Propane

产品团队和 AI Agent 面对同一个尴尬：它们需要理解客户，但客户的真实信号散落在 Intercom 对话、Zendesk 工单、Slack 频道、邮件线程和销售通话记录里。Propane 做的事情很直接——自动把这些分散的客户上下文聚合起来，变成产品经理和 Agent 都能直接消费的结构化信息。它的用户不是某一个人，而是产品团队和正在接入这些团队的 AI Agent。

今天，一个产品经理要搞清楚某个企业客户为什么迟迟不续费，通常需要打开 Intercom 翻最近三个月的对话，在 Slack 里搜索客户名称，再请销售同事转发几封邮件。最后把关键信息手动整理进 Notion 或 Linear 工单里。如果团队里跑着一个客服 Agent 或产品问答 Agent，情况更麻烦：Agent 只能拿到当前会话里的几句话，看不到客户六个月前提过的需求、上一次投诉的解决结果，也看不到对方公司正在试用哪个功能。Agent 的回答因此变得泛泛，甚至重复追问用户已经解释过的问题。

卡点不在工具少，而在上下文被锁死在各个渠道的原始格式里。Intercom 的对话是聊天流，Zendesk 的工单是状态机...