Data Connection — 数据接入与记忆构建
定位
Relay 知识能力的基础设施。员工将自己的工作数据源接入 Relay，系统持续处理并构建该员工的结构化记忆。这份记忆既服务于日常协作，也是离职交接时 AI 进行完整性检查的依据。
核心概念：Link
员工通过 Link 操作将外部工作数据源连接到 Relay。Link 不是一次性导入，而是建立持续同步关系 —— 数据源更新时，记忆随之演进。
支持的数据源
| 类别 | 典型来源 | 进入记忆的内容 |
|---|---|---|
| 代码仓库 | GitHub / GitLab | 仓库结构、提交历史、PR/MR 上下文、代码评审 |
| 文档平台 | Notion / Confluence / Google Docs | 文档内容、编辑历史、文档间引用关系 |
| 项目工具 | Jira / Linear / Asana | 任务归属、状态流转、需求上下文 |
| 设计工具 | Figma | 设计稿版本、评审记录、组件关系 |
| 沟通记录 | Relay IM 内的日常对话 | 与工作相关的讨论、决策上下文、技术方案讨论 |
数据源的具体集成范围随版本迭代扩展，首版优先支持与岗位知识关联度最高的类型。
记忆构建
数据接入后，系统自动完成三个层次的处理：
- 语义提取：AI 从原始数据中识别关键信息 —— 不是全量存储，而是提取有知识价值的内容
- 知识结构化：将提取的内容按主题自动聚类，形成该员工的知识图谱
- 记忆画像：汇总为可视化的知识概况，标注各领域的覆盖深度
员工的记忆视图
员工可以查看自己的记忆概况：
- 知识领域分布：以自己 link 的数据为基础，AI 识别出的知识领域及深度
- 数据源状态：已连接的数据源列表、同步状态、最后更新时间
- 记忆管理：可断开不再相关的数据源、标记某些内容为私密（不进入交接范围）
员工只能查看和管理自己的记忆，无法查看他人的记忆画像。
记忆与交接的关系
当离职交接启动时，记忆发挥两个关键作用：
| 作用 | 说明 |
|---|---|
| 交接起点 | AI 基于已有记忆自动生成更精准的交接模板，而非仅依赖岗位通用模板 |
| 完整性检查 | AI 比对记忆画像与交接对话内容，主动发现"记忆中有但交接中未提及"的知识盲区 |
这意味着：一个持续使用 Relay 并 link 了丰富数据的员工，其交接过程会更高效、更完整；即使员工此前未日常使用 Relay，只要在交接启动前完成数据 link，系统同样能构建记忆并辅助交接。
设计决策
为什么是主动 Link 而非自动抓取？
自动从企业工具全量抓取（如爬取 Slack 历史、扫描 Google Drive）存在严重的隐私和授权问题，且抓取的信息噪声极大。员工主动选择 link 哪些数据源，既尊重个人边界，也确保进入系统的数据与工作知识真正相关。