System of Context
企业上下文系统，把资料、话术、SOP、FAQ、案例和客户会话变成可调用上下文。
这是 Shadow 的底座，也是企业级 AI 员工能够理解业务的前提。
System of Context
System of Context 先定义要改变的经营状态，再决定需要什么界面。
很多企业有资料，但没有上下文。资料散在网盘、群文件、PPT、客服话术、销售聊天和员工脑子里，AI 看不到真实业务，就只能回答通用问题。Context 模块先把企业知识变成可调用、可更新、可授权的上下文系统。
知识资产盘点
梳理产品资料、课程、案例、FAQ、合同、报价、售后记录、SOP 和历史项目，判断哪些能训练、哪些只能检索。
知识目录与权限
按部门、岗位、客户阶段和敏感级别建立目录，让销售、客服、运营、老板看到不同粒度的内容。
检索问答与引用
把知识库接入 AI 问答，要求回答可追溯、可引用、可复核，避免编造。
更新机制
定义知识负责人、更新周期、失效规则、版本记录和新增材料进入流程。
先确认企业缺的是共同语境，而不是更多文件夹。
资料、话术、SOP、案例很多，但销售、客服、运营每次都在重复找资料、问老人、改旧文档。
企业还没有稳定产品、服务或交付流程，知识每天大幅变化且无人负责维护。
哪些知识资产可以产品化，哪些资料过期，哪些高频问题可以交给 AI，哪些内容必须人工复核。
Operating Sequence
知识进入系统前，要先完成一次从文件到语义资产的转化。
每一步都会留下状态、证据和责任人。系统可以建议，也可以在授权范围内行动，但不能越过人类裁决权。
盘点
识别资料的业务用途、有效期、敏感级别与真正维护者。
建模
将产品、客户、政策、案例与流程映射为有关系的上下文对象。
评测
用真实问题测试检索、引用、拒答与跨版本冲突。
更新
通过 Semantic Diff 发现新旧口径差异，推动负责人确认。
Deliverables
上下文系统必须留下目录、口径、权限和维护责任，而不只是向量库。
企业知识库目录
一级/二级目录、资料类型、权限建议和维护责任人。
知识清洗清单
重复、过期、敏感、缺失和可产品化内容的处理建议。
问答样例集
销售异议、客服问题、老板追问、培训问答等高频样例。
上下文调用规范
哪些 Agent 调用哪些知识，何时引用，何时升级人工确认。
Operating Metrics
好知识库的证据，是答案可引用、口径会更新、权限不越界。
知识只有进入经营观察、岗位动作和治理体系，才会持续产生价值。
企业 AI 施工通常先从一个模块切入，再逐步连接上下文、AI 员工、老板简报和运维治理。
