Context決定一切｜愛分析訪談

原創(chuàng) 愛分析ifenxi 2026-07-15 08:00

30+硬核演講，洞見EDA與CAE前沿｜KDES上海 瑞薩8月無線技術(shù)月，手把手帶你跑通第一個工程

前一天深夜，朱鷹還在自己的工作臺里處理招聘、會議紀要和項目資料。第二天見面交流時，他直接展示了這套工作臺，會議逐字稿、部門待辦、管理干部review、跨項目關(guān)聯(lián)，以及不斷被修正和索引的企業(yè)文檔，都在同一個工作臺里流動起來。

這個工作臺月均處理約3000+份文檔，滲入到他的日常工作中。它不是一次“AI演示”，而是一套在CEO日常經(jīng)營里連續(xù)運行、持續(xù)糾錯、能反過來塑造組織節(jié)奏的管理基礎(chǔ)設(shè)施。

朱鷹是慧工智能創(chuàng)始人兼CEO。在他看來，Agent和Chatbot的區(qū)別，已經(jīng)不只是界面是不是一個對話框，而在于系統(tǒng)背后有沒有企業(yè)自己可掌握的上下文工程，或者說可控的記憶結(jié)構(gòu)：可追溯的數(shù)據(jù)來源、可版本化的規(guī)則、可調(diào)用的工具、可評測的結(jié)果，以及可審計的權(quán)限邊界。企業(yè)真實運轉(zhuǎn)中的會議、項目、流程、客戶和現(xiàn)場經(jīng)驗，能不能被持續(xù)組織起來，變成可調(diào)用、可復(fù)用、可迭代的Context，才是這一輪AI進入工業(yè)軟件的關(guān)鍵。

正因如此，本次交流很快從“怎么做一個Agent”，擴展到工業(yè)軟件問題。當企業(yè)Know-how開始被壓進skill和小模型，當Workflow不再只是固定流程，而要圍繞目標和意圖重新設(shè)計，當軟件越來越像服務(wù)，工業(yè)軟件公司未來的壁壘到底會在哪里？接下來兩三年，工業(yè)企業(yè)又該如何重新理解自己的組織、產(chǎn)品和客戶關(guān)系？

核心觀點

Context才是新壁壘。

企業(yè)級智能體真正難復(fù)制的不是模型調(diào)用，而是誰能持續(xù)拿到真實工作里的上下文，并把它變成可調(diào)用的記憶結(jié)構(gòu)。更進一步說，誰能把每一次會議、交付、異常、客戶反饋變成下一次Agent判斷的證據(jù)，誰才有復(fù)利。

Know-how會迅速被壓縮進skill和小模型。

過去靠經(jīng)驗、流程文件和提示詞守住的秘密，會越來越難單獨構(gòu)成護城河。

智能體會改變組織管理半徑，一號位的認知和投入變得更關(guān)鍵。

信息能力增強后，管理者可以直接管理更大的團隊，但組織也需要重新思考一線員工如何在高執(zhí)行環(huán)境中持續(xù)成長。AI放大的是一號位的判斷質(zhì)量、組織設(shè)計能力和執(zhí)行節(jié)奏，不是簡單把人壓成“執(zhí)行機器”。

工業(yè)軟件會被智能體重做一遍，客戶資源和服務(wù)能力成為工業(yè)軟件公司的關(guān)鍵競爭優(yōu)勢。

當通用能力逐漸被大模型吸收，工業(yè)軟件公司的競爭力更多來自客戶信任、業(yè)務(wù)理解，以及在服務(wù)過程中持續(xù)沉淀的真實業(yè)務(wù)Context。

賣軟件會轉(zhuǎn)向賣服務(wù)和代運營。

未來企業(yè)采購的不是軟件License，而是一個需要持續(xù)調(diào)優(yōu)、自我進化、嵌入現(xiàn)場的Agent員工。

以下為本次訪談實錄，在不改變原意基礎(chǔ)上略有修改。

“你要讓它懂你”，Agent核心是可控記憶

愛分析：從您的實踐來看，Chatbot和Agent的區(qū)別是什么？

朱鷹：區(qū)別其實非常大。Chatbot在某種意義上只有一次對話的機會（盡管已經(jīng)有記憶、文件檢索和工具調(diào)用等功能），它不能帶著很長的記憶和上下文去做事情，這些仍然不等于企業(yè)級Agent。消費者產(chǎn)品的記憶是平臺替你保存，企業(yè)級Agent的記憶必須由企業(yè)自己定義、校驗和治理。你最后如果要讓AI變得聰明，本質(zhì)上一定要讓它懂你。

大模型本身是沒有記憶的，它需要有一個結(jié)構(gòu)去存你的東西。問題是，你存下來的這些東西到底是什么？如果只是對話框里的記憶，仍然很淺。

愛分析：現(xiàn)在ChatGPT、Gemini也有記憶能力，這些不夠？

朱鷹：那個記憶還是很淺，也不夠可控。比如我在Gemini里聊天，它可能知道今年公司的目標是什么、我擅長什么，但你不知道它到底記得什么。有時候它會讓你驚喜，有時候又很奇特。所以這里的重點不是否認大廠記憶能力，而是區(qū)分“平臺替你記住”和“企業(yè)自己擁有可追溯、可刪改、可審計、可遷移的工作記憶”。

我現(xiàn)在自己的工作臺里，有會議紀要、項目資料、客戶名稱、部門狀態(tài)、待辦事項，還有很多自己生成的MD文件。比如招聘這件事，它可以根據(jù)業(yè)務(wù)相關(guān)資料，幫我看最近招聘缺口、崗位需求，甚至把管理干部的狀態(tài)定期review一遍。這些事情在Chatbot里做不了，因為它缺的東西太多。

所以這更像是你在控制一部分記憶。不是說模型忽然變聰明了，而是你給它一個結(jié)構(gòu)，讓它能把真實工作里的上下文組織起來。這就是現(xiàn)在AI工程里越來越重要的Context engineering：不是把所有東西都塞給模型，而是決定什么該存、怎么索引、何時取回、如何驗證、錯了怎么修。

愛分析：所以你現(xiàn)在強調(diào)的其實不是一個聊天框，而是一個工作臺。

朱鷹：對。昨天我還給朋友現(xiàn)場看了我自己的工作臺。會議紀要、逐字稿、招聘缺口、顧問卡片、跨部門待辦，全在里面。昨天晚上我還在刷Boss直聘，順手讓它幫我看最近的招聘缺口，重新過一遍我上個季度還在招哪些崗位。你放在Chatbot里，它其實做不了，因為它缺的東西太多。

愛分析：這套工作臺現(xiàn)在大概跑到什么規(guī)模了？

朱鷹：我們現(xiàn)在一個月大概處理3000份文檔。它會不停滾動。比如我管理部門，會產(chǎn)生很多洞察、很多待辦，下周開會又會有更新，更新完以后你又會有新想法，部門和部門之間還會有新的關(guān)聯(lián)。我還有后面的腳本，定期去review管理干部的狀態(tài)，再給他補一些東西。你可以認為，這其實就是你在某種程度上開始控制了一部分記憶。

愛分析：普通聊天記錄和這種記憶積累，最大的差異是什么？

朱鷹：差異在于“可控”。一旦你把工作真正帶進去，它就會慢慢開始理解你。它不是不會，它只是原來不了解。

愛分析：也就是說，Agent的價值不只是能調(diào)用工具，而是能處理更長、更穩(wěn)定的上下文？

朱鷹：對，而且你能在中間感受到它的過程。Chatbot的上下文不會一直那么寬，東西多了以后就會不停壓縮。壓縮到一定程度，它就會飄。

我覺得一個有智慧的Agent，它的記憶有一個“甜點區(qū)”，可能在30%到60%。太少了沒有東西，太多了以后它會變笨。Anthropic有個說法，說從心理學(xué)角度看，Agent會變得緊張。我覺得這個比喻挺形象的，人手頭事情多了，狀態(tài)也會不正常。

Agent最后呈現(xiàn)出來可能還是一個聊天窗口，但它背后調(diào)用的事情已經(jīng)不一樣了。Agent不是簡單陪你聊，而是在項目里工作，有文件、有規(guī)則、有索引，也有很多本地能力。

愛分析：這種差異落到企業(yè)場景里，會帶來什么變化？

朱鷹：哪怕只是我這個很小的工作臺，當3000多份文件被組織起來以后，你想遷移到另一個框架，其實就挺痛苦。你可能還得再干一遍，即使比以前快不少，也還是得干一遍。只要不出大問題，我不會遷移現(xiàn)有系統(tǒng)。

以前企業(yè)系統(tǒng)里很多只是業(yè)務(wù)數(shù)據(jù)，而且比較結(jié)構(gòu)化。現(xiàn)在這些文檔已經(jīng)很難再靠人工處理，因為數(shù)據(jù)量太大。我們最近也準備把過去七八年Confluence上的文檔重新整理成企業(yè)知識庫。一個員工如果入職后能把公司所有東西讀完，他基本就了解公司了，但這種神童很少出現(xiàn)。

所以我們叫把Context index化。人的大腦也是分塊記憶的，你不一定記得大學(xué)課程的每個細節(jié)，但你記得課程名、老師、結(jié)構(gòu)。要找的時候，你找到那本書，翻開以后，很多記憶就回來了。大模型也一樣，本質(zhì)上是壓縮，你既要能壓縮，又要能找回去。長上下文窗口會繼續(xù)變大，但它不是終點；企業(yè)真正需要的是“壓縮后還能找回證據(jù)，生成后還能被評測”的機制。

Context比Know-how更重要，秘密會被壓進小模型

愛分析：如果Context變得這么重要，未來企業(yè)是否需要訓(xùn)練自己的模型？

朱鷹：會，但不一定是訓(xùn)一個大模型，可能是訓(xùn)一個小模型。相當于把你的記憶壓在一個結(jié)構(gòu)里，這個結(jié)果我覺得比較必然。當然，小模型有價值，但它只是體系中的一個部件。

很多企業(yè)的秘密，包括很多工業(yè)Know-how，其實都在skill里，本質(zhì)上是一些提示詞、IT文件和處理規(guī)則。廠商怎么保存這些Know-how，是很重要的事。如果廠商能把它壓在一個小模型里，它就真的變成一個秘密，外部想反推出這些內(nèi)容并不容易。但小模型不是一蹴而就的，真正難復(fù)制的是現(xiàn)場流程、客戶信號、評測樣本、異常處理下，持續(xù)運營出來的反饋閉環(huán)。

愛分析：這件事和2024年很多企業(yè)訓(xùn)練模型的邏輯已經(jīng)不一樣了。

朱鷹：完全不一樣。現(xiàn)在大家說做模型，不一定是為了通用能力有多強，而是為了把一些不想給別人看的東西藏進去。說白了，就像以前寫程序一樣，你把東西編成一層別人不容易直接看透的結(jié)構(gòu)。模型不需要很大，但它可以變成你的秘密載體和安全邊界。

愛分析：那是不是意味著，過去大家守著的經(jīng)驗，未必還能構(gòu)成長期壁壘？

朱鷹：對。現(xiàn)在大家抄Agent抄得很快。只要你開放給別人，他就能照著你做，能蒸餾，能修訂，能猜出你大概是什么。多數(shù)人的秘密，其實沒有自己想得那么大。你怎么保存這些東西很重要，但如果你能把它壓在小模型里，它才真正變成比較穩(wěn)的秘密。

愛分析：所以長期更有價值的積累，剩下什么？

朱鷹：還是向前看，很多東西會變得完全不一樣。你今天守著的那些東西，不一定還能一直有用。真正重要的是，你的客戶能不能越用越順手，越用越離不開你。如果他永遠只是像用一個Chatbot那樣，把數(shù)據(jù)塞進去就出結(jié)果，那你其實很危險。

工作流不會消失，但工業(yè)軟件的中心會從SOP轉(zhuǎn)向意圖

愛分析：如果企業(yè)知識和經(jīng)驗都在被重新組織，工作流還有價值嗎？

朱鷹：有，但工作流和以前理解的Workflow可能不太一樣。你確實要把很多工作切分開，讓不同部分分別去做，但不一定像以前一樣，并不需要每個流程都緊緊串聯(lián)起來。

工業(yè)里原來專家一步步做事情的經(jīng)驗仍然有用，但不是直接照搬就能用。專家腦子里有一套框架，但有兩個問題：第一，他可能說不明白，但做事是有節(jié)奏的；第二，這套框架和他本身能力有關(guān)，他干得好的事，別人不一定能做好。

愛分析：所以不是把專家流程原樣搬進AI，而是要重新拆解？

朱鷹：對，要想清楚適合大模型的Workflow是什么。AI不一定適應(yīng)我們以前的流程，但它很擅長處理現(xiàn)在信息量大幅提升之后的事情。比如三個小時錄音，以前沒有人真的愿意重聽一遍，現(xiàn)在它可以很快轉(zhuǎn)成文字稿，再往后做總結(jié)、分析和交叉檢查。

我覺得要結(jié)合原來的專家經(jīng)驗進行重構(gòu)。以前我們做流程，是為了把一件事變得更清楚，最好寫成SOP，讓小白也可以做。但現(xiàn)在不一定是這樣，目標和意圖可能更重要。更準確地說，不是SOP消失，而是SOP要和意圖、工具調(diào)用、評測標準、人審節(jié)點組合在一起。工業(yè)場景尤其不能只有“意圖”，還必須有邊界條件和責任鏈。

愛分析：你剛才提到“意圖”更重要，怎么理解這件事？

朱鷹：現(xiàn)在有些skills很有意思，它會持續(xù)追問你，從各個方面問問題，直到形成shared understanding。以前老板這么講，你可能覺得這些都是正確但空泛的話。但現(xiàn)在這些話可以驅(qū)動AI，把專家原來散落在碎片里的東西，還原到他最本源想做的事情上。這類skill的價值，不在于提問本身，而在于把專家的隱性判斷轉(zhuǎn)成可復(fù)用的決策樹(decision tree)、驗收標準。

這也是為什么我跟銷售說，每次出門前哪怕只給Agent一些基礎(chǔ)信息，讓它推動你把事情想清楚，也很有價值。如果每次交流都被記錄下來，它很快可能比你更了解你自己的事情。

愛分析：模型規(guī)劃能力變強以后，人是不是可以少做規(guī)劃？

朱鷹：我覺得不是。現(xiàn)在有兩個東西至關(guān)重要，一個是你的業(yè)務(wù)數(shù)據(jù)；另一個就是你的設(shè)計思路。

人的注意力和品味是至關(guān)重要的一件事。你要會去體會AI，要能精準描述問題。以前開發(fā)改bug，用戶說“這里有個問題，你幫我改一下”，這其實不夠。你要先分析它是不是問題，再定位問題，再把相關(guān)因素拆出來。每一步都有方法論，只是以前很多開發(fā)不是這么干。

愛分析：這些問題會隨著工具演進慢慢被解決嗎？

朱鷹：會。我覺得現(xiàn)在開發(fā)框架都在快速解決這個問題，有的是通過加強skill，有的是通過插件。你會發(fā)現(xiàn)這些產(chǎn)品演進方向在快速趨同，說明大家基本上找到了一條共識的路。

這也是為什么我覺得國產(chǎn)模型沒有太落后，中國企業(yè)在應(yīng)用層不必妄自菲薄。很多能力不是單純模型能力，而是工程框架、交互方式和工作流組織能力。誰能把這些東西組合起來，誰就能跑得更快。對工業(yè)企業(yè)尤其如此：贏家不一定是模型參數(shù)最多的人，而是最先把模型嵌進真實流程并持續(xù)學(xué)習的人。

AI會改變組織管理半徑，一號位的認知和投入是天花板

愛分析：當Agent進入真實業(yè)務(wù)，組織管理會發(fā)生什么變化？

朱鷹：我覺得必須自上而下推動AI落地。這件事至少在效率層面上會帶來巨大變化，擴大到組織層面，就是你的信息能力變強以后，可以直接管理的團隊會比以前大。

對我來說，管20個人和管30個人區(qū)別不大，因為只要注意力控制得好，就可以非常聚焦。團隊大了以后，上下文反而更多。以后如果人類組織從1:5、1:10，變成1:20、1:30，那是很大的變化。

愛分析：但管理半徑變大以后，對組織里人的成長會不會也有沖擊？

朱鷹：會，而且這是很可怕的一面。我現(xiàn)在對很多一線同事的要求是高執(zhí)行，甚至某種意義上，他們不動腦子更好，但我不認為這等于讓人不思考，而是習慣先有問題就問AI，這其實是逼著我們進入上卡尼曼說的慢思考，多數(shù)時候得到的答案比自己想要好。

問題是，如果始終在這種訓(xùn)練模式下，他們怎么成長？就像現(xiàn)在管理Coding Agent的人，很多判斷來自過去積累的犯錯經(jīng)驗。如果一個人從第一天就和Agent一起長起來，他可能反而不知道Agent在做什么。

愛分析：所以公司能力會更集中在一號位身上？

朱鷹：我覺得現(xiàn)在已經(jīng)進入轉(zhuǎn)型期。大企業(yè)還有慣性，可能靠資本、靠資源度過一個周期。但對中小企業(yè)來說，這件事沒有辦法。工業(yè)革命來了，你的競爭對手很快就和你不在同一個生產(chǎn)力水平上，你怎么和他競爭？AI不只是工具升級，而是在重寫企業(yè)的信息流、決策流和執(zhí)行流。

工業(yè)里會有差異，取決于業(yè)務(wù)本身有多依賴生產(chǎn)設(shè)備。越依賴重設(shè)備，變化可以慢一點；越輕資產(chǎn)、固定資產(chǎn)投入越少，越要最先變。像我們這樣的公司以前的生產(chǎn)資料就是硬盤上的文件，這種東西未來可能就沒那么值錢了。

愛分析：放到制造業(yè)里看，離散制造和流程工業(yè)會有什么不同？

朱鷹：離散制造，特別是裝配型制造，變化會比較快。流程類也會變，但風險更大，約束條件更多。離散制造里，如果你管10萬個一線工人，少掉一個管理層級，能省多少錢？這個賬很容易算清楚。

所以目標明確、約束條件規(guī)則越少的地方，會變得更快。很多規(guī)章制度也會被重新審視，因為信息需要流動起來，讓Agent能進入銷售拜訪、項目交付這些真實場景里。

軟件公司正轉(zhuǎn)向賣服務(wù)，客戶資源是公司最大護城河

愛分析：對工業(yè)軟件公司來說，長期壁壘是不是就變成能不能拿到更多context？

朱鷹：核心就是這個。最值錢的東西其實是Context。包括軟件開發(fā)里也能感受到，測試集會非常影響效果。我現(xiàn)在甚至要求他們開發(fā)系統(tǒng)時直接往生產(chǎn)機上發(fā)，盡早進入真實場景、真實數(shù)據(jù)和真實反饋，但通過生產(chǎn)鏡像、灰度、回滾、審計來控制風險，因為只有這樣才能更真實地展現(xiàn)實際情況。

這和原來工業(yè)軟件做法完全不一樣。原來講究可靠性、非常細致地雕琢之后再交付。但現(xiàn)在有些事情是反直覺的。比如我跑自己的工作臺，前兩個星期錯誤率非常高，這時候你能不能堅持去喂養(yǎng)它？你不能出來一個Markdown就手修Markdown，而是要通過規(guī)則讓它重新生成。

我自己的感受是，大概到第三個多星期，工作臺的可用性一下子變得很強。智能體需要被持續(xù)喂養(yǎng)，你要不停告訴它Context。智慧有時候不是線性增長的，不是今天91分、明天92分，而是可能某一天突然變得可用。

愛分析：你判斷智能體重塑工業(yè)軟件的周期會有多快？

朱鷹：第一波智能體應(yīng)用會非常快地出現(xiàn)。我自己判斷，智能體滲透工業(yè)軟件的周期可能也就是兩三年。一旦有人想清楚怎么做，推進起來會非常快。

Coding是一個很好的參照。它的好處是所有人都在電腦上工作，Coding Agent產(chǎn)品可以自我改進，數(shù)據(jù)飛輪能自己轉(zhuǎn)起來。從去年八九月份有人跑通這條路，到現(xiàn)在很多開發(fā)團隊都在談變化，也就是七八個月的時間。

工業(yè)軟件肯定會慢一些，因為進入門檻更高，客戶信任周期更長。但哪怕只是初步智能體，一個六七個億規(guī)模的工廠，一年用AI減少低級、重復(fù)、又帶一點小智慧的勞動，節(jié)省三四百萬人工費用，我覺得是沒有問題的。我們在工業(yè)客戶中，采購詢價與比價、質(zhì)量8D輔助、設(shè)備維修知識助手、生產(chǎn)異常分析、交付進度跟蹤、報價輔助、會議任務(wù)追蹤、經(jīng)營分析，這些都是先行ROI場景。

愛分析：工業(yè)軟件公司在這輪變化里還有什么優(yōu)勢？

朱鷹：客戶資源會變成最大的護身符。我們年初做了5天戰(zhàn)略會，到第三天做了很徹底的調(diào)整。最后大家識別出來一件有點搞笑的事：智能體和AI來了以后，客戶連接竟然是我們公司最大的護身符。客戶信任、現(xiàn)場部署、真實反饋和長期服務(wù)關(guān)系，反而變成了我們最大的護城河。

在ToB領(lǐng)域，能夠觸達很多客戶，而且客戶對你有信任基礎(chǔ)，這是一件很重要的事。就像當年互聯(lián)網(wǎng)剛來時，阿里帶著每個企業(yè)做網(wǎng)站、做黃頁，我覺得現(xiàn)在又有點像那個階段。

我現(xiàn)在做一個新產(chǎn)品，肯定有客戶愿意試，這就是工業(yè)軟件公司還剩下的優(yōu)勢。技術(shù)本身很多已經(jīng)不是最大難點，難點是你能不能進入客戶現(xiàn)場，能不能把前端交互調(diào)得更友好，不要把一個看起來很先進、但客戶根本不知道怎么用的工具直接交給客戶。

愛分析：這么看下來，工業(yè)軟件公司未來是不是都得轉(zhuǎn)向服務(wù)？

朱鷹：我覺得這是必經(jīng)之路。因為以后你賣進去的Agent，本質(zhì)上也是個Service。它不是過去那種“躺著收錢”的軟件服務(wù)，而是你真的賣進去一個“員工”，你要持續(xù)管它、養(yǎng)它、優(yōu)化它。那你其實就是人家的代運營，也是伙伴。這個服務(wù)未來更像“AI員工托管+業(yè)務(wù)結(jié)果共創(chuàng)”：有上線、培訓(xùn)、監(jiān)控、評測、升級、事故復(fù)盤和收益復(fù)盤，而不是一次性交付。

愛分析：而且只有持續(xù)服務(wù)，數(shù)據(jù)才能持續(xù)積累。

朱鷹：對。沒有這個過程，你的數(shù)據(jù)就積不起來。我們自己原來就有咨詢業(yè)務(wù)，所以并不怵服務(wù)。反而這些年做咨詢要求大家把文檔都存下來，Confluence、Share Seafile一類東西長期沉淀，今天回頭看，全成了AI Ready的資產(chǎn)。這句話很適合強化慧工智能的先見：過去看似笨重的咨詢文檔、會議記錄、項目復(fù)盤，今天變成了可被Agent調(diào)用、評測和訓(xùn)練組織的Context資產(chǎn)。

愛分析：如果企業(yè)級入口被釘釘、飛書、微信這些平臺拿走，工業(yè)軟件還有空間嗎？

朱鷹：我反而準備跟這些平臺合作，做它們的服務(wù)商，我覺得他們不太想進入到這么專業(yè)的領(lǐng)域。通用平臺會拿走入口和連接器，垂直廠商要把工業(yè)語義、現(xiàn)場服務(wù)、數(shù)據(jù)合約和應(yīng)用閉環(huán)做深，成為平臺上的工業(yè)AI服務(wù)層。

平臺做通用場景就行，比如CRM，最重要的信息其實是銷售拜訪信息，其他東西都沒有那么重要。通用SaaS廠商現(xiàn)在會很恐慌，因為從終局看，它們好像沒有什么護城河。原來幾乎所有護城河都不存在了。

你只能把原來積累的知識和Context，快速轉(zhuǎn)化成新的產(chǎn)品應(yīng)用，再快速鋪市場。我覺得對很多一號位來說，這是很難做到的。好不容易以為可以躺著收錢了，突然又要爬起來重新干活。

愛分析：通用場景的競爭會持續(xù)很長時間嗎？

朱鷹：會持續(xù)競爭。對通用SaaS來說，擔心的是會被基模吃掉。所以我覺得現(xiàn)在是比誰跑得更快。你永遠不知道競爭會從哪里來，唯一能做的是把自己的Context、客戶關(guān)系、服務(wù)能力和產(chǎn)品化能力盡快連接起來。未來不是“誰有一個軟件入口”贏，而是看誰能從每一次客戶使用、每一次現(xiàn)場異常、每一次服務(wù)復(fù)盤中最快學(xué)習，并把學(xué)習重新變成產(chǎn)品。

注：點擊左下角“閱讀原文”，查看更多洞察內(nèi)容。

登錄閱讀全文



免責聲明：該內(nèi)容由專欄作者授權(quán)發(fā)布或作者轉(zhuǎn)載，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點，本站亦不保證或承諾內(nèi)容真實性等。若內(nèi)容或圖片侵犯您的權(quán)益，請及時聯(lián)系本站刪除。侵權(quán)投訴聯(lián)系：? nick.zong@aspencore.com！

愛分析ifenxi 愛分析ifenxi是專注于AI市場的研究咨詢機構(gòu)

進入專欄

評論

愛分析ifenxi 愛分析ifenxi是專注于AI市場的研究咨詢機構(gòu)

文章：1225篇粉絲：15人

 私信

Context決定一切｜愛分析訪談

核心觀點

最近文章

熱門文章

推薦

最新資訊