1. Glean背景：从Enterprise Search到Work AI Platform
Glean于2019年由前Google资深搜索工程师Arvind Jain（现任CEO）联合创立的公司，公司的核心使命是“Expand human potential to do extraordinary work”。
Arvind Jain本人在Google工作超过10年，是Google搜索领域的早期工程师，之后联合创立了数据安全公司Rubrik，该公司现已成功上市。Glean核心成员多拥有谷歌搜索等顶尖科技公司的深厚背景，这一创始背景为Glean在企业搜索技术领域奠定了坚实的基础。
Glean的创立初衷源于Arvind Jain在Rubrik时的亲身经历——尽管企业拥有大量的云应用和数据，但员工在查找所需信息时却面临巨大困难，信息孤岛问题严重阻碍了工作效率。他提到，即使在他曾工作过的Google内部，信息查找也是一个难题。因此，Glean最初的定位是打造一款“企业版的谷歌搜索”，但因企业权限和领域知识的复杂性导致远不是简单的照搬搜索技术就能做好的。
随着这一轮生成式AI技术的快速发展，Glean敏锐地捕捉到这个机会，迅速将其产品从AI驱动的企业搜索，扩展为一个能够提供精确答案的AI助手（Glean Assistant)，进而发展成为一个综合性的“Work AI Platform(工作AI平台 )”。
Work AI Platform不仅帮助员工在日益分散的企业应用和数据孤岛中快速、精准地找到所需信息，更进一步通过Glean助手（Glean Assistant）和Glean智能体（Glean Agents），帮助员工实现内容生成、任务自动化和工作流程优化。公司凭借其创始团队在搜索引擎领域的深厚背景、先进的AI技术（包括知识图谱、检索增强生成RAG、大语言模型LLM），以及对企业级安全与治理能力，迅速获得了市场的青睐。
在刚结束的Glean:GO 2025大会上，Glean创始人兼CEO Arvind Jain更是明确提出了引领公司未来发展的三大核心战略方向：
Agents are for everyone（Agent普惠大众 ）
Glean坚信智能体Agent的力量应该普惠每一位员工。通过提供强大的Agent构建工具，让每个人都能创建和使用个性化的智能体Agent来辅助工作、自动执行任务，最终目标是让每位员工能够成为“10倍效能者” (10X-er)。
Think Platform（平台化思维 ）
面对企业内部未来可能存在的成千上万个智能体Agent，Glean强调必须采取统一的平台化战略，即提供一个横向的、开放的AI平台，用于标准化和实现Agent的构建、管理、安全保障等。
Context is King（上下文为王）
Glean认为Agent要在企业中高效、准确地工作，最关键的是拥有对企业完整上下文情境有深刻的理解。这不仅包括理解企业的人员、项目、客户、数据及其关系，更要理解复杂的业务流程以及工作是如何完成的。Glean过去6年所构建的企业知识图谱，以及最新推出的个人图谱，都可以给Agent提供至关重要的“上下文燃料”。
这三大战略方向清晰地勾勒出Glean从领先的企业搜索提供商，向构建未来企业智能化核心基础设施的野心。这一战略演进不仅提升了Glean的价值主张，也使其能够更广泛地参与到企业AI应用的浪潮中，抓住更大的市场机遇。
2. 市场和竞争现状
Glean过去一年的ARR增长了3倍，在成立仅三年多截至2025年初，实现了1亿美元的ARR，跻身增长最快的SaaS初创公司之列。日活占月活的比例接过40%，用户活跃度也侧面反应了产品给客户带来的真正价值。
2024年12月，Glean宣布完成超过2.6亿美元的E轮融资，公司估值达到46亿美元。Glean的账面现金超过5.5亿美元，近期市场亦有传闻Glean可能进行新一轮融资，估值可能达到70亿美元，整个发展趋势还是相当强劲的。
市场与趋势
Glean定位于快速发展的企业AI智能化基础设施(Enterprise AI Infra)赛道， 其起点和核心能力在于企业搜索(Enterprise Search)，但已演进为提供AI助手和AI智能体的企业工作AI平台(Work AI Platform)。
企业搜索和知识管理市场正经历着由AI技术驱动的深刻变革。传统企业内部信息检索效率低下、知识孤岛普遍存在是长期困扰组织的难题。全球企业搜索市场规模在2024年估计约为53-55亿美元，预计到2033年将增长至117-158亿美元，复合年增长率(CAGR)大概在9.2%-12.5%之间，同时知识管理软件市场也呈现强劲增长。AI的融入是这两个市场增长的关键驱动因素，企业越来越期望搜索工具能够提供高度相关和上下文情境感知的答案，并利用AI技术提升企业知识管理和应用的效率。
另一方面，Work AI也正迅速从实验阶段走向实际应用。根据斯坦福大学HAI发布的《2025 AI Index Report》，2024年美国私营部门对AI的投资高达1091亿美元，78%的组织在2024年使用了AI，较2023年有大幅增加。Glean精准地将自身定位为“工作AI平台”（Work AI platform），其核心产品Glean助手和Glean智能体可以深度融入员工的日常工作流程，提供智能搜索、答案生成、内容创建和任务自动化等功能，帮助企业和员工提升生产力和效率。
主要竞争对手
AI Agent领域虽然涌现了众多新参与者，但Glean凭借其在该领域近六年的先发优势和在企业级能力(如深度集成、严格权限、数据治理等）上的深厚积累，目前处于相对有利的位置，这也是起步早，早期愿意干脏活苦活的奖励吧。
Glean:GO 2025大会上，众多知名企业客户如Rivian、Ericsson、Zillow、Deutsche Telekom、Reddit、Citi、Booking.com、Time Magazine、Uber、Databricks、CoreWeave等高管亲自出席并发言，展示了Glean在不同行业的渗透力和影响力。其中Booking.com的案例尤其突出，其高管称Booking员工对Glean的依赖达到了“像自来水一样”的程度，并广泛使用其AI能力完成工作，而不仅仅是查找信息，看样子是已经融入到了企业的核心业务流程和员工工作流里了。
目前Glean的主要竞争对手分为几类：
大型科技公司的平台级解决方案：如微软的Microsoft 365 Copilot/Viva，谷歌的Google Cloud Search，这些大公司优势在于与自身生态的无缝集成和庞大的用户基础
专业的企业搜索与AI平台提供商：如客户服务和电商领域的Coveo、Elastic (Elasticsearch)、Lucidworks Fusion, Algolia等， 这些公司优势是深耕领域好多年。
知识管理/协作平台内嵌的AI搜索：如Guru、ClickUp等，它们更侧重于知识的创建和维护，以及在特定工作流中的信息传递
新兴的AI原生搜索与问答引擎：如Perplexity Enterprise、You.com Enterprise，这些公司在整合外部网络信息和利用GenAI提供更多样化的答案方面发展迅速。
Glean的差异化：
Glean将OpenAI、Anthropic、Google等基础模型提供商视为重要的合作伙伴，而非直接竞争对手。其核心差异化在于：
深度企业集成与上下文情境理解：通过超过100个连接器、企业知识图谱和个人图谱，Glean能够深度理解企业内部的人员、内容、活动、业务流程和权限关系。这是Glean反复强调的“Context is King(上下文为王)”理念的底气。
从Enterprise Search到Work AI Platform的完整演进：Glean不仅提供强大的企业搜索，更有AI助手和刚在Glean:GO 2025宣布GA的智能体Agent平台，从原始数据、领域信息、业务工作流等企业全业务流程提供员工AI工作平台。
企业级安全与治理：数字安全、合规可控是最重要的企业级需求，Glean Protect提供全面的安全护栏，严格执行源应用权限，并提供本地化部署等选项。
3. 用户和产品
用户：
Glean的核心目标用户是企业中的所有“知识工作者 (knowledge workers)”，无论其具体角色如何（如工程师、销售、HR、客服、IT、财务、法务、市场等）。
Glean认为，所有知识工作者都普遍面临查找信息、获取答案、处理日常重复性任务的痛点。Glean的愿景是为每一位知识工作者打造一个“真正个性化的，由AI助手、AI同事、AI教练组成的团队”，目标是让每个人都能成为“10倍效能者 (10X-er)”。
产品：
Glean提供的是一个全面的工作AI平台 (Work AI Platform)，集搜索、AI助手和智能体Agent功能于一体，通过连接和深度理解企业内外部知识，为员工提供AI驱动的个性化智能化和自动化能力。
Glean搜索 (Glean Search)：
价值：帮助员工快速、精准地在日益分散的企业应用和数据孤岛中找到所需信息，打破信息壁垒。
功能：作为Glean的基石，通过深度集成和企业知识图谱（结合个人图谱），实现安全、高度相关的个性化搜索结果。
Glean助手 (Glean Assistant)：
价值：像一个时刻伴随员工的AI工作伙伴，帮助员工“理解信息”、“生成内容”，提升决策和内容创作效率。
功能：可以简单地将Glean Assistant比作“一个更强大、更相关的企业版ChatGPT”。Glean:GO 2025上演示的深度研究智能体 (Deep Research Agent) 可在几分钟内生成包含公司内部知识和网页信息的全面研究报告。分析智能体 (Analytics Agent) 能够通过自然语言查询结构化数据，并将结构化洞察与非结构化内容结合，提供全面的分析视图。
Glean智能体平台 (Glean Agents)：
价值：将AI应用于实际工作流程自动化，从简单的信息辅助进化为任务执行伙伴，显著提升企业运营效率和员工生产力。
功能：Glean:GO 2025上宣布Glean Agents正式GA，这是一个开放的、横向的平台，用于在企业中构建、部署、编排和治理智能体Agent。Glean:GO 2025上展示了多种Agent案例，如每日总结、会议回顾、自我评估、客户快照生成 、销售线索培育邮件撰写、工单时间线生成 、新功能设计文档生成、HR流程自动化等，充分体现了其广泛的应用潜力。目前Glean平台上每年执行的智能体动作已超过1亿次，并以每年10倍的速度增长。
商业模式：
Glean主要采用SaaS（软件即服务）商业模式：
订阅费： Glean的基础定价通常从每用户每月30美元起，对于需要更高级功能或集成的大型企业，价格可能超过每用户每月50美元。其Work AI相关的高级AI助手功能可能会额外增加约每用户每月15美元的费用。据称，Glean的年度合同价值（ACV）最低门槛约为5万美元，中位数在6.5万美元左右，部分大型合同价值可达几十万美元。
支持服务费: 通常占年度经常性收入（ARR）的10%，且不可移除。
实施与入驻服务费: 包括咨询、技术配置和培训等，这些费用可能未在前期明确列出，可能导致预算外支出。
付费POC试用: 对于希望在真实数据环境中全面评估Glean性能的企业，可能需要支付高达7万美元的POC费用，付费POC很好地过滤掉一些只是想试试的客户。
Glean通常不提供多年期合同，但它允许销售团队根据客户的具体需求和感知价值来定制方案和价格，从而实现价值最大化。
另外，Work AI功能是额外收费（每用户每月15美元），并且正在成为平台的核心部分。 Work AI Platform功能的捆绑表明，Glean的策略是随着客户采用更高级的AI功能并更加依赖平台，逐步提高每用户平均收入（ARPU)，Agent的收费模式未来主流会是按结果定价(Outcome-based Pricing)。
4. 技术挑战
Glean围绕其“Context is King”、“Think Platform”和“Agents are for everyone”的核心理念，逐步演进成为一个完整的技术体系。
Glean并非简单的“LLM Wrapper + RAG”，而是在数据、智能、应用交互、安全治理和开放互操作等方面都做了大量的工作。
Layer 1: 数据层 - 攻克连接的“最后一公里”与构建“活”的知识图谱
广泛数据连接的难点：
企业内部的数据连接是AI应用成功的前提，但也面临着巨大的挑战：
极端异构性与动态复杂性：企业应用系统繁多（文档、消息、CRM、HRM、代码库、自定义应用等），API各异，数据模型千差万别，权限体系更是五花八门。Glea提供了超过100个可实时同步这些异构权限的数据连接器。构建这些连接器并将数据和权限统一起来是构建搜索产品的第一步，也是核心技术栈的一部分。
身份的碎片化与统一：同一用户在不同应用中可能使用不同的用户名或邮箱，因此构建一个能够准确链接这些分散身份的统一身份图谱 (identity graph) 至关重要，否则权限映射将无从谈起。Eddie Zhou提到，Glean投入了大量精力构建内部的身份服务，以准确地将不同系统中的用户身份对应到统一的“人”的节点上。
数据深度与“信号”捕捉：有效的AI不仅需要内容，更需要理解内容背后的“信号”——元数据、版本历史、访问频率、评论、点赞、分享、修改记录、用户间的协作关系等活动数据。Glean的连接器被设计为能深入摄取这些“行为信号”，而不仅仅是文本。这些“信号”对于理解文档的权威性、流行度和时效性至关重要，这就是企业的高级领域数据。
实时性与一致性：信息和权限在企业内部是动态变化的。Glean强调其连接器支持实时或准实时同步，尤其是权限变更，必须即时反映在搜索和AI的访问控制中，以防数据泄露，这是个非常难的工程问题
规模化挑战：大型企业的数据量是巨大的，高效、稳定地索引和更新这些数据，同时保持高性能的检索，对系统架构是极大考验。Glean从创立之初就将可扩展性作为核心设计原则，目标是处理像大型跨国企业那样可能拥有的数亿级文档规模。
Glean通过多年持续投入和工程优化来攻克这些难点，将“连接”本身做成了一项核心竞争力。其“开箱即用 (Turnkey)”的特性也表明了其在简化部署和配置上的努力。
企业知识图谱构建的老大难问题
传统企业知识图谱构建的痛点在于数据源的割裂、关系抽取的困难、图谱更新的滞后以及缺乏与实际应用的紧密结合。Glean号称能有效构建并利用企业知识图谱，其独特之处在于：
“活数据”驱动的动态构建：Glean的知识图谱并非基于静态规则或一次性导入，而是由通过连接器持续流入的“内容 (Content)”、 “人员 (People)” 和 “活动 (Activity)” 这三大支柱实时构建和更新。用户的每一次搜索、每一次点击、每一次协作，都在为图谱贡献新的“边”和“节点权重”。
超越文本匹配的“概念理解”：Glean从海量数据中自动发现和提取关键实体（如项目、产品、客户、技术术语等）及其关系，并进行有效的消歧和归一。知识图谱的构建超越文本匹配，去理解企业上下文情境下的“概念 (concepts)”，即使这些概念在不同文档、消息或查询中以多种名称出现。
个人图谱 (Personal Graph)：这是Glean的一大创新。企业图谱描绘了公司层面的知识结构和协作网络，而Glean:GO 2025上重点发布的个人图谱则在企业图谱基础上，为每个员工建立了独特的“个人图谱”，理解其项目、关注点、常用工具、协作对象和沟通风格。融合企业图谱和个人图谱，使得AI能够提供真正“懂你”的个性化服务，极大提升了实用性和用户粘性。
可以说，Glean的知识图谱是一个由真实的企业活动“喂养”大的、持续进化、并且深度个性化的“活”系统。
Layer 2: 智能层 - 定制化模型、特色RAG增强与智能体推理引擎的创新
Glean的模型策略：超越“套壳”，走向“增效”
Glean并非简单地将外部大模型（如GPT系列）直接“套壳”应用于企业数据。Glean与所有主流LLM（OpenAI, Anthropic, Google, Meta及开源模型）合作，但核心策略是在这些基础模型之上构建一个非常深厚的技术栈，并持续向价值链上游移动。当基础LLM具备了Glean先前自研的某些能力时，Glean会选择放弃自研部分，转而利用更底层的能力，聚焦于更高阶的价值创造和企业场景的深度适配。
其大小模型结合策略的“增量价值”体现在：
专注于企业特定场景的嵌入模型微调 (Fine-tuning Embedding Models for Enterprise RAG)：这是Glean的核心技术投入之一。他们利用企业内部特有的数据，对检索环节至关重要的Embedding Model(嵌入模型)进行深度优化，使其能更精准地理解企业内部的行话、缩写、项目代号和上下文，从而大幅提升RAG中检索的召回率和准确率。
针对特定任务的定制化小型模型或知识蒸馏：Glean提到会训练定制的小型语言模型或微调现有模型以理解企业内部语言。当应用达到一定规模，成本成为重要因素时，可以通过模型蒸馏 (distill a model) 得到更小、更快、特定任务可能更准确且成本更低的专用模型。
LLM无关 (LLM-agnostic) 架构与智能路由：Glean的模型中心，以及智能体Agent中“每步模型选择”的能力，体现了其架构的灵活性。这意味着Glean可以根据任务特性、成本、性能需求，智能地选择或路由到最合适的LLM进行处理，而非绑定单一模型。Glean认为未来会有大量模型共存，Glean的职责是帮助客户在特定用例中选择最合适的模型技术。这点我个人也十分认同。
Glean的RAG：深度融合“上下文”与“权限”的特色实践
RAG已成为企业应用LLM的主流范式，Glean的RAG之所以高效且可信，其特殊之处在于：
“双图谱”驱动的超强检索：Glean的RAG不仅仅依赖于向量相似度搜索，而且深度结合其企业知识图谱和个人图谱来进行上下文检索。检索过程能理解更复杂的语义关系、实体链接和用户偏好，从而找到真正相关的上下文。技术上看，Glean的RAG系统在检索阶段会同时利用关键词搜索、语义搜索和知识图谱的结构化信息，进行多路召回和智能排序，以确保检索结果的全面性和相关性。
“权限穿透”的安全保障：在将检索到的信息喂给LLM之前，Glean会严格执行源应用中定义的复杂且动态的权限。这是企业级RAG安全性的核心保障，确保了LLM不会接触到用户无权访问的数据。
智能查询规划与改写：在RAG的“规划 (Plan)”阶段，Glean会利用LLM对用户原始查询进行理解、重写或分解，以更好地适应企业内部多样化的数据源和知识结构。这一步RAG系统基本都会有，但不确定Glean的改写是否也融合了企业特有的上下文信息。
智能体推理引擎 (Agentic Reasoning Engine)
Glean的智能体推理引擎是其Agent平台的大脑，负责驱动Agent执行复杂任务，其技术亮点在于：
动态规划与自适应执行：引擎能够根据任务的复杂程度，从简单的单步操作扩展到需要深度推理和规划的多步骤工作流，支持条件分支、循环、并行处理和子智能体调用等高级逻辑，号称Agent能够执行一个可能包含上百个步骤的复杂业务流程。
深度上下文依赖与工具智能编排：推理过程深度依赖于企业和个人知识图谱提供的实时上下文，它能智能地选择和组合可用的企业工具，比如Glean搜索、分析、企业应用API等，以最高效的方式达成目标。
面向效果和成本的LLM调度优化：通过“每步模型选择”的灵活性，推理引擎可以为工作流中的不同环节，如理解意图、数据提取、逻辑判断、内容生成、API调用等任务匹配最适合的LLM，从而在保证效果的前提下优化成本和响应速度。Glean对LLM资源精细化管理的能力值得借鉴。
Layer 3: 应用与交互层 - Agent Builder人人可用
Glean Agent Builder的目标是将AI智能体的创建能力真正普惠化，不需要太多的技术背景就可以使用Agent Builder创建自己的应用，其技术亮点有：
极致的易用性
用户可以直接用自然语言描述任务目标来快速生成智能体草稿，也可以通过拖拽式的可视化界面 (visual builder) 精细调整每一步的逻辑、数据源、调用的LLM和执行的动作。这种双重模式兼顾了快速上手和深度定制的需求，显著降低了AI应用的门槛。
内生于“企业上下文”的独特优势
Glean Agent Builder构建的智能体，天然、安全地植根于Glean平台独有的企业知识图谱和个人图谱所提供的深层企业上下文之中。这意味着智能体在执行任务时，能够自动理解相关的项目背景、人员角色、历史沟通、数据权限等，这是通用Agent构建平台难以比拟的核心优势。
Agent执行的过程中，Glean技术负责人有提过一个”Context Injection”的观点，我也有类似的观点：按需、实时去load最合适的领域上下文信息是提升Agent理解和决策质量的关键。
一体化的企业级平台支撑
与许多独立的Agent框架或工具不同，Glean Agent Builder是其完整WorkAI平台的一部分。这意味着智能体从设计、构建、测试、部署到运行、监控和治理，都在一个统一、安全、合规的企业级环境中完成，无缝集成了Glean强大的搜索、RAG、权限管理和Glean Protect的安全防护能力。
强调“可行动性 (Actionability)”与企业应用集成
Glean的智能体设计核心在于执行实际的企业操作，而不仅仅是信息的传递或生成。其不断扩展的动作库 (actions library) （目标从几十个到几百个）以及与企业核心应用（如Salesforce, Jira, Workday等）的深度集成，使得智能体能够真正驱动业务流程的自动化。
“业务人员成为构建者 (Citizen Developers)”组织变革推动力
通过极大地降低技术门槛，Glean Agent Builder有望在企业内部催生大量的“业务开发者”，他们最了解自身工作的痛点和优化点，能够快速构建出大量“小而美”的实用型智能体，从而由点及面地推动企业的AI转型和效率提升。
Layer 4: 安全与治理层 - 应对企业核心关切，本地化部署的深度考量
企业在拥抱AI时，数据安全、隐私保护和合规性是其首要关切。
Glean强调其产品“生而安全（Secure by design）“，Glean平台已满足多项业界安全与合规标准，包括SOC 2 Type II认证、GDPR以及HIPAA等。
Glean一系列关键安全特性主要包括：
身份验证与授权: 所有访问均需通过企业的身份提供商进行身份验证（支持SSO），并严格执行权限控制，确保用户只能看到其在源应用中被授权访问的信息。权限变更会实时同步到Glean。
数据加密与隔离: 客户数据在静态时使用AES 256位加密（FIPS 140-2验证的加密模块），在传输时使用TLS 1.2+加密。平台采用单租户模式，客户数据存储在其自有的VPC中，并提供云端或本地化部署选项。
索引控制与审计: 企业可以控制Glean抓取和索引的数据范围，并可配置全面的审计日志，导出至SIEM系统进行监控。
在此基础上，Glean还推出了更高级的安全方案：
Glean Protect: 这是一个帮助企业安全地规模化应用AI的功能套件，包括为AI准备数据和保护自主Agent。其功能包括防护提示注入（prompt injection）和越狱（jailbreak）等针对LLM的攻击。
主动数据与AI治理: 该框架能够持续扫描超过100个连接的企业应用，自动检测并修复被过度共享的敏感数据，并向管理员标记潜在的权限配置错误。
Glean的多层安全与治理框架，以Glean Protect和主动数据与AI治理为亮点，很好地解决了企业在AI时代对数据安全的首要关切，建立了信任基线。
Layer 5: 开放操作层 - 构建以“Contextual Intelligence”为核心的差异化生态
企业市场的AI平台开放性与互操作性已成为标配，因为太多的其他系统需要集成进来。Glean的生态战略选择了开放：
独有的“Contex-as-a-Service”
Glean通过其全面的API，如搜索、对话/助手、智能体API和MCP Server等开放的核心能力，提供其独特的、经过深度处理和权限控制的企业上下文信息。其企业知识图谱和个人图谱所承载的“contextual intelligence”，是Glean生态伙伴可以利用的、极具价值的差异化资产。
“Enterprise System of Context Provider”定位
Glean的战略定位是成为企业AI应用企业系统性上下文提供者。这意味着Glean致力于让其平台成为各种AI模型、各种AI智能体与企业内部海量、异构、权限复杂的数据和知识之间的链接器。
拥抱开放标准
Glean不仅宣布支持MCP，也托管MCP服务器，并积极参与oogle的A2A协议、LangChain的Agent Protocol以及Cisco等行业伙伴推动的Agency等协议标准。Glean的目标是实现真正的双向智能体编排 (bi-directional agent orchestration)，让Glean的智能体可以调用外部工具，外部智能体也可以调用Glean的能力，这个决定是非常有远见的。
Glean的开放生态战略，本质上是将其最核心的“contextual intelligence”作为一种平台服务，从而在企业AI生态系统中占据独特的、不可或缺的生态位。
5. Hard Questions for Glean
尽管Glean目前的发展态势良好，在整个生态里也站到很好的位置，但仍然有一些关键问题如果解决不好，未来也会面临不确定性。
问题1：AI基础模型日新月异，如何在应用层保持持续创新与价值？
Glean CEO Arvind Jain明确表示过，Glean的模式是“最大化利用LLM的行业创新，但同时在其上构建重要的价值层，并随着底层能力的提升而不断向上游价值链移动”。Glean聚焦于企业特定场景的深度优化、Context Injection(上下文注入)、权限控制、工作流与Agent编排能力、LLM无关的灵活性与成本优化等，非常务实的选择。
问题2：如何解决企业知识图谱的构建难度大、维护成本高、规模化难的问题？
Glean的实践做法是“以用促建”的实用主义、“信号驱动”的动态性、“双图谱”深度个性化、拥抱“不完美数据”的工程能力，依然都是务实的实践。
问题3：在专业性和可靠性的企业场景，智能体的可靠性、可控性与“黑盒”问题如何解决？
Glean强调“可观测性”与“调试能力”、内置的企业级安全与治理框架、结构化的智能体构建与编排、渐进式的自主性提升与人工监督。Glean的智能体目前更多是“增强人类”的“副驾驶”模式，而非追求完全无监督的“自动驾驶”，这在企业环境中是更为务实和负责任的路径。
问题4：如何解决企业数据的极端复杂性与多样性下的安全可信挑战？
Glean的创新点在于对企业权限体系的深刻理解和“像素级”还原与执行能力，包括ACL、群组继承、目录结构、链接分享等多种复杂权限的实时组合与动态变化。同时Glean将这种权限感知能力深度融入到数据索引、知识图谱构建、RAG检索、智能体执行的每一个环节，这是一种“安全左移”并贯穿AI应用全生命周期的治理思路。
问题5：如何平衡开放生态下的标准化与“最后一公里”定制化挑战？
Glean不仅支持现有标准如MCP，更积极参与和推动新标准的制定，力图在Agent互操作性等前沿领域获得话语权。其托管MCP服务器等方法，也是在降低生态伙伴接入和使用Glean平台核心能力的门槛，主动承担了部分“生态建设者”的责任。Glean的目标是让其“Contextual Intelligence”能够通过标准化的方式，无缝赋能企业内外的各种AI应用和Agent，解决AI在企业落地的“最后一公里”问题。这是一个平台产品非常关键的能力。
6. Key Takeaways
个人认为，Glean过去几年的快速发展及其在Glean:GO 2025上明确的三大战略，体现了这家公司仍然还有很大的潜力，值得学习和持续关注。
“Context is King（上下文为王）”是企业AI的灵魂
在通用大模型能力日益普及的今天，单纯依赖通用大模型本身的智能已不足以构成核心竞争力。Glean深刻洞察到，企业AI的真正价值在于将强大的AI能力与企业特定的、复杂动态的内部“Context”深度融合。这包括对组织结构、业务流程、项目细节、人员关系、沟通习惯、隐性知识乃至个人工作偏好的全面理解。
Glean耗时六年打造的企业知识图谱和新推出的个人图谱，正是其构建这一“Contextual Intelligence”护城河的关键。拥有Context，AI才能真正“活”起来，从一个“玩具”变成一个不可或缺的“伙伴”。
“Agents for Everyone(Agent普惠大众)” + “Think Platform(平台化思维 )”是引爆企业生产力革命的务实路径
Glean不仅将AI智能体视为一项技术，更将其视为一种赋能全体知识工作者、重塑工作方式的平台化战略。通过无代码/低代码的智能体构建器，Glean降低了门槛，让最懂业务的员工能亲自创建和部署解决实际问题的智能体，实现普惠化。这不仅能释放大量“长尾”场景的自动化潜力，更能激发员工的创造力，加速AI在企业内部的普及和文化认同。Booking.com的案例表明，当员工能够轻松使用并从中获益时，AI工具会迅速融入日常工作。
同时，Glean提供了一个横向的、开放的、统一的AI智能体平台，用于构建、管理、保护和采购企业内的各类智能体。这种平台化思维有助于企业避免AI应用的碎片化和重复建设，实现规模效应，借助MCP和A2A这样的开放协议为未来更复杂的智能体间协作打下基础。
解决“脏活累活”是构建真正技术壁垒的“慢功夫”
Glean选择了一条“先难后易”的道路。在许多公司急于展示各种炫酷demo时，Glean默默投入了大量精力去解决企业数据集成、海量异构数据索引、动态复杂权限管理、知识图谱构建等基础性难题。
这些工作技术难度高、见效慢，短期内可能不那么“性感”，但却构成了Glean如今能够安全、可信地驱动AI智能体的坚实基础。这种愿意啃硬骨头、解决真实世界复杂性的专注，往往比单纯追求算法模型的领先更具持久的商业价值和技术壁垒。
总而言之，Glean的“牛”，在于它深刻理解了企业智能化转型的本质，选择了一条攻坚克难但行之有效的路径，也做了大量“Things that don't scale”的事情。
Glean的技术实现路径和应对挑战的方式，体现了其对企业场景真实需求的深刻理解和“先解决基础问题，再叠加智能应用”的务实风格。Glean的创新更多的是组合式创新和针对企业场景的深度优化创新，而非追求单一算法模型的突破。这种对“脏活累活”的持续投入和对“企业情境”的极致追求，构成了其在激烈竞争中难以被快速复制的核心壁垒。
