谷歌云今天发布了 Knowledge Catalog 的自我学习上下文增强能力（预览版），以及重新设计的 Knowledge Studio（预览版）。Knowledge Catalog 是谷歌云面向 AI 代理的上下文引擎，这次更新在已有的 Gemini 驱动增强之上，新增了通过分析代理与用户交互来发现上下文缺口的能力，让组织级业务上下文保持准确和最新。

代理的能力上限，取决于它所能推理的组织级定义、规则和关系。当前，这类上下文治理大多靠手工完成：上下文工程师按代理逐个编写提示词和映射，数据管理员在成千上万份资产里手动维护定义。但当代理数量从几个增长到上千、甚至上百万，这种模式迟早会崩。Knowledge Catalog 把这种手动维护转成持续反馈回路：分析代理与用户交互，定位缺失或过时的上下文，从 playbook、代码仓库、业务文档中抽取经过验证的定义，整理成可治理、可复用的上下文集，并通过优化搜索让每个代理只拿到恰好需要的上下文，而不是在臃肿的提示词和原始 schema 上推理。基于内部基准，Knowledge Catalog 让 AI 代理的准确率几乎达到原来的4倍，延迟最高降低33%，token 用量最多减少75%。

一个典型场景是问 Gemini 代理“What was the net revenue in EMEA last quarter?”，要答对，必须知道公司如何定义净收入、哪些表存了 bookings、它们怎么 join。这些知识通常散落在 Google Docs 的财务 playbook、GitHub 的数据模型和 Confluence 页面里。静态目录指望专家提前手工维护所有定义和指标，但专家不可能给每个资产写文档；一旦财务团队在下个季度调整了 partner credits 的处理方式，静态定义立刻过时，所有硬编码公式的代理都会给出错误答案。Knowledge Catalog 的增强能力直接作用于企业已有的知识存放位置：连上第一方和第三方结构化数据，以及 Cloud Storage、Google Workspace、GitHub、Confluence、SharePoint 中的非结构化数据，自动发现、提取、组装并维护这些业务知识。按需或定时运行，它会提出业务定义、表和列描述、join 关系、黄金查询、任务级代理指令，且每条都附来源引用和置信度。每次运行会检测源端变化，淘汰过时定义，标记冲突。

自我学习部分可以配置为分析 Gemini 代理、BigQuery 的 Conversational Analytics 或自定义代理的交互痕迹，同时脱敏 PII。它能定位代理出错的地方，比如列查找歧义、指标无依据、定义缺失、用户反复重述同一问题；随后找到权威答案并暂存修复，避免同一个错误发生第二次。这就是上下文工程跟上百万级代理交互的办法：专家从零编写变更，变成只审阅系统提议的变更。

自动化不等于放弃控制。用户可以随时开启或关闭自动发布，并设置置信度阈值（例如 85%），达到阈值的变更自动通过；低于阈值，以及删除这类敏感更新，会变成 Change Request，交给管理员审批、编辑或拒绝。也可以自带评估集来做端到端测试。所有变更都有完整来源记录，可以回滚。谷歌承诺不会用客户数据训练模型。

企业上下文图通常很宽，但特定任务往往只需要其中受信任的一小段。上下文集就是为此设计的：它是上下文图中有治理的、可复用的子集，涵盖特定领域、团队、代理或用户群的定义、指标、join 逻辑和黄金查询。例如销售代理绑定 Sales 上下文集，财务分析助理绑定 Finance 上下文集。不同部门可以各自维护“净收入”的定义。代理也可以不绑定单一集合，而是通过搜索动态找到合适的上下文集。上下文集通过 IAM 做细粒度访问控制，代理只能取被授权集合中的上下文，底层数据权限保持原样。基于 Open Knowledge Format（OKF），上下文集可以导入导出，保证可移植性。

重新设计的 Knowledge Studio 把这些能力收拢到一个交互式指挥中心。用户可直观浏览跨云数据资产的覆盖情况，用自然语言提问并沿着企业上下文图遍历关系，查看代理如何推理元数据；还能集中审阅每个提议变更、来源引用和置信度，用软件式版本控制批准、编辑或回滚变更请求。每次增强任务的调度、结果、token 用量和运行时长都会记录，完成时可邮件通知。这些功能将在未来几周内逐步向客户开放。