Microsoft IQ 与企业级 Context Engineering：四层上下文解析

最近在用 Microsoft Foundry 开发 Agent 时，我发现一个容易混淆的地方：微软有一系列带 IQ 的概念，比如 Work IQ、Fabric IQ、Foundry IQ、Web IQ。它们都像是“给 Agent 提供上下文”，但补的上下文并不一样。

这其实指向了企业 Agent 工程里的核心问题：context engineering。如果说 prompt engineering 是“怎么问模型”，那 context engineering 就是“给模型什么上下文”。Microsoft IQ 可以看作是微软在这个方向上的企业级实现：把组织内外分散的上下文，封装成四层可被 Agent 消费的智能层。

先说结论，Microsoft IQ 包含四个能力：

• Work IQ：理解员工如何工作。
• Fabric IQ：理解业务数据和业务实体。
• Foundry IQ：理解企业知识、政策和权威文档。
• Web IQ：理解外部世界的新鲜信息。

四层上下文分别解决什么问题？

企业 Agent 的上下文通常来自四类来源，Microsoft IQ 每层对应一类：

Work IQ：理解“人是怎么工作的”

Work IQ 是 Microsoft 365 侧的 workplace intelligence layer。它理解 work context、relationships 与 patterns，让 Agent 比单纯 connector 更快、更准确地回答问题。

从 context engineering 角度看，Work IQ 的核心是以“人 / 关系 / 时间”为中心的活动信号。它回答的不是“文档里写了什么”，而是“谁、在什么时候、和谁、做了什么”。

比如：最近和客户有哪些邮件往来？明天会议前应该看哪些文档？Teams 里大家围绕某个项目讨论了什么？

Work IQ 依托 Microsoft 365 tenant data，包括 SharePoint、OneDrive、Outlook、Teams 以及 Microsoft Graph 中的协作信号，并尊重 Microsoft 365 权限和组织边界。它特别适合员工生产力类 Agent：会议准备、邮件总结、项目上下文梳理等。

Fabric IQ：理解“业务当前是什么状态”

Fabric IQ 是 Microsoft Fabric 里的 IQ workload。官方文档说：Fabric IQ provides context on the state of your business。它不是简单让 Agent 查表，而是把数据提升到业务语言层，让人和 Agent 围绕业务概念、目标和规则理解数据。

从 context engineering 角度看，Fabric IQ 解决的是“业务数据如何被 Agent 正确理解”。企业数据原本在表、字段、schema 里，但业务关心的是：Customer 是谁，Shipment 和 Order 是什么关系，某个 KPI 怎么算，异常时该触发什么动作。

Fabric IQ 通过 OneLake、Power BI semantic models、ontology、Graph、data agent、operations agent 等，把这些业务概念、关系、规则和动作组织起来。它适合分析型和运营型 Agent：经营分析、供应链异常判断、指标解释、实时运营响应。

Foundry IQ：理解“企业知识在哪里”

Foundry IQ 更偏向 Agent 的托管知识层。Agent 需要来自分散企业内容的上下文，但模型有知识截止时间，也不能自己访问企业私有数据。Foundry IQ 可以创建 configurable、multi-source knowledge base，让 Agent 基于组织数据给出 permission-aware responses。

从 context engineering 角度看，这和 RAG 很接近，但不是手写一个简单向量库。Foundry IQ 的知识库可以连接 Azure Blob Storage、SharePoint、OneLake 和 public web data 等来源，并用 agentic retrieval（查询改写、多轮检索、来源排序、引用生成等）返回带引用的 grounded answers。

它解决的是“Agent 如何可靠访问企业知识”的问题：公司政策在哪里？产品文档怎么解释？历史方案里有哪些相关内容？回答能不能给出引用？

它适合知识问答、政策助手、产品文档助手、售前方案助手等场景。

容易混淆：Foundry IQ 和 Fabric IQ 都提到 OneLake，区别在哪？

• Fabric IQ 处理的是 OneLake 里已经被建模为业务语义的数据（表、指标、Graph、语义模型）。它让 Agent 懂“业务事实”。
• Foundry IQ 处理的是 OneLake 里作为企业知识来源的文档、模板、方案等非结构化内容。它让 Agent 懂“企业说法 / 规则”。

一个是“业务数据层”，一个是“企业知识层”。

Web IQ：理解“外部世界发生了什么”

Web IQ 是第四类能力。官方 Microsoft IQ 文档说，Web IQ provides AI systems and agents with fresh, real-world intelligence from across the web。

从 context engineering 角度看，它解决的是“外部正在变化的信息”：最新行业新闻是什么？竞争对手发布了什么？新政策、新法规、新漏洞有什么影响？

如果说前三者更多在组织内部找上下文，Web IQ 就是在组织外部补充变化。

容易混淆：Foundry IQ 也能接 public web data，和 Web IQ 不是重复吗？

不重复。

• Foundry IQ 里的 web 数据是企业主动 curate 过的外部资料，比如被抓取进知识库的竞品白皮书、监管页面、行业报告。它已经被纳入企业知识边界。
• Web IQ 是实时、开放、无需预收录的通用网络情报，补充的是“此刻外部世界正在发生什么”。

一个是“被企业管起来的外部资料”，一个是“实时外部世界”。

四者的区别

一个 context engineering 实例

假设做一个客户会议准备 Agent：

帮我准备明天和 Contoso 的会议。

这不是一次简单的 prompt，而是一次多层上下文的编排：

1. 用 Work IQ 拉取最近和 Contoso 相关的邮件、会议、Teams 讨论，建立“人”和“时间线”上下文。
2. 用 Fabric IQ 查询 Contoso 的业务状态，比如 ARR、订单、风险、续约、服务工单趋势。
3. 用 Foundry IQ 查询产品文档、客户方案、合同政策和交付模板。
4. 如果需要，用 Web IQ 补充 Contoso 最近的公开新闻、行业动态或竞争信息。
5. 最后由 Agent 整理成 briefing、风险点和建议问题。

关键不是“哪个 IQ 更强”，而是它们补的上下文不同。例如，如果你只接 Foundry IQ 查文档，却不知道客户最近在 Teams 里表达过强烈不满，Agent 的回答很可能是“正确但脱离上下文”的。

小结

Agent 真正难的地方，不只是模型会不会推理，而是它有没有正确的上下文。微软把这些上下文拆成不同层次：

• Work IQ 让 Agent 像理解同事一样理解工作。
• Fabric IQ 让 Agent 像业务专家一样理解数据。
• Foundry IQ 让 Agent 像知识管理员一样找到权威资料。
• Web IQ 让 Agent 像研究员一样关注外部变化。

从 context engineering 的角度来看，Microsoft IQ 的核心价值在于：把企业里原本分散、异构、权限复杂的上下文，封装成 Agent 可以直接消费的标准化能力。你不需要自己写 Graph connector、自己搭语义层、自己维护向量库、自己对接网络搜索，而是按场景选择合适的 IQ 层。

如果企业 Agent 只接了模型，很容易变成一个“很会说话但不了解组织”的助手。当它能同时理解工作、业务、知识和外部变化时，才更接近真正可落地的企业 Agent。

相关链接

• Microsoft IQ documentation
• Work IQ overview
• What is Fabric IQ?
• What is Foundry IQ?
• OneLake overview

• Previous
  Build 2026(2):Agent Harness的两个杀手级特性：CodeAct 与 Handoff