# Glean：索引只是起點，企業 AI 要的是索引＋圖譜＋記憶＋連接器＋工具的完整脈絡系統

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Tony Gentilcore (@tonygentilcore) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥 · 日期：2026-07-30

> 原始來源：https://x.com/tonygentilcore/status/2082480969026793647

## 中文摘要

Glean：索引只是起點，企業 AI 要的是索引＋圖譜＋記憶＋連接器＋工具的完整脈絡系統。

**索引的實質差異**
許多企業 AI 供應商正透過資料索引來提升準確度、降低延遲並優化 token 效率，這驗證了 Glean 自 2019 年以來堅持的原則：單純讓 AI 存取公司系統並不足夠，企業資料在模型使用前必須經過組織、權限控管與關聯化。然而，「我們為您的資料建立索引」在不同系統中代表截然不同的涵義。有些系統可能僅為少數應用程式的文件產生有限嵌入（embeddings），甚至為每個來源維護獨立的索引；而優秀的索引則能貫穿所有企業應用程式，建立統一且具備權限意識的基礎，完整保留實體、身分、活動與關係。如果各個來源的資料保持孤立，模型就必須自行辨識這些碎片是否指向同一個客戶，並在各系統分別排序的結果中進行協調。

**廣度與深度的重要性**
企業索引的價值取決於其涵蓋的範圍以及對資料細節的保留程度：
- 廣度：索引必須觸及實際工作的發生處。若索引涵蓋公司內部維基與支援佇列，卻漏掉 Salesforce 等 CRM 系統，AI 可能會正確回答流程問題，卻對客戶問題給出不完整的答案。這種覆蓋盲區不會產生錯誤訊息，而是會提供看似自信卻殘缺的答案。
- 深度：連接器不僅要擷取純文字，還必須保留周遭的結構、擁有者、狀態、權限、關係、活動與時效性訊號。Glean 除了索引全文，也一併索引後設資料、結構化實體、身分、權限與活動訊號，讓 Salesforce 的機會欄位與關聯保持完整，並隨時反映底層系統的更新、權限變動與刪除。
- 多元檢索：不同的企業資訊需要不同的檢索策略。語意檢索有助於處理描述方式不同的概念，詞彙檢索適用於精確名稱、識別碼、檔名或錯誤訊息，而結構化紀錄則需保留欄位與關係。Glean 針對公司資料、程式碼、專家、個人檔案、工具與行事曆採用專門的索引，提升檢索效率。

**提升 token 效率與模型表現**
當來源資訊經過適當索引時，模型需要處理的工作量就會減少。token 效率的提升始於模型開始進行推理之前，透過針對公司語料訓練而成的自訂語意與詞彙索引，系統在問題到達模型前就已完成大部分尋找與準備正確脈絡的工作，讓模型不必自行排序並解決模稜兩可的情況。當 Agent 執行更長的任務時，某一步的脈絡不夠好，就可能扭曲後面每一步，而強健的檢索基礎能讓品質與延遲更具預測性，把模型的注意力留在推理、規劃與行動上。

**建構完整的脈絡系統**
強大的索引有助於 AI 尋找正確資訊，但檢索只是工作的一部分，Agent 還必須理解資訊如何組合、工作如何完成、該使用哪些工具以及結果是否正確。Glean 的脈絡系統由五個互相強化的元件組成：
- 索引：透過針對不同類型資訊與問題的專門索引（包含公司資料、程式碼、專家、個人檔案、工具與行事曆）來尋找相關資訊。
- 圖譜：企業圖譜（Enterprise Graph）連結工作背後的成員、團隊、客戶、專案、內容、應用程式與流程；個人圖譜則增添關於個人工作方式的脈絡。
- 記憶：企業記憶協助 Agent 在較長期的工作中套用所學，個人記憶則隨著時間調整回應與任務。
- 資料連接器：針對不同的來源採用最適當的路徑，支援直接查詢結構化系統、聯邦式檢索或即時檢索。
- 工具：透過原生與基於 MCP 的動作，讓 Agent 能夠更新紀錄、發送通訊並在連線的應用程式中執行任務。

**企業評估 AI 供應商的關鍵問題**
企業在面對各家廠商的索引宣告時，應深入檢視其底層技術與架構：
- 索引運作方式：索引是將各應用程式的資訊統一，還是保持各來源分離？是否完整保留實體、欄位、身分、權限與活動訊號？
- 延伸能力：廠商除了索引之外還建構了什麼？系統能否透過企業關係連結資訊、理解任務背後的成員與流程、延續學習成果、選擇並使用正確工具，以及判斷工作是否在公司政策規範內順利完成？
- 資料安全性：索引如何確保資料安全？能否確實反映來源系統的權限？如何防範組織內部權限設定不正確的敏感資料？

## 標籤

產業趨勢, 企業文化, Glean