一家公司运营十年，招聘了大量优秀的人，做了无数成功的项目。
但有一天，那个"最懂品牌"的总监离职了。下一个接手的人，翻遍所有系统，找不到那些判断背后的逻辑——为什么拒掉了这个创意方向、为什么这个词不能用、为什么这个色调在去年出了问题。
那些知识，并没有消失。它们只是从未被记录过。
默会知识：
那些"只可意会"的东西
1958年，哲学家迈克尔·波兰尼（Michael Polanyi）提出了一个影响深远的概念：默会知识（tacit knowledge）。
他的原话是："We can know more than we can tell."
我们知道的，远比我们能说出来的多。
波兰尼举了一个例子：骑自行车。你会骑，但你无法用语言完整地描述"怎么骑"——那种微妙的重心调整、踩踏时机、方向判断，是身体记住的，不是语言能复现的。
这类知识存在于所有复杂的人类活动中：外科医生的手感、老工程师的直觉、优秀设计师对"好作品"的判断力。它们通过实践积累，通过师徒传授，却几乎无法被系统化地捕捉和传递。
默会知识是人类最宝贵的知识形态，也是组织最难以留存的资产。
https://extendedbrain.substack.com/p/gems-from-polanyis-personal-knowledge
数字化记录了什么，
又遗漏了什么
过去三十年，企业花了大量钱在"知识管理"上。ERP、CRM、文档系统、项目管理工具……结果呢？
这些系统记录的，都是显性知识：合同编号、项目状态、会议纪要、报表数据。它们是组织的"骨架"，有结构，可查询，能统计。
但组织真正的运转，依赖的是另一种东西：一次失败项目后团队形成的共识、一个客户反复提到的词背后的偏好、一次内容爆发之后沉淀下来的选题直觉。这些是默会知识。它们活在聊天记录、提案批注、内部复盘的只言片语里，甚至只活在某个人的记忆里。
传统IT架构处理不了这类信息。结构化数据是"骨头"，系统很擅长；非结构化数据是"血肉"，系统基本放弃。
于是我们得到了一个悖论：企业数字化越深入，留存下来的知识反而越单薄。
AI为什么在大多数企业失败了
过去两年，几乎每家企业都接入了大模型。但真正从AI获得可持续回报的，不超过1%。
问题出在哪里？
不是模型不够强。GPT-4、Claude、通义千问，每隔几个月就有更好的版本。但模型再强，它也不知道：
你的品牌为什么不能用某类词
你的用户上周在讨论什么
去年哪个素材方向踩了坑、哪个方向出了爆款
你们团队对"高端感"的理解是什么
这些，都是企业级的默会知识。它们是AI真正需要的燃料，也是99%的企业没有准备好的东西。
大模型是"世界知识"的压缩，但它不包含你的组织知识。用通用模型做企业AI，就像雇了一个知识渊博但对你公司一无所知的新人——无论他有多聪明，开始都只能靠猜。
Context System：
让默会知识变成可调用的资产
特赞GEA架构中，有一个横向贯穿所有层级的基础设施：Context System（上下文系统）。它的设计出发点，恰恰是在解决默会知识的留存问题。
Context不是数据库，也不是文档库。
传统知识库的逻辑是：人写入 → 系统存储 → 人检索。这条路只能处理显性知识，而且依赖人主动整理，门槛高、衰减快。
Context System的逻辑不同：它在日常工作流中持续沉淀判断，而不等待人来整理。
以品牌库为例。每次设计审核的批注、每次文案被拒时的原因、每次投放后的复盘标注——这些碎片化的判断，通过结构化的schema被组织起来，形成一套"品牌判断力"的可调用资产。下次AI生成内容时，这套判断力就成为它的上下文输入。
这是一个关键的跃迁：组织的默会知识，第一次有了被系统化留存和复用的可能。
特赞和数百家全球品牌的合作沉淀了丰富的上下文经验，梳理成白皮书扫码免费下载：
三个层级：
从个人直觉到组织记忆
Context System按照知识的流转方式，可以分为三个层级：
个人层（Personal Context）
每日刷新。记录个人的工作习惯、偏好风格、判断倾向。这是最细粒度的上下文，让AI协作真正"懂你这个人"。
团队层（PodContext）
按需更新。沉淀项目组或业务线的共识：这个客户的特殊偏好、这个品类的行业惯例、这个合作节点上的关键约束。这是默会知识最密集的地方——团队的"集体直觉"，终于有了容器。
企业层（Company Context）
周级更新。汇聚组织级别的战略判断、品牌资产、历史案例、成功/失败模式。这是组织记忆，也是最难留存的部分。
三个层级各自独立，又在AI调用时动态组合。同一个任务，AI会同时感知"这个人的习惯"、"这个团队的惯例"和"这家公司的立场"。
Context有哪些典型形态？企业从零开始，应该先建哪种Context、怎么建？扫码下载了解
时间复利：Context是唯一
不能被购买的竞争壁垒
大模型的能力，所有企业都可以用同样的价格购买。但Context，只能自己积累。
一家企业今天开始沉淀Context，一年后它有一年的Context；两年后有两年的。
而明天才开始的竞争对手，在起步时就已经落后了整整一年。
这是一个时间复利资产，而且它越用越好——每一次AI调用、每一次人工修正、每一次成功或失败的项目，都在让Context更精准、更立体。
波兰尼当年提出默会知识，是为了描述一种困境：这类知识很重要，但无法传递。组织里最有经验的人离开，他的判断力也随之带走。
Context System给出的答案是：让默会知识在工作流中自然沉淀，而不依赖于任何一个人的主动整理。组织的记忆，开始脱离对个体的依赖。
一个判断
企业AI竞争，第一阶段比的是谁接入了更好的模型。这个阶段已经结束，因为大家用的是同款模型。
第二阶段正在到来：比的是谁积累了更深的Context。
模型是外购的能力，Context是自生长的资产。一个企业的默会知识积累得越系统、越持续，它的AI就越"懂"这家公司，产出的结果就越难被没有这套Context的竞争者复现。
这才是企业AI的真正护城河——不是买了什么工具，而是沉淀了什么判断。
