V7 利用 GPT-5.6 模型，將分散的公司文件轉化為可操作的上下文，使 AI 代理能夠執行複雜且帶有來源連結的工作。這種方法透過為代理提供深度的組織知識，有效解決了企業「機構記憶」的問題。

這代表了企業 AI 的重大進展，從簡單的檢索轉向具備上下文感知能力的代理架構。該系統利用了 GPT-5.6，這是一個於 2026 年 7 月發布的模型系列，包含 Luna、Terra 和 Sol 等不同變體，以強大的編程和工具使用能力著稱。V7 特別利用這些能力來處理中間結果，並在工作展開時選擇下一步動作。

它為尋求自動化需要理解並引用內部文件的複雜工作流程的企業提供了極高的價值。

事件背景

檢索增強生成（RAG）是一種 AI 技術，透過從外部資料庫檢索相關資訊來增強其回應。然而，傳統的 RAG 在處理需要解析上下文、追蹤來源線索和存取策略的複雜任務時往往感到吃力，而「上下文代理」或上下文層則能在檢索前解析這些細節，從而發揮優勢。