上下文图谱：为智能体时代将数十年的语言学理论编纂成体系

我一直在思考，是什么让机器生成的内容与真正由理解受众、品牌以及每个词背后文化细微差异的人所撰写的内容区别开来。答案始终指向同一点：上下文。

语言模型的语言能力正在提升，我们相信这一趋势将持续下去。它们目前尚未完全达到理想水平，但其进步速度不容忽视。然而，仍然缺失的是位于模型与内容之间的系统。这个系统需要告诉模型：你是谁、你如何表达、当前这个句子中什么最重要，以及这个句子最初为什么存在。这正是我们在 Glossia 致力于解决的问题，我认为这也是目前该领域最值得关注的问题。

三个要素，其中两个由我们掌控

当我审视实现真正全新的单语和多语内容处理方式需要哪些条件时，我看到三个要素：

具备出色语言能力的模型。 它们目前尚未完全达到理想水平，但正在快速改进，我们相信这一趋势将持续。我们不需要构建基础模型。我们需要做好准备，在它们成熟时充分发挥其能力。
一个对智能体所需上下文进行建模和共享的系统。 这是位于模型与内容之间的关键部分。它能够捕获你的语言风格、术语、语气和受众预期，并以结构化方式将这些信息提供给智能体。
来自用户的上下文。 人类能够提供判断、文化认知和创意方向。任何系统都无法完全取代这些能力，但系统可以让这些信息易于捕获和复用。

在这三个要素中，有两个由我们掌控：系统本身，以及我们如何引导用户提供上下文并帮助我们持续改进系统。我们相信，只有同时做好这两点，Glossia 才能在迅速充斥着“只需接入大语言模型”方案的市场中脱颖而出。我们需要在系统中将数十年的语言学理论转化为智能体领域中正在形成的基础构件。围绕这一系统设计的用户体验，则要确保正确的上下文能够被有效捕获、持续完善，并重新反馈到整个循环中。

现代翻译研究的奠基者之一尤金·奈达认为，优秀的翻译并不追求逐字对应。他提出的动态对等概念认为，目标受众与译文之间的关系，应当与原始受众和源文之间的关系产生相同的感受。这一理念十分深刻，但它要求对上下文有深入理解：读者是谁、他们具有怎样的文化背景，以及原文希望传达怎样的语气。这些信息正是需要存放在模型能够访问的位置中的内容。

我们需要捕获什么，以及如何捕获

我们最先探索的问题之一，是需要捕获哪些信息，以及如何组织这些信息，才能让智能体真正加以利用。我们思考得越深入，就越意识到它不能只是一个扁平的配置文件或设置页面。它需要采用图结构，确切地说，是一个**有向无环图**。

为什么选择有向无环图？因为上下文不是扁平的。品牌语言风格会影响术语，术语会塑造你描述具体功能的方式。受众预期决定正式程度，而正式程度又会影响词语选择。这些关系具有明确的方向和层级，并且不会循环回到自身。

这方面已有先例。多年来，知识图谱一直用于人工智能系统，以表示概念之间的结构化关系。近年来，上下文图谱通过增加动态上下文层扩展了这一理念，而这正是智能体作出有依据的决策所需要的。在多智能体领域，有向无环图已成为一种基础模式，用于对任务依赖关系和信息流进行建模。

但真正令我振奋的是：这个图谱中的每个节点都需要进行版本化管理。更改品牌语言风格时，不应失去对先前版本的访问权限。更新术语条目时，系统应当知道哪些内容是基于旧定义生成的，以及哪些内容可能需要重新审查。这样，我们就能优化智能体工作流，使其仅针对实际受变更影响的内容触发，而不必重新处理全部内容。

双向性是设计的一部分

我们认为，上下文节点与内容之间的关系需要具有方向性，并且必须支持双向追溯。

从一侧来看，您需要知道内容如何与上下文关联。当某项上下文发生变化时，例如品牌语言风格变得更加随意，哪些博客文章、产品说明或帮助文章是基于先前版本撰写的？这些内容需要重新审查或翻译。这就是从上下文到内容的正向追溯。

从另一侧来看，当语言专家查看某项内容，并想了解为何作出某个特定选择时，他们应当能够追溯到指导该决策的上下文。当时启用的是哪个语言风格定义？适用了哪条术语规则？这种反向可追溯性使人能够理解智能体执行了哪些操作，并有信心地持续改进。

美国国家航空航天局将其称为双向可追溯性，即能够从任一方向追踪实体之间的关联。这一原则源于系统工程，事实证明，当您希望在语言上下文与生成内容之间建立反馈循环时，它正是所需要的能力。

这种双向特性使渐进式优化成为可能。语言专家可以审查一项内容，查看影响该内容的上下文，判断语言风格定义是否需要调整，并进行相应调整。随后，系统便能准确识别还有哪些内容受到此次变更的影响。这形成了一个紧密的循环，并且充分体现了人的作用。

超越单一代码仓库

这个图谱还有另一个令我尤为感兴趣的维度。**它不能局限于单一代码仓库。**上下文图谱需要能够跨项目共享，甚至可能需要跨组织共享。

不妨这样思考：一家公司拥有自己的品牌语言风格。这种语言风格适用于每个产品、每个网站和每篇支持文章。它并不属于某个代码仓库，而是一项横跨多个领域的关注点。您可以在组织层级定义核心语言风格，然后在项目层级针对特定产品或受众应用覆盖设置。这就是作用域继承，与我们在编程中熟悉的模式相同，只是应用于语言上下文。

而且，这些上下文需要得到妥善的版本化管理。不能只是更改语言风格定义并清除先前版本。Git 通过内容寻址存储和有向无环图处理版本管理的方式，为我们提供了许多值得借鉴的经验。Git 的提交、分支和差异模型，本质上用于跟踪事物如何随时间变化，同时保留对每个先前状态的访问权限。这正是语言上下文所需要的能力。

事实上，我们认为，语言风格变更应通过一种我们称为语言风格变更请求的机制来完成。正如拉取请求为讨论代码变更提供空间，语言风格变更请求也为讨论语言变更提供空间。为什么要转向更具对话感的语气？这会产生什么影响？哪些内容会受到影响？这些问题值得在变更传播之前充分讨论。

人类将更具创造力，而非变得无关紧要

这正是事情开始真正变得有趣的地方。很多人在谈论人工智能时，都在强调其将取代人类。与这种叙事不同，这套系统让人类承担更具创造性的角色。

设想一个由语言专家和内容策略师组成的团队召开会议，讨论品牌的语言方向。他们可以探索不同理念、探讨语气调整，并引入任何模型都无法获取的文化背景。随后，他们无需手动更新数百个文件，只需将决策记录为对上下文图谱的调整。系统会负责传播这些变更。

还可以更进一步：设想一种智能体协作会话，语言专家与人工智能助手共同探索语言表达方案。“如果我们让错误消息更具同理心，会怎样？”智能体可以模拟影响，展示当前上下文将如何变化，并预览更新后的内容。语言专家可以不断完善和调整，并在满意后提交上下文变更请求。这将带来全新的工作方式。

这并不是要取代语言专家。 而是要为他们提供更好的工具，使他们能够更充分地发挥自身优势：基于细致判断和文化背景作出语言决策。系统负责处理机械性工作（传播、影响分析和一致性），人类则专注于创造性工作（语言风格、语气和文化共鸣）。

我时常想到奈达提出动态对等时所强调的理念。目标并不是实现机械意义上的语言准确性，而是无论使用何种语言，都要在读者与内容之间建立相同的感受和关系。这需要品味、判断力和文化意识。人类在这些方面表现卓越，而模型仍然难以企及。系统的职责是确保这些人类洞见得到记录、结构化并可供复用。

后续计划

在后续文章中，我们将进一步探讨技术细节，介绍沙盒在实现这一领域前所未有的体验中所发挥的作用，以及我们为何大力投资应用程序编程接口。我们也很期待深入讨论另一个完整的维度：如何在语言变更上线之前对其进行暂存、预览和测试。

如果这些内容引起了您的共鸣，无论您是对现有工具感到不满的语言专家、曾受困于本地化工作流的开发者，还是深入思考语言与技术如何交汇的人士，我们都期待听到您的想法。