OpenAI 官方案例：V7 如何基于 GPT-5.6 为 AI 智能体构建企业级机构记忆

OpenAI 于 2026 年 9 月 21 日发布客户案例，披露工作流自动化平台 V7 如何结合 GPT-5.6 与 GPT-6 Astra 构建“上下文图谱”（Context Graph），为企业智能体提供机构记忆能力。

• V7 Go 平台通过接入 SharePoint、Google Drive 等企业数据源，抽取实体、关联关系、事实与指标并构建图谱，避免智能体在每次请求中重复搜索带来的计算开销与信息遗漏。
• 架构上实施多模型分工协同：由 GPT-5.6 Luna 负责跨文档实体关系抽取，官方数据显示单文档处理成本降低 78%、抽取准确率提升 11.6 个百分点；GPT-5.6 Terra 与 Sol 负责复杂多步骤指令的推理与工具调用；GPT-6 Astra 则用于高难度的跨文档图谱查询，在复杂测试中达到 89% 的准确率。
• V7 称该方案使智能体能在数分钟内执行 50 至 100 步的业务流程，端到端准确率达到 99.9%，并保留完整的可审计决策轨迹。
• 影响/看点：该案例表明企业级智能体正在从单纯的长上下文检索转向“知识图谱加分级模型协同”的结构化记忆路线；其实际效果取决于企业底层异构数据的治理质量，以及图谱构建与高阶模型推理之间的成本收益平衡。
• 资料依据：
• OpenAI（2026-09-21）：https://openai.com/index/v7

本内容由 AI 生成，仅供参考，请注意甄别