全書目錄
⼀、智商 150，却不知道你是谁
二、4260億美元買到了什麼
三、三道舊護城河，正在同時鬆動
四、重構 AI 時代的商業底層架構
五、本書的核心概念與邏輯
場景盲視：兩堵高牆背後的同一個根源
1.1 買了一樣的武器，為何還是打不贏
1.2 第一堵牆：執行困境
1.3 第二堵牆：協同困境
1.4 場景盲視：兩堵牆的同一個名字
1.5 星際電訊診斷現場 + 五問自測
機器客戶：客戶結構正在改變
2.1 從工具到 Agent：一次商業結構級別的演進
2.2 三類機器客戶：委託型、協作型與自主型
2.3 B2A：新的商業邏輯
2.4 AX 的疆域擴展：確定性偏好 vs 情感忠誠度
2.5 Headless 化與 CX/AX 融合：無介面時代的體驗架構
2.6 星際電訊 AX 戰略：從服務人到同時服務人和機器
CX 與 AX：共生、張力與雙軌治理
3.1 AX 是什麼：機器客戶需要什麼樣的體驗
3.2 Headless 化與 Agent-Ready 評估
3.3 三個戰略原則與 Agent 口碑
3.4 三條傳導鏈：AX 如何潛移默化影響 CX
3.5 兩組真實張力：共生不等於和諧
3.6 Decision Trace：從「必須在場」到「隨時可審計」
3.7 雙軌治理的統一底座：一個指向第二部分的路牌
管理者決策：先承認問題不是工具問題
場景：定義、要素與特徵
4.1 走出兩個誤區：什麼是場景，什麼不是
4.2 場景的定義與構成要素
4.3 場景的三個核心特徵
4.4 場景的三個資訊維度：AI 決策的完整輸入
4.5 場景 vs 數據 / 用戶畫像 / 標籤體系：對照辨析
場景資產：AI 時代的競爭護城河
5.1 競爭層面的五次躍遷
5.2 什麼是場景資產：本質定義與常見誤區
5.3 場景資產的三大護城河特性
5.4 這是企業投資決策，不是技術升級命題
5.5 跨行業觀察與現實參照：Amazon · Spotify · 星展銀行
5.6 星際電訊：從「我們懂用戶」到「我們懂場景」
C-I-M 總框架：三層結構，雙軌運行
6.1 為什麼大多數 AI 投入停留在 I 層
6.2 三層結構與價值密度
6.3 雙軌運行：人類軌道與 Agent 軌道
6.4 如何衡量：場景資產的三個可操作指標
6.5 場景資產在 C-I-M 中的位置：C 層的核心內容就是場景資產
6.6 六個概念的追問鏈與認知導航
場景飛輪：C-I-M 閉環的動力機制
7.1 場景飛輪：C → I → M → 回寫 C 的基礎運轉
7.2 競爭優勢 = 場景深度 × 記憶複利
7.3 三個反直覺洞察
7.4 Write-Back 是飛輪的控制點
7.5 冷啟動與飛輪失效：四種典型模式
7.6 三指標診斷框 + 全書飛輪座標索引
管理者決策：把場景從口號變成資產
C 層：場景資產的技術實現與護城河條件
8.1 場景不是數據：意義與事實的根本差異
8.2 場景資訊的結構化表達：從意義到可操作知識
8.3 隱性知識的顯性化：從銷冠腦袋到系統資產
8.4 C 層建設的三個前提條件：護城河的條件
8.5 C 層的邊界設定：越權紅線與硬編碼邏輯
8.6 C-I-M 與現有體系的對接 + 星際電訊 C 層現狀
8.7 現實障礙：技術債務與髒數據清洗
場景圖譜：場景資產的核心技術載體
9.1 場景圖譜是什麼：定義、本質特徵、與相關概念的區別
9.2 圖譜六構件：節點 / 邊 / 屬性 / 時序 / 物化 / 決策軌跡
9.3 場景圖譜的建設邏輯：準確性優先，覆蓋度其次
9.4 Human 節點與 Agent 節點的共存
9.5 動態更新與維護機制：讓圖譜保持活體
9.6 從旅程地圖到活體圖譜：漸進深化路徑
9.7 從一個場景到多個場景 + 星際電訊圖譜演化
I 層：無介面等式與三層交互架構
10.1 I 層的商品化終局：無介面等式的經濟學起點
10.2 無介面等式 = Zero UI + Headless UI
10.3 三層交互架構：A2A / 人機協同 / 流體 UI
10.4 從介面設計到規則設計：無介面時代的範式轉變
10.5 交互數據的戰略價值：為人類設計，同時為機器可讀
10.6 I 層的天花板：沒有 C 層支撐的交互是空心的
10.7 星際電訊 I 層改造方向
M 層：記憶機制，讓體驗持續進化
11.1 為什麼記憶層被系統性忽視
11.2 記憶的三種類型：事實 / 場景 / 判斷
11.3 寫入端的兩個門禁：時間衰減與置信度門控
11.4 Write-Back 閉環：記憶層的基礎設施
11.5 Decision Trace：讓 AI 決策可追溯、可審計
11.6 場景飛輪的時間壁壘 + 星際電訊 M 層現狀
管理者決策：判斷企業是否具備可運行的 C-I-M 系統
洞察、設計與產品的重構
12.1 共同的困境：靜態輸出在動態場景中失效
12.2 洞察的重構：從報告生產者到場景資產主編
12.3 設計的重構：從靜態地圖到動態場景規則
12.4 產品研發的重構：從功能交付到場景嵌入
12.5 三職能協同：洞察 → 設計 → 產品閉環
行銷、銷售與服務的重構
13.1 客戶旅程中的場景穿透：從觸點覆蓋到一條完整旅程線
13.2 認知與考慮階段：場景關聯度行銷
13.3 決策與購買階段：銷售的重構——讓頂級經驗成為組織資產
13.4 服務與增購階段：場景感知響應
13.5 一條旅程線 vs 三條資訊流：統一敘事的力量
增長與營運的重構
14.1 時機驅動增長：場景時刻比用戶標籤更重要
14.2 營運規則的場景化改造
14.3 場景化會員體系：讓忠誠度計劃真正有效
14.4 Agent 時代的增長規則設計
14.5 統一的重構邏輯：從規則管理到場景管理
場景中台：讓全組織共用一套場景認知
15.1 場景中台不是數據中台的升級版
15.2 核心職能：認知同步，而不是資訊同步
15.3 場景中台 vs 數據中台：邊界與協作邏輯
15.4 分級權限設計：四層權限架構
15.5 三種落地形態：中台型 / Pod 制 / 全棧體驗團隊
15.6 變革的深層阻力：結構性權力碰撞與疊加而非重組
15.7 星際電訊場景中台建設：18 個月完整路徑
場景架構師與角色體系
16.1 Context Architect：AI 時代最優先落地的核心角色
16.2 三維能力模型：場景提煉力 / 架構設計力 / 跨職能協作力
16.3 角色邊界與 RACI 矩陣
16.4 組織形態與配套角色
16.5 打字員與架構師：根本選擇、轉型陣痛與權力重分配
管理者決策：不要把場景智能交給單一部門
Step 1：結構診斷（C-I-M 三層失衡）
17.1 為什麼要先做結構性審視，而不是直接立項
17.2 C-I-M 三層投入分布分析工具
17.3 三種最常見失衡模式：I 層過重 / C 層空心 / M 層斷路
17.4 短板識別後：資源重新分配的決策邏輯
17.5 三類典型阻力及化解 + 季度複盤機制
17.6 【星際電訊·Step 1·第 1-2 周】雷達圖與診斷結論
Step 2：選擇高價值場景（C 層輸入定義）
18.1 為什麼「全面鋪開」是最常見的錯誤
18.2 場景選擇的四個標準：高頻 / 高影響 / 可衡量 / AI 信號密度
18.3 場景價值評估矩陣 + 選錯場景的三種災難
18.4 場景邊界定義：這個場景從哪裡開始，到哪裡結束
18.5 從 100 個候選到 5 個起點的篩選流程
18.6 【星際電訊·Step 2·第 3-4 周】首批場景的選擇過程
Step 3：定義場景規則（I 層規則化
19.1 為什麼必須把規則從「提示詞祈禱」變成「硬編碼約束」
19.2 If-Context-Then 規則框架：四個必要部件
19.3 規則的三個層級：硬邊界 / 軟邊界 / 自適應區間
19.4 規則庫的版本管理：Context 即程式碼，改動需走審核
19.5 從 3 條規則開始：最小可用規則集設計方法
19.6 【星際電訊·Step 3·第 5-6 周】高風險續約場景的完整規則集
Step 4：薄殼啟動（啟動 C-I-M 閉環）
20.1 薄殼的定義：不是 MVP，是帶真實規則的最小完整場景
20.2 薄殼啟動的五個前提條件
20.3 人機協同模式：哪些判斷交給 AI，哪些保留人工審核
20.4 2-4 周上線節奏：任務拆解、里程碑與驗收標準
20.5 上線後首 72 小時：監控指標與健康判斷
20.6 【星際電訊·Step 4·第 7-10 周】飛輪的第一圈
Step 5：記憶與飛輪（激活 M 層）
21.1 從薄殼到飛輪：兩者的本質區別
21.2 Write-Back 的工程實現：記憶如何改變判斷
21.3 飛輪啟動的三個信號：精準度提升 / 主動糾正 / 人工干預率下降
21.4 場景擴展的邏輯：從一個場景到相鄰場景，再到場景網路
21.5 飛輪的競爭壁壘效應：時間不可逆與量化模型
21.6 【星際電訊·Step 5·第 11-16 周】飛輪的加速與擴展
Step 6：規模化（C-I-M 生態化）
22.1 規模化的本質
22.2 場景擴展的最大障礙：職能牆
22.3 六職能規模化對照表：從靜態到動態
22.4 跨職能協同的共同語言機制：消除認知孤島
22.5 【星際電訊·Step 6】IT 負責人態度爭議：一次完整的跨職能場景對齊會議
22.6 規模化的停機點：上下文污染與熔斷機制
管理者決策：先讓一個薄殼跑起來
CaaS：場景資產的商業化路徑
23.1 傳統 SaaS 護城河的遷移：算力與狀態的大解耦
23.2 CaaS：從交付產品到交付場景匹配能力
23.3 場景資產的三種商業化路徑與三路徑模型
23.4 場景資產對外輸出的前提：內部成熟度必須先達到什麼標準
23.5 體驗競爭力的終極形態：場景最深與 場景作業系統（Context OS）
23.6 CaaS 的本質：不是新商業模式，是場景資產溢出的自然結果
23.7 跨行業 CaaS 案例：中小 SaaS 的轉型路徑
Agent 治理：新型體驗管理維度
24.1 內部 Agent 治理：CMO 如何編譯品牌靈魂
24.2 外部 Agent 營運：把機器客戶當作最有價值的客群
24.3 Agent 口碑：機器評估體系裡的競爭位置
24.4 Agent 失控的三種典型風險：權限越界 / 判斷漂移 / 協同衝突
24.5 Agent 治理的工具箱：Decision Trace / 置信度門控 / 授權邊界
24.6 倫理邊界：CEO 劃定楚河漢界
風險、進化與終極落點
25.1 場景越深，治理越重：風險不是撤退的理由
25.2 人類判斷權：CEO 最重要的戰略性資產
25.3 CEO 的儀表板：9 項指標體系
25.4 長週期風險地圖：技術 / 治理 / 倫理 / 地緣四類風險
25.5 個人維度的場景累積：知識工作者的不可替代性
25.6 不可逆的飛輪：不做場景智能的代價
管理者決策：判斷系統是在變聰明，還是變危險
路徑不複雜
三個警告
最後一段話
場景（Context）
場景資產（Context Asset）
場景圖譜（Context Graph）
場景飛輪（Context Flywheel）
C-I-M 框架（Context-Interaction-Memory）
AI 可讀組織（AI-Legible Organization）
場景中台（Context Platform）
場景架構師（Context Architect）
Write-Back（回寫機制）
Decision Trace（決策軌跡）
If-Context-Then（場景規則模板）
CaaS / Context as a Service（場景即服務）
AX / Agent Experience（智能體體驗）
薄殼啟動（Thin-Shell Launch）
AI 原生（AI-native）
企業 AGI（Enterprise AGI，外部相關提法）
世界模型（World Model）：邊界說明
上下文工程（Context Engineering）
公開事實一：可治理的數據與 AI 基礎
公開事實二：規模化用例與可披露經濟價值（2024）
公開事實三：AI/ML 價值在 2025 年繼續擴大
D1 招商銀行：856 個 AI 場景之後，仍需追問 C-I-M 結構
D2 中國平安：從「AI in All」到場景飛輪的跨越
D3 美團：物理世界場景數據的天然壁壘
D4 比亞迪：製造業場景資產的物理深度
D5 京東：電商場景資產的「履約鏈一體化」模式
參考文獻與數據來源
序言
第一部分：挑戰（Ch1-3）
第二、三部分：基礎與架構（Ch4-11）
第四部分：重構（Ch12-16）
第五、六部分：實施與治理（Ch17-25）
附錄 C/D 案例數據來源
聲明
核心概念三層對照表
F1 13 要素 → 五要件 → 六構件 完整映射
F2 使用這張對照表的三種場景
F3 不要把它當成轉換公式
