AWS Context 自学习知识图谱：Agent 用法驱动 Ontology 演进
2026-06-18 03:00:00
AWS Context 的技术差异化在于：Ontology 由 Agent 使用行为驱动演进，而非静态人工策展。
工作原理（概念模型）
- Agent 通过 Glue/Lake Formation 访问企业数据资产
- 查询模式、Join 路径、Tool 调用 trace 写入 Context Graph
- 图谱 自动推断 实体关系与业务语义
- 后续 Agent 获得 更精准运行时上下文
与手工 Knowledge Graph 对比
| 方式 | 维护成本 | 新鲜度 |
|---|---|---|
| 手工 Ontology | 高（需领域专家） | 易过期 |
| AWS Context 自学习 | 低（Agent 驱动） | 随使用更新 |
配套能力
- S3 Annotations：对象级业务标签直达存储层
- Glue Skill Assets：Catalog 层沉淀 Skill/领域知识
适用场景
- 数据湖已建在 AWS 的金融、零售、制造客户
- Agent 需跨 数百张表/桶 理解业务关系
- 不愿重复建设 Snowflake Horizon 级 Context 栈
风险
自学习图谱的 错误推断 需治理——建议配合 Unity Catalog 类权限 与 人工抽检 Golden Query。