跨国深谈← 返回←上下文图 (context graph)

集里怎么说它

• 《Uber 的智能体软件工厂:70% 的 PR 已经由 AI 写》(09:15起):本集核心知识构建模块：智能体在大型 monorepo 里找基本上下文要烧 token、加延迟，Uber 把公司如何运转的全部信息整合进一张有 150 种节点/边类型、4000 万条目的图，token、轮次和延迟都显著下降。
• 《让智能体的记忆变成真正能用的技能》(05:43起):本集说上下文图是承载智能体记忆的共享图,工作区范围内存储三类记忆,是技能蒸馏的来源,多个智能体共享一张上下文图互相学习。
• 《115 个微服务画成一张图，让 AI 编程助手不再瞎猜》(00:47起):本集的核心产物：Postman 为其工程架构构建的集中上下文图层，盘点每个微服务、每个端点直至具体代码行，每个数据点都必须锚定在代码或生产遥测这条硬事实上，并且必须持续同步，否则结果出错、开发者信任崩塌。

① 提到它的金句

1 条

但我们心中始终坚守的一个关键原则是：每一条落到上下文图谱上的数据点，都必须扎根于一个硬事实。
But one key principle that we had in mind always was every single data point that landed on the context graph always had to be grounded down in a hard truth.
—— Kamalakannan Nandagopal · [05:34]

指向原始笔记的链接

② 出现在这些集

3 集

• 《Uber 的智能体软件工厂:70% 的 PR 已经由 AI 写》 — 作为概念
• 《让智能体的记忆变成真正能用的技能》 — 作为概念
• 《115 个微服务画成一张图，让 AI 编程助手不再瞎猜》 — 作为概念

③ 关联

点进去有真内容 —— 本页主要出口

智能体 · 智能体记忆 · 技能 · Uday Kiran Medisetty · Will Lyon · Kamalakannan Nandagopal · Uber · Neo4j · Postman · 模型网关