面向企业人士：内部构建智能体记忆是否值得？

鉴于最近这里关于自托管、GLM-5.x在消费级硬件上运行、Bonsai在浏览器中运行，以及萨蒂亚·纳德拉警告公司通过向云模型提供专有知识而“为智能付费两次”的诸多讨论，我很好奇企业如何看待AI记忆。如果你在企业环境中工作（或为其提供咨询），我很想听听你的观点：你是否在构建自己的内部智能体记忆栈（RAG、知识图谱、事件日志、长期用户画像），还是主要依赖云LLM平台自带的记忆功能？你在投资这个自定义记忆层时，实际看到了哪些具体的投资回报率（更少的幻觉、更快的工作流程、更好的知识复用、合规优势等）？当考虑到数据风险（例如云提供商可以从你的专有工作流中学习并成为竞争对手）时，构建和维护内部记忆系统的努力是否显得合理？根据你的经验，设计良好的记忆层如今对于严肃的智能体部署是“必备”基础设施，还是仍是在良好提示和工具之上的“锦上添花”？就我个人而言，专用的记忆层（结构化日志、嵌入、项目历史、用户画像）正成为智能体的真正差异化因素，尤其是对于希望将知识保留在组织内部的自托管和开放权重设置。但我怀疑这是否真的体现在企业投资回报率上，或者团队是否发现如今成本/复杂性超过了收益。非常希望能听到具体例子：你构建了什么、成本是多少、获得了什么回报。