Zillow 面临客户旅程跨越多个阶段和多位专业人士的挑战，需要在交互间保持上下文的一致性。单一的聊天机器人不足以应对这一复杂且长期的流程。Zillow 工程副总裁 Toby Roberts 与 Glean 首席执行官 Arvind Jain 讨论了其旨在维持上下文的 AI 架构。他们强调，上下文而非原始数据，才是更具挑战性的问题。Zillow 的 AI 工作始于建立坚实的数据基础，采用数据网格（data mesh）和稳健的治理体系。然而，真正的难点在于构建一个能够记住客户进展并将该信息在不同平台间延续的系统。Zillow 选择构建自身的持久化上下文层，而非依赖外部聊天界面，这源于对房地产交易本质的认知。其方法采用针对特定任务微调的小型 AI 模型，而非单一通用大模型。内部，Zillow 部署了数千个 Glean 智能体（agents）以自动化重复性任务。Glean 的平台集中了集成工作，避免了跨部门的重复努力，并成为一种成本节约措施。这通过模型路由至成本更低的模型以及预计算上下文得以实现，显著降低了 token 消耗。对于着手实施智能体 AI（agentic AI）的企业，Zillow 与 Glean 提供了关键见解。在 AI 实施前建立测量基线对于量化影响至关重要。集中管理上下文可避免团队间的重复集成工作。敏感数据需要除自动化权限之外的额外合规检查。最后，应将上下文视为成本优化工具，而不仅仅是功能能力，正如模型路由和预计算上下文所体现的那样。