Agent竞争开始拼业务上下文，明略科技(2718.HK)二十年的Know how积累再次大放异彩

让AI写一份客户拜访提纲并不难。难的是，它知道这位客户上次提出了什么问题、目前处于哪个跟进阶段，以及哪些承诺还没有兑现。

Agent越接近实际工作，越需要这些背景信息。个人助手需要理解用户的偏好和日程，企业Agent则要理解业务规则、历史决策和操作权限。模型面对的是同一句指令，掌握的信息不同，执行结果可能相差很大。

MetaMuse把这个问题带到了更广泛的用户面前。Meta的技术说明显示，Muse通过连接器接入Instagram、Facebook等服务。用户日常使用的应用，开始成为个人Agent理解任务的信息来源。

腾讯小微的潜力，也可以从这里理解。微信连接社交、内容和服务，朋友圈、公众号、视频号承载不同类型的信息，小程序则提供完成具体事务的能力。如果相关信息和服务在用户授权下被有效调用，Agent就有机会更快理解需求，并继续执行。

这些平台的优势，是接近个人数字生活。企业Agent面对的，则是一套更复杂的业务环境：一条客户消息背后可能连着合同、库存和售后，一个运营指令背后可能涉及多个岗位。只理解用户想做什么，还不足以把工作做好。

明略科技-W（02718.HK）的业务积累，与这种需求有直接联系。公司成立于2006年，长期服务营销和企业运营场景。到了Agent阶段，这些经验有了新的用途：帮助AI理解一项业务为什么这样处理，下一步该调用什么，以及结果达到什么标准才算完成。

公司2026年中期业绩披露，智能门店运营系统覆盖超过7.5万家线下门店。门店里的问题往往发生在连续流程中，需要结合岗位、时间和具体经营情境判断。这样的场景经验，为企业Agent提供了区别于个人兴趣信息的业务基础。

不过，企业有数据，并不代表Agent就能用好数据。很多信息散落在表格、文档、工作群和业务系统中。哪个版本有效，哪个方案已经被否决，谁有权批准下一步，常常需要老员工凭经验判断。把这些关系整理清楚，本身就是企业AI落地的一部分。

明略发布的Octo，试图把这类信息留在工作过程中。按照公司介绍，平台可以记录任务的需求说明、过程讨论、产出、反馈和验收结论；人的批注与选择可以沉淀为偏好，成熟的工作方法可以整理成可复用的Skill。

这套设计的用处，可以从一次普通的报告修改看出来。客户要求删掉某种表述、补充一项证据，或者调整指标口径，这些意见都是业务知识。若它们只停留在某个人的聊天记录里，下次换人接手，还得重新沟通；若能够随任务保存，并在后续工作中被正确调用，就有机会减少同类返工。

企业Agent因此需要持续接触任务的完整过程。任务如何拆解，哪里出错，为什么被打回，最后如何通过验收，都会影响下一次执行。只保存最终成果，会丢掉很多有价值的判断。

明略内部的实践提供了这样的使用环境。根据9月17日的公司披露，超过2100名员工与5900个Agent通过Octo开展协作，覆盖代码开发、文档生成、项目管理等工作。持续发生的真实任务，让平台可以在日常使用中检验信息记录和协作方式。

这类积累也与腾讯生态产生了联系。明略旗下金数据、微伴助手已经接入WorkBuddy。其中，微伴助手可以在企业授权和员工权限范围内，提供客户画像、标签、会话存档、活动及任务等数据与能力。

销售准备拜访客户时，AI可以据此整理来源、跟进阶段和近期沟通重点；客服接手问题时，可以结合历史信息梳理事情经过。WorkBuddy负责理解和组织任务，专业产品提供与业务相关的信息，双方的协同由此落到具体工作中。

对明略而言，接入腾讯的Agent入口，也让多年形成的企业服务能力有了新的使用方式。表单、客户标签和会话记录，过去往往需要员工进入后台逐项查询，现在可以围绕一项任务组合调用。

这些信息仍属于相应的企业和用户，使用需要遵守授权范围。明略能够积累的是产品能力、行业经验和交付方法；Octo支持私有化部署，则让企业可以在自己的边界内保存工作知识。清晰的数据归属，是客户愿意让Agent参与更多业务的基础。

从经营角度看，业务上下文的价值最终体现在重复使用上。客户需求理解得更快、项目配置更省事、交付返工更少，积累才会变成效率。如果每个新项目仍需重新梳理全部流程，规模优势就难以形成。

这也是观察明略AI业务时更有意义的一条线索。二十年的经验能够提供起点，Octo记录的执行和验收过程则让经验有机会持续更新。未来拉开差距的，是这些信息能否帮助Agent把下一项工作做得更好。

以上内容与数据，与有连云立场无关，不构成投资建议。据此操作，风险自担。