面向 Agent 的数据上下文层：Typedef 的 Yoni Michael 与 Brandon Callender

两位讲者讨论如何为数据工程与编码 Agent 构建上下文层。同名 Rust 类型 PostingList 在文本搜索中无法区分，而上下文图能保留各自身份并暴露依赖关系。该层从转换代码计算数据粒度、血缘与关系，用真实数据校验 join 假设，使证据在 Agent 行动前可查询。Callender 在 Qdrant 部分 crate 上实现小版本：tree-sitter 抽取语法、Rustdoc 解析符号、Neo4j 存储关系，Agent 可直接查询某类型的依赖符号。

AI推荐理由 来自 AI Engineer 频道的技术分享，提出为 coding agent 构建数据上下文层：从转换代码计算 grain、lineage 与关系，校验 join 假设，并用 tree-sitter、Rustdoc、Neo4j 在 Qdrant 部分 crate 上做符号依赖图。具体新信息是区分同名类型身份、把依赖关系显式化供 agent 查询，而非反复搜索文件推断。局限是摘要截断，未给出量化效果或开源地址，属会议分享而非已验证产品。