大模型的上下文并不是越长越好。硅谷向量数据库公司Chroma在2025年的一项研究中测试了GPT、Claude、Gemini等18个主流大模型，发现所有模型的输出质量都会随上下文变长而持续下降，幻觉随之增多。行业里甚至有判断：未来越来越多的RAG架构会被大模型本身吞噬。对企业来说，结论很清楚——把所有数据一股脑塞给大模型，这条路走不通。
出路不是给得更多，而是给得更准。"AI进入组织级的实际工作场景，不取决于大模型是不是聪明，更多取决于企业的上下文给得够不够。"在"组织级AI办公先锋先行"西安站活动上，金山办公企业事业部解决方案负责人武岳表示。这里说的"够不够"，不是比谁的上下文更长，而是企业的知识、数据、流程和边界，有没有被结构化地治理好、精准地交给AI。在金山办公的企业级AI产品WPS Comate中，这套"给准上下文"的思路被落成了具体的产品能力。
上下文给准了，下一个问题是敢不敢用。国企对AI的核心顾虑是安全与可信。大模型基于概率推理，不可能百分之百正确。如果AI输出的结论无法核查，人工逐条复核反而消耗更大人力。"如果我们忽视了大模型的幻觉，这对于Agent进入我们的工作实际上是一场灾难。"武岳说。
对此他给出了一套工程化解法，也是WPS Comate进入企业场景时遵循的产品原则，包含三个要素。第一，输入要高质量。喂给智能体的不是Chatbot式的碎片对话，而是规则、附件、邮件、会议纪要等带格式、带场景的信息。第二，事实可追溯。AI的每一条结论都能回溯到具体的规章制度和业务数据。第三，结果可编辑、人可参与。AI完成工作后，人能在文档和表格中直接校验、修改、交付。同时，权限和边界本身就是一类上下文——哪些数据能看、哪些动作能做，智能体的每一步都在企业既有的安全体系内运行。
这套方法已在真实场景中跑通。以某省高速公路集团为例，金山办公的解决方案架构师依托WPS Comate与其共创，围绕养护、管理、服务支撑等业务线条，梳理出24条可快速见效的高频AI场景。在武岳团队服务的全国200多家国企中，类似的"泛办公"场景正越来越多：高速养护、法务尽调、舆情分析——只要跟文件、流程、数据相关、需要人来处理的事，都是AI办公的用武之地。
"知识质量越高，智能体工作越出色；工作得越多，就会产生越多高质量的上下文。"武岳总结道。对国企而言，AI落地的起点不是换一个更聪明的模型，而是先把自己的上下文工程建起来。在这条路上，WPS Comate已经出发。
