概念
别名：上下文图
一种融合实体、事件与决策轨迹的图结构，用于增强AI Agent的推理与可解释性。
已跟踪 2 条高相关材料
最近变化
2026-05-29 · 上下文图（context graph）不仅包含实体与事实，更整合决策轨迹、因果链和历史先例，使Agent能回答‘为何拒绝/接受’而非仅‘是什么’。
为什么值得关注
Context Graph 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Why your agents need decision traces, not just documents — Zach Blumenfeld, Neo4j
AI Engineer · 7.8 分
Agent系统仅依赖文档检索（如RAG）不足以支持高质量决策，必须引入包含决策轨迹、因果链与先例的上下文图（context graph），才能实现可解释、高准确率的自主决策；Neo4j提供工具链支持快速构建此类图结构。
Context Graphs for Explainable, Decision-Aware AI Agents — Andreas Kollegger & Zaid Zaim, Neo4j
AI Engineer · 7.2 分
Context graphs extend knowledge graphs by embedding decision rules and policies to make AI agents not just knowledgeable but decision-aware...
已收录 2 条与 Context Graph 相关的内容，按评分排序。
Agent仅靠文档检索（如RAG）无法支撑高质量决策，必须引入含决策轨迹、因果链与先例的上下文图，才能实现可解释、高准确率的自主决策；Neo4j提供工具链支持快速构建。
入选理由：上下文图（context graph）不仅包含实体与事实，更整合决策轨迹、因果链和历史先例，使Agent能回答‘为何拒绝/接受’而非仅‘是什么’。
上下文图谱在知识图谱基础上嵌入决策规则与策略，使AI代理不仅具备知识，更能理解‘为何行动’，实现可解释的上下文驱动决策。
入选理由：Context graphs add policy/rule layers atop knowledge graphs to answer the 'why' behind agent decisions, not just the 'what'.
