大多数企业AI架构最终都会在审计和上线前崩溃，原因惊人地一致：所有企业知识被当作可搜索的文档，然后在索引的维基上套一个聊天机器人，称之为“AI驱动数据”。直到审计时才发现，合规无法签字，定价答案错误，智能体甚至不知道当前登录的用户是谁。这不是模型的问题，而是分布式系统工程的问题。 企业AI本质上是一个分布式系统问题：需要在多个状态、权限和治理域之间进行概率性编排，每个域都有不同的一致性和时效性要求。如果把它当作“提示词+检索”来处理，它就会在生产环境中崩溃；而如果把它当作系统工程来对待，架构就会变得清晰。 我们称这种方法为“企业上下文架构”（Enterprise Context Architecture, ECA），这个名称比供应商所鼓吹的“上下文层”要宽泛得多。上下文层只是一个产品，而ECA是一种架构纪律，负责在分布式系统中编排上下文、权限、授权和执行。产品只是一个组件，纪律才是系统本身。 ECA并不新奇，它本质上是将现有的分布式系统模式应用到智能体架构领域：身份传播、服务中介、企业集成模式（EIP）、事件驱动架构、物化视图、检索编排。我们用“ECA”作为这些应用的简写，并非声称发明了这些原语。如果你有二十年分布式系统的经验，大部分内容都会熟悉；新颖之处在于，当调用链路中包含概率性LLM时，如何严格地应用这些纪律。 企业AI真正只有三个层级，差别不在于定制深度，而在于答案来自哪里，以及能否证明。终极模式（Level 3 + 微调）并非全部：实际生产系统需要检索非结构化知识（RAG）、调用结构化业务系统（CRM、ERP、Dataverse），并协调两者的权威来源。只有将这一切视为分布式系统工程，企业AI才能走出概念验证，真正在生产环境中运行。

打开网易新闻 查看精彩图片