上下文争夺战：办公 AI 的终局，不在模型而在上下文

过去一周，办公 AI 赛道几乎同时把赌注压到了同一个词上——上下文。谷歌说「模型每隔几个月就会更换，企业长期积累的上下文、技能和数据才是关键」；企业微信和 WorkBuddy 把账号体系打通、互相开放工作上下文；微软给智能体发了「常驻工位」和「控制之外」的权限。当头部玩家不约而同从「谁的模型更强」转向「谁更懂企业的业务流」，一个结论越来越清楚：办公 AI 的终局，不在模型，在上下文。

一、本周，办公 AI 同时转向了同一个词

把最近几天的动作摆在一起看，集中度很反常：

• 10-08 谷歌在 Gemini at Work 2026 大会推出面向企业办公的通用型 Gemini Agent，深入 Workspace 并连接外部业务系统；
• 10-07 微软在 Windows 与 Surface 活动上把 Copilot 重构为 Home / Code / Autopilot，Autopilot 是常驻型个人智能体；
• 10-14 企业微信与 WorkBuddy 联合发布新版本，WorkBuddy 以可对话机器人身份进入企微联系人列表；
• 10-16 网易·深流研究所发表综述《上下文争夺，为何成了办公 AI 新战场？》，把这一周的信号归到一个词上。

这些动作分属不同公司、不同产品形态，但落点高度一致：让 Agent 更深地进入企业的工作上下文。

二、谷歌先把「上下文」说破了：模型不是壁垒，上下文才是

据深流研究所报道转述，谷歌在解释 Gemini Agent 时说得直白：「领先模型可能每隔几个月就会更换，企业长期积累的上下文、技能和数据才是关键。」这句话值得反复读——它不是在贬低模型，而是在说模型能力会商品化、会换位，但企业沉淀的上下文不会随模型迁移。

Gemini Agent 的打法也印证了这点：它连接 Gmail、Drive、Docs、Calendar，也能接入 Microsoft 365、Slack、Salesforce、ServiceNow 和业务数据库（据第一财经 / 网易报道）；企业还可以为「Coworker Agent」分配独立身份、邮箱、日历和存储空间，让它以固定角色长期参与工作。模型是临时的，这些连接和长期积累才是黏性的来源。

三、企微 × WorkBuddy：用账号体系把上下文「接进来」

10-14 的企业微信与 WorkBuddy 联合，是另一条路径的注解。据封面新闻 / 新浪财经报道，升级后 WorkBuddy 进入企业微信联系人列表成为可对话机器人，可调用企微的工作上下文；双方共用一套企业微信账号体系，在工作授权范围内调用消息、文档、会议、网盘等能力。报道里有一句很关键的话：「使用 AI 的核心目标从来不是将分散的业务诉求和技术手段强行耦合，而是打通账号体系，连接全域上下文，让 AI Agent 更懂业务。」

四、微软更狠：给智能体「常驻工位」和「控制之外」的权限

微软的路径把「上下文」和「可信」绑在了一起。据媒体转述（华灯尚 / 第一财经），10-07 微软把 Copilot 重构为三个板块，其中 Autopilot 是常驻型个人智能体：运行在独立云电脑上，拥有自己的身份和记忆，在用户离线时继续工作，并可在 Teams 和 Outlook 中被像同事一样 @ 提及；定价也变了——按用量计费，管理员可用 FinOps 工具设智能体消费上限。

更关键的是治理能力同步登场：微软宣布 Microsoft Execution Containers（MXC，执行容器）正式可用，管理员可规定每个智能体能访问哪些文件和网络，策略在智能体运行时强制执行，且「在智能体自身的控制之外」——也就是智能体无法给自己提权。

五、为什么是现在？因为评价标准从「内容生成」变成了「任务执行」

驱动这一切的，是用户期待的迁移。据封面新闻 / 新浪财经报道援引的行业观察：用户的期待正从「问一下」变成「帮忙干」，AI 产品的评价标准也随之从内容生成变为任务执行。报道还援引 IDC 数据称，中国企业级 AI 智能体市场 2025 年约 212 亿元，预计 2026 年增至 449 亿元、2029 年有望突破 3320 亿元，年复合增长率超过 110%。

说明：上述 IDC 市场规模数字为媒体转述的 IDC 口径，非一手核验；引用时仅作趋势佐证，不作为精确事实断言。

六、我们的判断：上下文争夺的终局，是「把企业知识变成可行动的结构」

我们此前的判断——企业 AI 从「买工具」到「改组织」、要补的是组织与上下文（见《企业 AI 的「组织时刻」》）——正在被本周的信号印证。但想再往前一步：上下文争夺的终局，不是「把更多文件堆给模型」，而是「把企业知识连成可行动的结构」。

办公场景里的上下文，远不止几份上传的文件。聊天、邮件、项目文档、会议记录和业务数据是上下文；组织分工、版本状态、审批流程、访问权限也是；更深一层，还有企业长期形成的隐性规则——一份报价采用什么口径、一次发布要经过哪些环节、一项决策为什么曾被否决。这些信息散在文档、聊天、日历和业务系统里，员工靠经验把它们连成「来龙去脉」。Agent 要承担完整任务，也必须建立同样的联系。

七、数员站在哪一边

我们的立场很明确：不赌单个模型，赌「上下文组织能力」。数员 AI 原生工作平台以「连接企业全域上下文」为定位——数字员工不是孤立的聊天窗口，而是接入企业的组织上下文、业务系统与知识之后才开工（这与 10-11《企业 AI 的「组织时刻」》的判断一脉相承）。

在更底层，我们开源的 Djinn 也把上下文当作一等公民：会话通过 --session-id 跨消息继承上下文，system prompt 经文件注入，与企业上下文、知识检索、能力指令共用同一套构建；它 headless、可被任意系统 spawn 驱动，正是为了让「上下文组织」这件事能长在任意平台上，而不是锁死在某家私有实现里。

八、给企业的提醒：先盘清你的「上下文资产」

对想上 Agent 的企业，我们的建议很朴素：在追模型之前，先问三件事——我的上下文散在哪？谁能接？按什么权限接？一个连不上企业上下文、或接了却没有治理约束的 Agent，再强的模型也只是在真空里对话；而一个能安全接入上下文、可被追溯和约束的 Agent，才是能在核心业务里跑通闭环的那个。