自“用了哪个模型”,而来自“AI是否真正理解这家公司正在发生的业务”。 > **一句话总结** 模型决定AI能有多聪明,Process Context决定AI能否真正懂这家公司。 对AlphaFlow而言,流程天然就是企业业务上下文的重要载体。BPA提供流程资产与业务语义,BPMA提供真实执行状态,BPI提供运行事实与优化证据;Process Context把这些内容组织成AI可以理解、引用和受控使用的业务语义层。 > AlphaFlow,让流程更智能。 构建 AI 时代的企业流程底座。 ## FAQ:Process Context常见问题 ### Process Context是什么? Process Context是连接流程资产、组织权限、业务规则、运行状态和业务数据的结构化语义层,使AI理解当前处理对象、责任人、规则约束、允许动作和结果写入位置。 ### 为什么现在Process Context变得重要? 因为企业AI正在从问答和Copilot走向AI Agent业务执行。Agent一旦调用系统、修改对象或发起流程,上下文错误会直接变成执行风险,因此上下文成为生产基础设施。 ### Process Context和RAG有什么区别? RAG主要解决“需要哪些知识”,Process Context还解决当前流程状态、用户身份、权限、规则、业务对象、历史事件和结果写入位置。 ### Process Context和知识图谱有什么区别? 知识图谱擅长表达实体关系;Process Context进一步把这些关系与实时流程状态、权限、版本和执行控制结合起来。 ### AI Agent为什么需要Process Context? Agent不仅生成答案,还要调用工具并产生业务动作。它必须知道当前在哪个流程节点、有什么权限、哪些规则适用以及失败后如何处理。 ### Process Context和AlphaFlow是什么关系? 在AlphaFlow AI‑Native设计中,Process Context连接BPA、BPMA和BPI:BPA提供流程设计语义,BPMA提供运行状态与可靠执行,BPI提供运行事实和优化证据。 ### 企业如何开始建设Process Context? 建议从一条高价值流程开始,先统一对象、版本、权限和Trace ID,再逐步接入制度、规则、实时事件、业务数据和KPI反馈。

优秀的个人博客,低调大师

(ElasticsSearch学习)歌词检索Demo的实现:二. 搭建spring boot+spring data+jest+elasti...

1.说明 本文主要讲解如何使用Spring Boot快速搭建Web框架,结合Spring Data 和 Jest 快速实现对阿里云ElasticSearch的全文检索功能。主要使用组件:Spring Boot Starter:可以帮助我们快速的搭建spring mvc 环境Jest:一种rest访问es的客户端elasticsearch:全文检索spring data elasticsearch:结合spring datathymeleaf:web前端模版框架jquery:js框架bootstrap:前端样式框架 2.项目Maven配置 以下为项目Maven配置,尤其需要注意各个组件的版本,以及注释部分。各个组件的某些版本组合下回出现各种异常,以下maven为测试可通过的一个版本。 <?xml version="1.0" encod

优秀的个人博客,低调大师

【Javascript Demo】移动端访问PC端网页时跳转到对应的移动端网页

不想通过CSS自适应在PC端和移动端分别显示不同的样式,那么只能通过在移动端访问PC端网页时跳转到对应的移动端网页了,那么怎么跳转呢,网上也有很多文章说明,下面是本人测试有效的方式。 1.效果图 PC端访问显示: 移动端访问显示: 2.实现: 不考虑移动端搜索引擎优化的话,只需要通过JS判断是否移动端,然后确定是否跳转到指定页面就行了,主要JS如下: //判断是否移动端,如果是则跳转到指定的URL地址 function browserRedirect(url) { //只读的字符串,声明了浏览器用于 HTTP 请求的用户代理头的值 var sUserAgent = navigator.userAgent.toLowerCase(); var bIsIphoneOs = sUserAgent.match(/iphone os/i) == "iphone os"; var bIsMidp = sUserAgent.match(/midp/i) == "midp"; var bIsUc7 = sUserAgent.match(/rv:1.2.3.4/i) == "rv:1.2.3.4"; var bIsUc = sUserAgent.match(/ucweb/i) == "ucweb"; var bIsAndroid = sUserAgent.match(/android/i) == "android"; var bIsCE = sUserAgent.match(/windows ce/i) == "windows ce"; var bIsWM = sUserAgent.match(/windows mobile/i) == "windows mobile"; if (bIsIphoneOs || bIsMidp || bIsUc7 || bIsUc || bIsAndroid || bIsCE || bIsWM) { window.location.replace(url); } } 然后在页面引用JS,调用方法就行了: <script src="../js/wap.js"></script> <script type="text/javascript">browserRedirect("http://ycdoit.com/test/testmobile.html");</script> PS:大家可以用PC端和移动端访问测试页面查看效果。 本文转自叶超Luka博客园博客,原文链接:http://www.cnblogs.com/yc-755909659/p/4556066.html,如需转载请自行联系原作者

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册
修改密码
忘记密码