今天的 AI 模型能够处理复杂任务，但缺乏业务上下文，例如识别当前基金报告，或跨系统匹配实体。V7 由 Rizzoli 和 Edwardsson 于 2018 年创立，推出了 V7 Go，用于教 AI 系统掌握业务运营。V7 Go 使用 GPT-5.6 Luna 从数百万份文件中提取信息，并在 Context Graph 中对这些信息进行组织；Context Graph 将实体、关系和证据连接起来，支持 MCP 搜索以及跨越数百个步骤的可重复工作流。

Context Graph 解决了智能体每次请求都重新发现上下文的问题，从而避免浪费时间并遗漏关键信息。数据到达时，V7 Go 会连接 Share Point、Google Drive 等存储库，扫描实体并为图数据库填充数据；该图比长上下文方法更便宜，也更容易快速遍历。该系统保留可审计的轨迹，并将引用证据保留至原始来源。

在 HERB 基准测试中，V7 的检索系统提升了 69%，幻觉减少了 38%。客户报告称，收益显著：资产管理公司筛查交易的效率提高了 21 倍，将原本需要一整天的流程缩短至 15 分钟；一家金融服务团队将审核时间从超过 100 小时缩短至不到 10 小时，每次合作节省 12,000 美元专家成本。

关键实体：公司：V7、OpenAI｜人物：Alberto Rizzoli

FAQ：V7 的 Context Graph 如何提升 AI 智能体性能？

Context Graph 提供结构化且最新的业务上下文，智能体可直接查询这些信息，无需在每次请求时重新发现信息。它将文档中的实体、关系和证据连接起来，缩短搜索时间，并将复杂工作流的准确率提高至 99.9%。