企业Agent缺的不是更多文档，而是业务关系
V7在2026年9月21日发布的V7 Go，是一个面向金融、保险和房地产等文档密集型场景的Agent工作流平台。V7的核心判断是，GPT-5.6 Luna可以从SharePoint、Google Drive等来源接入数百万份文件，把其中的公司、基金、人员、事实、属性和指标组织成Context Graph，再由GPT-5.6 Terra和Sol负责复杂流程中的推理与工具调用。V7还开始把GPT-6 Astra用于最复杂的图查询，包括跨数千份文件的金融分析。
这个设计针对的是一个容易被“长上下文”掩盖的问题：企业任务的难点往往不在某个文件里有没有答案，而在同一实体在多个系统中如何命名、哪一份基金报告是当前版本、某个数字和哪些历史关系相关。普通Agent每次接到任务都要重新搜索这些背景，既消耗Token，也可能漏掉藏在关系链里的证据。V7试图把一次次临时检索，改造成一份可以持续更新、直接查询并且指向原文的业务记忆。
Context Graph把“找答案”拆成了记忆层和检索兜底
V7 Go接入文件后，会按照预先定义的本体识别实体，并把每个事实连接到新记录或已有记录，同时保留原始来源的引用证据。图中保存的不是一段被压缩后的企业摘要，而是实体、关系和证据之间的结构化连接。Agent可以通过MCP搜索直接查询这些记录；如果图中信息不足，系统仍会回到底层文档，用RAG补充检索。这种双层设计很关键，因为企业知识既需要稳定的关系结构，也需要在结构不完整时保留对原文的访问。
长时间运行的Agent也因此有了不同的上下文分工。最近的对话留在模型的活动上下文中，较早的内容则存入图中，只有在任务需要时再取回。V7声称，这种图结构的遍历成本和速度相较长上下文方法提升了一个数量级，但材料没有说明这个比较的具体基线、数据规模或测量方法。对技术负责人来说，关键并不是接受“Graph一定更快”，而是确认哪些关系会被预先计算、哪些查询仍然需要回到原始文件，以及图更新延迟是否满足业务时效要求。
数字显示的是流程收益，也暴露了验证难度
V7给出的证据同时覆盖模型、检索和业务流程三个层面。GPT-6 Astra在V7所称的最困难图查询测试中达到89%准确率；GPT-5.6 Luna则被归因于每份文档成本降低78%，准确率提高11.6个百分点。在HERB这一用于寻找并连接分散于企业系统中信息的基准上，V7称其仅使用检索的系统比官方基线高69%，并让不可回答问题的幻觉减少38%。这些数字说明结构化上下文可能带来收益，但它们来自不同测试和比较口径，不能合并成一个统一的“系统准确率”。
在工作流层面，V7称Agent可以在几分钟内完成50至100步流程，达到99.9%准确率，并为每个决策保留可审计轨迹。展示的案例是从私募股权交易的CIM中提取关键财务数据、交易条款和管理层信息，再对风险字段加引用并生成筛选备忘录。V7还称资产管理客户的交易筛选速度提升21倍，把一个完整工作日压缩到15分钟。这里最值得技术团队拆开的不是“99.9%”这个总数，而是每一步的通过标准、错误是否会向后续步骤扩散，以及人工审核发生在流程的哪一个节点。
对技术负责人的实际含义：先治理实体，再扩展动作
如果把V7 Go看成一个可复用架构，它的价值首先不在于让Agent“会做更多事”，而在于让多个工作流共享同一套企业语义。私募交易筛选、保险承保和财务分析都可能反复使用公司、基金、人员、财务指标与风险字段。只要这些对象被一致解析，并且每个事实都能回到来源，团队就可以把一次性提示词工程转化为围绕共享上下文的工作流设计，减少每个Agent各自维护检索逻辑的重复建设。
但这也把系统的主要风险前移到数据建模阶段。实体合并错了，后续查询会把两个公司或两份报告当成同一个对象；来源过期了，引用完整的答案仍可能不适用于当前决策；本体覆盖不足时，图会给人一种结构完整的错觉。因而部署时应先为实体、版本、来源、更新时间和不可回答状态建立明确的评估集，再决定哪些步骤可以自动执行，哪些步骤只能生成带证据的建议。Agent的工具权限不应因为检索层更可靠就无限扩大。
记忆层不是事实层：V7的边界在持续校准
V7提出的Context Graph解决了Agent反复重建上下文的问题，却没有消除企业信息本身的歧义。图可以保存证据，但证据之间仍可能冲突，文件也可能在上传后失效。它可以让Agent更容易回答“这家公司与哪些对象有关”，却不能仅凭结构保证“哪一个关系当前有效”。这正是金融和保险场景不能只看端到端准确率的原因：错误的时间状态、实体身份或风险字段，可能比一次明显的检索失败更难被发现。
因此，V7更适合被判断为一层面向工作流的企业记忆基础设施，而不是自动决策的替代品。它最有希望的边界，是把高频、规则清晰、需要大量证据拼接的流程变得更快，并保留人工可以复核的路径。它最需要继续证明的，则是跨版本更新、冲突事实、低频实体和不可回答问题上的稳定性。技术负责人可以先用一个有明确来源和人工基线的窄流程验证图的收益，再逐步增加动作权限；如果团队无法解释一条结论来自哪个实体、哪份文件和哪个版本，就不应把它当作“机构记忆”交给生产Agent。