OpenAI 内部 Data Agent 的六层上下文

为什么值得看

OpenAI 的内部 Data Agent 用于真实的员工工作，已经超出演示环境。文章把问题定义得很清楚。模型能力是基础，回答质量还取决于系统能否拿到正确的数据、业务语义、组织知识和当前任务信息。

六层上下文

系统把上下文分为六层，包括表和查询的实际使用信号、由数据团队维护的人工注释、Codex 对代码与数据资产的补充理解、散落在组织中的制度和业务知识、对历史交互的记忆，以及每次请求携带的运行时上下文。这样的分层让 Agent 不必把所有信息塞进一段提示词，也让每类知识有明确的维护责任。

产品形态

同一套能力可以从 Slack、网页、IDE 和 Codex CLI 使用，并通过 MCP 接入不同工作环境。文章还强调权限透传。Agent 不能因为拥有统一入口就绕过原有数据权限。持续评测用来检查回答正确性、工具调用和上下文质量，评价标准也超出了用户点赞数。

对 Data Agent 产品的启示

借鉴重点是这套产品骨架。多个入口复用同一 Agent，上下文由不同责任人分层维护，系统沿用原有数据权限，再用评测发现质量退化。生产级 Data Agent 因而更接近一套可信的数据工作系统，单次问答效果只占其中一部分。