构建解决上下文污染与持久化问题的解决方案

如果你在构建依赖实际业务上下文（源自你日常使用的工具）的 Agent 工作流，那么很可能已经遇到过某种程度的不稳定问题，甚至 Agent 完全失效。我们曾尝试过诸多方案，包括直接将应用对接到 Gumloop、Claude 等平台。但这类做法在生成摘要快照时勉强可用，若要开展能带来可衡量结果的真实分析，则往往力不从心。想想从外呼拓客到销售管道复盘，再到研发路线图规划与执行的各类流程，皆是如此。于是我们开发了 Weavable。我们认为，任何成功的 Agent 都需要一个中间层，持续追踪跨系统的业务变更，进行整合与解析。这能让你在充分推理并深挖因果关系的同时，避免耗尽 Token 预算，也不必将原始 API 轮询数据直接灌给 LLM，从而防止 LLM 在每次查询时（且需乘以团队内的实例数量）都不得不从头重新推理。此外，在企业级场景中，通常还必须处理权限控制、租户管理，并确保用户不会越权查看受限内容。Weavable 正是为此打造的这一层。它位于你的工具栈底层，会对来自 HubSpot、Slack、Jira、Notion 等工具的上下文进行预处理与范围限定，并通过单一的 MCP 端点将其输送给 Claude、ChatGPT、Cursor 或任意 Agent。非常期待听到大家分享的成功经验，甚至是那些未达预期的工作流“踩坑记录”，以及你们是否找到了瓶颈所在。如果你能指出类似我们构建的方案是否有可能破解那些长期卡住你的棘手 Agent 工作流，那就再好不过了。