随着企业的Agent建设能力不断增强，然而所取得的结果却显著不同。Neo4j的首席技术官Jesús Barrasa对此进行了分析，他认为这种差异主要源于企业知识是如何被呈现给Agent的。Barrasa指出，Agent不仅需要访问数据，还需要理解其背后的“含义”和企业知识，而这一点往往未能被充分捕获或表达。在GraphSummit上，Barrasa与theCUBE Research的John Furrier探讨了共享知识层如何帮助Agent利用企业上下文，解释其决策，并在不同任务间共享知识。

在Agent使用范围扩大后，出现了一个经典问题：为一个应用所做的工作，未必能在下一个应用中得到应用。Barrasa将这种现象比喻为早期的报表系统，它们所产生的结果时常相互冲突。他详细描述道，团队常常会识别出一个特定问题，并将需要的知识直接构建在Agent身上，通过提示词或技能来实现。随后，当构建第二个Agent时，又重复了相同的过程，陷入过去相同的错误。

Barrasa强调，知识层是一个组织的数据信息、概念、政策和流程的治理性表现。这一层不仅能帮助人员检查Agent的答案是如何得出的，也越来越受到重视，尤其是在Agent从对话模式转向行动时。他指出，建立共享知识层将带来一致性与可解释性，使数据来源和答案构成变得清晰。 球友会

Barrasa建议，知识图谱能够将数据与Agent所需的业务概念和关系结合，组织应逐步构建知识层，而不是一开始就追求一个全覆盖的企业模型。他推荐先从单一用例开始，后续在新用例的构建中与之前的用例相匹配，从而逐步积累知识层。他还提到，本体的建设可以通过大语言模型显著加速。

Barrasa认为，组织在评估Agent数量增长时，应该采用更广泛的尺度来衡量共享知识层的投入产出比，并观察随着Agent增多所带来的变化。他提出两个衡量方向：一是查看后续Agent构建过程中是否变得更为高效，因为知识已在知识层中沉积；二是评估当不同Agent反馈相悖的结果时，调和这些结果的成本。这两个方面强调，Agent数量的增加并不会直接提升能力，前提是它们需要共享相同的企业知识理解。