OpenAI推出了隐私过滤器，这是一种双向标记分类模型，旨在检测和编辑个人身份信息（PII）。该模型支持长文本处理，具有强大的上下文意识，能够更准确地识别和处理敏感信息。在PII掩蔽基准测试中，隐私过滤器的F1分数达到96%。尽管功能较小，但其本地运行和上下文感知设计使其对开发者具有吸引力。

Qodo Aware通过增强上下文意识，提升AI编码工具的效果，主要包括上下文检索、深度研究和深度问题分析三个代理，能够有效处理代码及其背景信息。未来，Qodo还计划推出更多专家代理以协助代码审查，开发者将更多与代理互动，而非直接编写代码。

人工智能工具在数据科学中逐渐实现代码编写自动化，但仅生成孤立代码片段的工具存在局限，可能产生缺乏上下文的通用占位符代码，导致错误和集成问题。具备上下文意识的AI能够理解工作流程，提供针对性建议，从而提高生产力，减少错误和调整时间。未来，工作流感知AI将成为项目的智能合作伙伴。

检索增强生成（RAG）依赖嵌入技术，将文本和图像等数据转化为高维数值表示，帮助AI理解信息的语义关系。嵌入技术提升了语义搜索、上下文意识和检索准确性，广泛应用于聊天机器人、科研、医疗和法律等领域。

Claude的模型上下文协议（MCP）是Anthropic开发的开放标准，旨在促进AI模型与外部数据源的双向互动，提升上下文意识，简化AI应用开发，增强安全性，并加速AI应用的发展。

检索增强生成（RAG）通过从数据库中检索相关信息，提升大型语言模型（LLM）的知识。RAG流程包括数据加载、分割、存储和检索，最终生成更准确的响应。这种方法增强了模型的上下文意识和准确性，适用于个性化聊天机器人等应用。