聊天
捕获谁在讨论什么、观点如何变化、哪些分歧开始聚集。
Flow Context Layer
捕获 0-5 小时内正在发生的行业 context
在人类和无限智能之间，Flow 要成为科技与资本市场的实时交互层：让 AI 不只读到信息，而是站在行业正在形成的理解、分歧和情绪之中。
模型负责推理，skill 负责执行，Flow 负责让 AI 接入当下最完整、最可信、最有决策价值的 context。
01 / 12
Flow
01 / What is context
Data 是信息原料，context 是让信息在当前任务里有意义的背景框架。
Data 回答：有什么信息？
文章、文件、视频、聊天记录、研报、推文、财报、日志。
它可以存在数据库里，但模型或用户不一定在当前任务里看见它。
信息越多，不自动等于判断越好。
Context 回答：这些信息现在应该怎么被理解和使用？
时间、场景、任务、人物、关系、情绪、约束、历史状态。
被选中、压缩、排序、解释之后，进入当前推理过程。
它决定 AI 和人类是否能做出高质量判断。
02 / 12
Flow
Context formula
Context 不是背景的堆叠，而是和当前决策相关的背景集合。
相关 data
+
时间窗口
+
场景语义
+
任务目标
人群反应
+
可信来源
+
分歧结构
=
决策 context
静态信息
“发生了什么”本身只是起点。
实时 context
更有价值的是：谁在关注，为什么现在重要，大家的解释如何变化，哪些分歧值得继续追。
03 / 12
Flow
02 / Why it matters
模型会迭代，skill 会迁移，但高质量 context 发生的场域最难替代。
Model
推理、生成、理解能力。越来越强，也越来越像基础设施。
月级更新
Skill / Agent
特定任务流程：投研、总结、监控、写代码、自动化执行。
天级更新
Context Field
高质量人群、信任关系、第一反应、分歧、隐性判断和行动意图。
实时发生，场域长期稳定04 / 12
Flow
03 / Flow's KPI
Flow 的核心 KPI：捕获科技与资本市场 0-5 小时内的决策相关 context。
0h
事件发生
新模型、芯片供应链变化、财报、监管消息、融资、产品发布、行业传闻。
1-2h
第一轮解释出现
高质量用户开始反应：兴奋、质疑、恐慌、反常识观点、初步验证。
5h
形成可决策 context
事件、证据、分歧、情绪、相关实体和下一步问题被组织成 AI 与人都能使用的结构。
05 / 12
Flow
04 / How we capture inside Flow
发生在 Flow 平台上的信息，我们直接做拼图总结。
文件
把 PDF、研报、表格、长文和图片放回事件与讨论场景里。
推特模块
识别外部传播源、扩散路径、关键实体和行业注意力流向。
情绪与行为
从点赞、引用、转发、收藏、争论和冷启动信号里提取权重。
06 / 12
Flow
05 / How we capture outside Flow
不在 Flow 发生的信息，我们把总结能力开放给用户。
公众号 WeChat
群聊 Private
Slack / Discord Work
Substack Longform
播客 / 视频 Media
研报 / 学术文章 Research
用户 + AI 总结工具
外部材料进入 Flow 的 context layer
统一摘要 Summary
实体识别 Entities
新信息提取 Delta
争议点 Debate
可信度 Trust
下一步问题 Actions
07 / 12
Flow
06 / Summary as protocol
总结不是附属功能，而是 Flow 的 context normalization protocol。
Context Atom
统一格式，让重信息变轻
Core Claim
这条信息最重要的结论是什么？
Why Now
为什么它在现在这个时间窗口值得注意？
Entities
涉及哪些公司、模型、人物、资产、技术路线？
New Delta
相比旧信息，真正新增的东西是什么？
Debate
分歧在哪里？哪些判断还不确定？
Next Question
用户和 agent 下一步应该验证什么？
08 / 12
Flow
07 / Why atoms matter
把长文、播客和研报原子化，会显著提高信息流通速度。
很多高价值信息不是没有被生产出来，而是形态太重，无法快速进入讨论。
长文、深度文章、学术论文、播客和群聊记录都有 context，但阅读成本太高。
统一总结格式把重信息变成可引用、可比较、可组合的 context atom。
信息流动起来，才会产生权重；产生权重，才会形成讨论；形成讨论，才会生成新的 context。
09 / 12
Flow
08 / The flywheel
Flow 的飞轮：信息流速越快，context 捕获越深。
重信息进入
文章、播客、研报、聊天、视频、推文被用户或系统带入。
原子化总结
压缩成统一格式，保留结论、证据、分歧和下一步问题。
讨论与权重
高质量用户引用、质疑、补充，让系统知道什么值得注意。
AI 分析更准
模型站在更完整的 context field 里，输出更接近行业当下。
更多人迁移
用户发现 Flow 更懂此刻，于是把更多讨论和材料放进来。
10 / 12
Flow
09 / Coverage target
Flow 追求的不是全网信息总量，而是垂直场景里的决策 context 覆盖率。
10%
已捕获高质量用户与科技场景
金融、AI 模型厂、互联网、芯片等垂类人群和讨论已经在 Flow 内发生。
30-50%
平台内外 context 被持续拼图
聊天、推特模块、情绪分析、用户导入和外部材料总结共同提升覆盖。
70-90%
特定场景的高权重决策 context
信息材料、视频材料、语料材料、投研材料持续进入后，Flow 成为最高效的 AI 分析与人类决策入口。
11 / 12
Flow
Conclusion
Flow 要成为科技与资本市场的实时 context field。
模型再强，如果没有最新、可信、结构化的 context，也只是在静态知识上推理。Flow 的长期壁垒，是让高质量的人、信息、判断、情绪和行动意图持续在这里发生。
对于人类：Flow 是“现在最值得注意什么”的仪表盘。
对于 AI：Flow 是接入行业当下理解、分歧和证据链的 context layer。
12 / 12
Flow