Fulcra 是面向 AI 智能体的用户自有上下文后端。它的核心目标是为用户提供一个统一、可掌控的上下文层，把现实世界数据、记录的知识、文件以及智能体的工作整合在一起，使每个智能体都能从上一个智能体中断的地方继续。
一、用途 Fulcra 主要解决智能体之间上下文割裂的问题。按官方描述，大多数智能体像是“聪明的陌生人”，它们不知道自上次对话以来发生了什么变化，也无法基于另一个智能体学到的内容继续工作。用户在不同应用、不同智能体或不同模型提供商之间切换时，每个系统都只保留自己独立的一份记录，导致关系与上下文需要重新开始。Fulcra 把这些分散的信息汇聚成一个用户自有的上下文，让智能体可以读取和写入同一份上下文。
二、主要能力
- 统一上下文：将真实世界数据、记录的知识、文件和智能体工作汇集到一个用户控制的上下文中。
- 上下文湖：底层是数据平台，为每个所有者积累结构化的、半结构化的和非结构化的数据，数据可来自多种来源、智能体和应用，并随时间累积。
- 跨智能体共享：每个智能体都可以贡献它学到的内容，同时所有智能体都从同一份完整上下文中获取信息；切换智能体或模型时，上下文可以跟随用户迁移。
- 可查看与可控制：上下文是可供浏览、人类可读的视图，展示智能体所知道的关于用户的内容，包括上传的文件、智能体学到的数据以及从活动中提取的洞察。
- 变更日志：智能体做出的每次更新都会被记录，用户可以追踪发生了什么，并纠正和控制自己的上下文。
- 智能体记忆、行动与循环：捕获智能体记住的内容、执行的操作，以及将上下文转化为后续跟进的重复性工作流。
- 连接器与设备数据：可添加任意连接器，把应用、设备和工具数据带入一个共享上下文层，如事件、笔记、位置、健康、体验、实验等。
- 应用场景示例：可连接财务、健康、生产力或自定义智能体。
三、使用方式 官方文本提到“现在正在招募：一小批与 Fulcra 团队一起学习循环工程的构建者”。关于具体安装步骤、API 接入方式或操作流程，资料中暂未提供。
四、数据隐私与权利 Fulcra 强调隐私与所有权是基础架构，而非事后补充。
- 端到端加密：数据在静态和传输中均加密，使用行业标准 AES-256 加密，即使发生泄露，没有密钥也无法读取数据。
- 绝不出售数据：商业模式基于订阅，而非数据经纪；不会出售、授权或变现个人数据。
- 访问控制：提供细粒度共享控制，可决定谁看到什么，例如与医生共享睡眠数据而不暴露位置，与协作者共享项目文件夹而保持其他内容私密。
- 用户权利：包括导出权，可随时以标准开放格式下载上下文，包括已连接或记录的内容以及叠加的智能体工作，无专有锁定、无等待期、无不完整导出；删除权，可要求彻底删除数据；透明度权，可了解收集了哪些数据、如何存储、谁有访问权限以及如何使用。
五、适用场景 适用于使用多个 AI 智能体、希望它们共享用户上下文并持续积累的场景，如财务、健康、生产力等需要跨工具、跨模型保持连续性的领域。也适合希望掌控自身数据、可审计智能体知识来源并随时撤回访问的用户。
六、限制 关于具体支持的连接器类型、平台兼容性、收费标准、价格、可用地区、技术集成细节等，资料中暂未提供。
