AWS 发布 Context 服务：为 AI Agent 提供大规模上下文智能，自动构建知识图谱
AWS 在纽约峰会上推出 AWS Context 服务，自动将企业数据关系映射为知识图谱，为 AI Agent 提供运行时上下文。同时发布 Glue 语义搜索、S3 注释等新功能。本文详解这些创新对中文企业用户的意义、与国产方案的对比及实际应用场景。
一句话看懂
AWS 推出 Context 服务，自动构建企业知识图谱，让 AI Agent 安全访问跨系统数据关系，实现可信决策。
详细发生了什么
AWS 在纽约峰会上宣布了一系列数据与 AI Agent 上下文智能的创新。核心是 AWS Context（即将上线），它能自动将数据湖、数据仓库、数据库等系统中的数据关系映射为知识图谱，并提供 agentic search，让 AI Agent 在运行时访问治理后的数据关系、业务规则和领域知识。
数据管理员可通过控制台管理图谱，审核推断关系、发布到生产环境，并附加业务定义和使用规则。AWS Context 基于 Amazon Quick 中已处理数百万日请求的知识图谱技术，将其从个人扩展为组织级共享上下文层。
同时发布的还有：AWS Glue Data Catalog 业务上下文与语义搜索（预览版），支持用自然语言搜索数据；Amazon S3 Annotations（正式可用），允许在 S3 对象上附加丰富的可查询业务上下文。所有关键元数据以 Apache Iceberg 格式发布到 S3，用户可用任意 Iceberg 兼容工具查询。
中文圈视角
对国内企业用户意味着什么？ 首先，AWS Context 目前是 AWS 托管服务，国内用户需通过 AWS 中国区域（光环新网/西云数据）使用，但知识图谱核心功能可能受数据出境限制。对于有海外业务或使用 AWS 全球区域的企业，可直接受益。
国产平替对比： 国内类似产品包括阿里云 DataWorks 的数据地图、华为云 DataArts 的数据资产中心、以及百度智能云的知识图谱平台。但 AWS Context 的差异化在于：自动学习 Agent 使用模式优化图谱、身份感知权限继承、以及开放 Iceberg 格式。国产方案在自动学习能力和开放标准上仍有差距。
中文场景具体影响： 对于金融、制造等数据密集型行业，Agent 需要跨系统查询数据（如客户信息、订单、库存），AWS Context 能自动建立关联，减少人工梳理数据关系的工作。但中文语境下的业务规则和术语可能需要额外配置。
监管盲点： 国内数据安全法要求重要数据出境评估，AWS Context 的跨系统数据映射可能涉及敏感信息，企业需谨慎评估合规风险。
几条值得记住的细节
- AWS Context 自动构建知识图谱，无需手动配置基础设施或检索管道。
- 图谱元数据以 Apache Iceberg 格式存储于 S3，支持 Athena、Redshift、Spark 等工具查询。
- Glue Data Catalog 新增语义搜索，支持用自然语言查找数据，并关联技能资产（如文档、手册）。
- S3 Annotations 正式可用，可在 S3 对象上附加业务上下文，存储在 Iceberg 表中。
- Agent 查询时继承调用者的 IAM 和 Lake Formation 权限，实现身份感知审计。
一句话总结
AWS Context 让企业 AI Agent 不再“盲人摸象”，但国内用户需关注数据合规与国产替代方案的成熟度。