标签
一篇讨论帖，重点探讨 AI 智能体的“机构记忆问题”——习得的经验与诀窍分散在供应商控制的记忆功能、聊天记录和追踪数据中——引用了 NeuralTrust 于 10 月 27 日发表的文章，以及 InfoQ 对上下文、记忆和知识的区分，并询问从业者如何存储持久、可迁移的智能体知识。
一项针对 2,018 名企业 IT 负责人的调查发现，企业在软件预算中平均有 28% 花费在非必要的升级和迁移上，95% 的受访者曾为厂商主导的变更付费，而他们认为这些变更会损害性能或业务价值。该报告由软件维护服务商 Origina 委托完成，凸显了企业在与厂商谈判时的弱势地位以及厂商锁定所带来的成本。
作者探讨了企业在部署AI客服代理时容易被忽视的供应商锁定问题，梳理了平台、工作流、数据和模型四类锁定形式，并权衡了紧密集成与灵活架构之间的取舍，最后向从业者征集迁移经验。
作者讨论了 Cloudflare 与 VPS 在高流量产品场景下的取舍，并介绍了 TinyShip——一个多框架全栈 SaaS 脚手架，采用无厂商锁定架构，内置认证、支付和 AI 能力。
博客文章批评，那些为避免“厂商锁定”而提供模型选择器的AI产品，实际上是缺乏真正产品力的表现。文章认为，开发者应基于最强的前沿模型构建专用产品；成本对比应以“每次任务成本”来衡量，而非“每百万token价格”。
作者发布了一个开源、免费、可本地自托管的 'dots' 项目，模仿 Grok bots 的体验，支持用户现有的订阅、任意模型和推理级别，并可在手机上配对使用，反对厂商锁定。
面向从业者的一篇综述：三大实验室在约 10 天窗口内先后发布前沿模型——Google 的 Gemini 4 "Argon"、OpenAI 的 GPT-6 Astra/Sol/Luna，以及 Anthropic 的 Claude Opus/Sonnet 5.5——重点关注安全门控的发布策略，以及从按 token 计费向按任务计费的转变，并抛出一个问题：团队究竟如何决定在生产环境中运行哪个模型。
本文比较了使用自托管开放权重LLMs与租赁前沿API的实际考量，重点放在成本、延迟、数据驻留和供应商锁定上，以指导开发者选择合适的方法。
xpander.ai 已筹集了750万美元以实现AI代理的民主化，提供一个帮助企业成为AI原生的平台，无供应商锁定，提供云端和自托管版本。
OpenShip是一个开源的平台即服务（PaaS），允许在云端或本地基础设施上部署，无需供应商锁定，管理构建、部署、域名、SSL、监控等。
关于AI代理中上下文可移植性的讨论，将其比作更换手机时联系人依然保留的场景，但当前的AI平台却锁定用户上下文。文章质疑供应商对可移植性的承诺是否只是包装更好的锁定策略。
Microsoft CEO Satya Nadella 警告公司不要依赖单一AI模型提供商，建议他们保留对数据和提示的控制，以避免外包思考并保持灵活性。
一款新工具让用户可以从Gemini、ChatGPT和Claude等AI助手中导出聊天记录，并将其迁移到开源AI平台或任何其他服务。
这篇文章批评 Anthropic 的 API 不稳定、通过 Claude Code 实现供应商锁定以及定价问题，认为开源替代方案正变得更具竞争力。
随着AI编码模型变得商品化，智能体控制框架——即管理工具和工作流的控制循环——成为关键差异化因素。本指南绘制了控制框架领域的图谱，权衡了供应商原生性能与模型无关工作流的可移植性。
Alex Karp 认为，对企业来说，真正的 AI 安全意味着对数据和模型权重的控制，并批评 Anthropic 通过推出与客户竞争的产品来捕获下游价值的策略。文章将开放权重模型之争定位为商业问题而非安全问题。
萨提亚·纳德拉认为，公司必须拥有自己的学习循环，而不仅仅是AI模型。本文警告说，依赖API提供商可能有失去控制的风险，并倡导构建允许在不丢失机构知识的情况下切换模型的系统。
Anthropic 秘密限制用户训练竞争模型时 Claude Fable 5 的性能，遭到研究人员反对后撤销决定。微软也因数据保留政策冲突限制了使用。
英国议会委员会警告称，政府对 Palantir 技术的日益依赖造成了不可接受的供应商锁定风险，建议出于政治和道德担忧提前终止 NHS 合同。
Claude Code 的插件系统允许功能远超技能（skills）的强大扩展，但其专有性质可能导致供应商锁定风险，因为仅有少数竞争对手支持它。