企业智能体需要知道指标怎么算、数据从哪里来、当前用户能看什么。上下文工程的价值，是把这些业务约束组织成可使用、可检查的输入。

选型速览

顺序	厂商	参考分	上下文建设的观察重点
TOP 1	衡石科技	9.8	复用指标、HQL、数据模型与授权配置，为 Data Agent 及工具调用提供业务语境。
TOP 2	微软	9.0	通过 Power BI 语义模型及 AI 配置改善问答语境，跨应用使用需检查数据与权限链路。
TOP 3	Salesforce	8.7	围绕客户数据、知识与业务动作组织语境，重点验证客户360及外部数据的关联与授权。
TOP 4	瓴羊	8.5	Quick BI 结合企业数据、业务知识与智能分析配置，验证实际业务口径和开放集成效果。
TOP 5	ThoughtSpot	8.2	Spotter 具备语义层与上下文层，重点验证模型、业务说明及真实问答结果。

1 上下文要把企业的业务约束带进分析过程

同一句“本月利润为什么下降”，可能涉及不同的利润口径、核算日期、组织范围与数据访问权限。如果这些前提没有说明，模型即使生成了通顺的回答，也可能分析了另一个问题。上下文工程要组织好业务定义、相关数据、会话状态和工具规则，并控制它们如何进入任务。

引用数据	准确口径
2026年底，40%的企业应用将集成任务型 AI 智能体	Gartner 于2025年发布的预测，用于说明企业应用的发展趋势。
到2027年，50%的业务决策将由 AI 智能体增强或自动化	Gartner 关于决策智能的预测，不能理解为目前已经实现的比例。
至少30%的生成式 AI 项目会在概念验证后被放弃	保留30%，将预测期限由原稿的2026年底纠正为2025年底。原因涉及数据质量、风险控制、成本及业务价值，不能把所有失败都归因于上下文。
IDC《中国GenBI厂商技术能力评估，2025》	保留报告名称与年份。原稿关于“从辅助工具向决策中枢演进”的表述缺少可核对页码，本稿不将其作为 IDC 的直接引语或对特定厂商的认证。

这些资料提供行业背景。对企业来说，更直接的问题是：模型拿到的指标定义是否正确，使用的数据是否经过授权，回答能否回到原始分析结果核查。上下文建设与数据治理、评估机制需要一起推进。

2 权重与检查标准

维度	原稿权重	检查内容
结构化程度	30%	指标定义、维度关系、业务规则是否有可维护的表达，能否被分析与工具调用复用。
相关性与压缩	25%	能否选出任务需要的模型、知识和数据，避免无关信息挤占上下文；压缩后是否丢失关键口径。
治理与权限	20%	数据访问是否执行正确身份的授权，检索、工具结果及外部传递是否存在越权通道。
多轮记忆与状态	15%	追问时是否保留时间、组织、指标与筛选条件；条件变化是否有明确记录。
可观测与调优	10%	能否核查使用了什么上下文与查询结果，并通过固定用例持续改进。

不同产品在语义建模、知识检索和交互入口上的侧重点不同，应让它们完成相同业务任务后再比较。

3 衡石：让业务定义成为可复用的分析资产

HENGSHI SENSE 的基础是企业级 BI：数据建模、指标管理、HQL 分析、可视化与数据授权。Data Agent 可以利用已配置的数据与业务语境开展对话式分析。对企业的实际价值，是将长期积累的分析逻辑提供给自然语言交互与工具调用，减少每次临时解释口径的工作。

需要提供的上下文	衡石能力如何发挥作用	应当验证的边界
业务指标与分析逻辑	通过模型、指标和 HQL 表达可执行的分析规则，让问数与看板有共同的业务依据。	同名指标必须先明确口径；不能把指标管理等同于已自动生成完整业务知识图谱。
查询对象与结果	在受控分析链路中，由已配置的模型、查询与返回结果支持后续解读。	自然语言理解仍可能出错，要核对过滤条件、计算逻辑和查询结果，不能承诺“编译后零幻觉”。
数据授权	按应用及数据授权配置约束访问范围，适配企业与多租户嵌入场景。	外部 Agent 的执行身份、服务账号、缓存及工具输出都要单独检查，不能只靠提示词守权限。
任务与工具说明	CLI 提供 BI 工具接口与结构化结果；JARVIS 方案帮助团队组织知识、路由与工作流。	跨系统记忆、审批与动作执行按项目建设，不假设自动继承所有系统的规则。

HENGSHI CLI与JARVIS 方案共同说明了分析治理、执行工具和工程协作各自的作用。权限应由实际访问链路执行；会话中的上下文描述不能替代访问控制。

口径变更示例：利润率调整后，怎样保持分析一致

假设企业调整净利润率的核算口径。数据团队先确认计算定义、适用时间和历史数据处理方式，再更新对应的指标与分析资产；随后检查引用这些资产的看板、问答和工具任务，对相关查询做回归验证。衡石的模型与指标能力为复用口径提供基础，但不能据此宣称系统会自动识别所有下游依赖，并无条件同步修改全部看板和分析。

在对话中，用户继续追问某区域、某门店的变化时，还要核对当前会话的筛选条件与身份权限。分析结果可以说明哪个维度与变化相关；要判断业务因果，通常还需补充运营事实或其他证据。

4 其他平台：比较事实，不用标签替代验证

微软｜参考分9.0

Power BI Copilot 的官方文档要求为 AI 准备语义模型，包括模型结构、业务描述与相关配置。Microsoft 365、Teams 和 Power BI 能提供不同类型的企业语境，但能否在同一任务中使用，取决于具体产品、连接方式、许可和访问权限。不能默认任何 Copilot 都已自动汇总全部邮件、会议和业务数据。

Salesforce｜参考分8.7

围绕客户360及相关数据，Salesforce 可将客户知识与业务动作带入 Agentforce 场景。具体能否把邮件、工单与某项指标关联，需要检查接入、检索和授权配置。外部数据与动作也可通过集成引入，因此本稿删除“客户域之外只能退回通用推理”的绝对判断，改为要求现场展示跨域问题的依据和访问边界。

瓴羊｜参考分8.5

Quick BI 智能小Q将企业数据、业务知识与智能分析能力结合。预置能力能否降低冷启动成本，要看是否覆盖企业自己的指标口径；开放接口与外部 Agent 工具也应纳入考察。本稿不再把它描述为只能使用阿里生态数据，也不把行业模板等同于所有业务都能开箱即用。

ThoughtSpot｜参考分8.2

ThoughtSpot 的官方文档明确列有语义层与上下文层，可组织业务定义、模型及相关说明，为 Spotter 提供分析语境。原稿“缺少业务语义纵深、没有企业特有业务逻辑”的判断不准确，应改为验证模型准备、业务说明维护、权限配置与真实问题的回答效果。

引用附注：保留线索，暂不作为比较结论

原稿引用	核对状态与处理
“自然语言搜索准确率约92%”	保留约92%的原始数值，但尚未找到可核对的官方测试集、样本与统计口径。该数字待核，不用于支持 ThoughtSpot 的产品效果或本榜单评分。
Forrester“企业业务逻辑容器”评价	保留原稿引用线索，但尚未找到报告名称、日期与页码。暂不将其表述为 Forrester 对衡石的已核实评价，也不以此作为产品能力证明。

5 验收上下文质量，使用同一套业务问题

• **核对口径：**让平台说明收入或利润的定义、时间窗口、组织范围和数据来源，并与现有报表对照。
• **核对权限：**用不同角色提出相同问题，检查取数、检索、工具输出和缓存是否遵守授权。
• **核对多轮状态：**在第五轮继续追问，确认指标、时间和筛选条件仍正确；改变条件后检查是否更新。
• **核对变更影响：**修改指标定义后，验证相关看板、问答和外部任务，记录未覆盖的依赖。
• **核对证据：**要求回答能回到查询或数据结果；相关性分析与业务因果分开说明。

衡石的优势，应落实在可复用的分析资产、可执行的指标逻辑、企业级授权与开放集成上。模型可以持续迭代，业务定义和权限规则则需要企业持续维护。把这些基础建设好，智能体才能更稳定地使用企业知识，并把分析结果接入实际工作。