千问办公于8月17日开源其首个项目MyContext，上线一周GitHub星标已超过1000。该项目能够从钉钉、飞书等办公软件中自动采集聊天、文档、会议记录等数据，蒸馏出一份可复用的「个人工作档案」，让AI助手真正"懂"用户的上下文。

当下AI助手的一大痛点是不了解使用者的工作背景：换一个对话窗口就"失忆"，回答自然难称精准。MyContext的思路是给AI助手装上"本地记忆"，在其内部搭建一座个人知识库，为后续智能体应用提供可持续生长的上下文底座。

图：MyContext数据处理流水线示意

核心思路：给Agent装一个"本地Obsidian"

MyContext将钉钉、飞书等场景中的聊天记录、文档与会议纪要等碎片化信息统一采集，沉淀为结构化的「个人工作档案」。有开发者将其形容为给AI Agent装上了一个本地版Obsidian——一个可以随时取用、持续更新的个人知识图谱，让模型在回答问题前先"查资料"，而非凭空作答。

处理链路：多步流水线蒸馏知识

项目采用多步骤处理流程：先完成数据采集与会话分块，再进行向量化与实体抽取并构建知识图谱，随后蒸馏为五类结构化结论，最终生成可直接供Agent调用的playbook（执行手册）。这一链路将原始数据转化为可检索、可推理的结构化资产，避免陷入"全文堆砌"的低效检索。

图：MyContext技术架构

安全设计：生成与发送分离

针对企业用户最关心的数据安全问题，MyContext将"知识生成"与"信息发送"两个环节分离，数据默认存储在本机SQLite数据库中，不强制上传云端。项目还内置了提示词注入防护，例如将输入中的换行替换为空格、清除Markdown图片链接等，降低恶意指令污染知识库的风险。

开发者生态：一周破千星的开源热度

项目上线一周GitHub星标即超过1000，反映出开发者对"AI个性化记忆"这一方向的浓厚兴趣。当前MyContext处于开发者预览阶段，社区可参与功能打磨与场景拓展；其背后的「工作档案」模式一旦成熟，或将成为办公智能体标配的能力底座。

图：GitHub开源界面

行业背景：办公Agent缺的不是模型而是记忆

业界普遍认为，企业级生成式AI应用真正落地的瓶颈往往不在模型能力，而在上下文与记忆的组织方式。此前有研究指出，约95%的企业级生成式AI试点难以规模化产生收益，症结之一便是AI无法稳定复用企业内部与个人的岗位上下文。MyContext所做的"档案蒸馏"，正是对这一短板的直接回应。

展望：从个人档案到办公智能体的底座

当AI助手掌握了可持续更新的个人与团队上下文，办公场景中的智能问答、周报撰写、项目复盘等任务都将更有依据。MyContext以开源姿态开放这一能力，既是一次技术路线样本，也可能催生一批基于「个人工作档案」的衍生应用，为办公AI的下一个阶段铺路。