国投证券固收AI投研探索低成本本地记忆构建实践

国投证券固收团队探索AI投研低成本本地记忆构建实践，针对AI智能工具应用痛点（多轮对话输入繁琐、长对话易丢失细节、历史对话无法复用）开展解决方案探索。他们探索了基于阿里、腾讯、华为开源项目构建定制化本地记忆机制，以及开发Deepseek Honeys插件实现不同AI工具历史记录互通与同步。本地记忆数据库采用类似Honey机制，具备自然语言搜索能力，支持语义标签、对话摘要层，可定位具体内容片段。

AI记忆机制在金融行业可提升投研效率，解决多轮对话输入繁琐、长对话易丢失细节、历史对话无法复用等问题。通过本地记忆机制，投研人员可快速检索过往对话内容，避免重复劳动，提高决策准确性。此外，本地记忆机制成本极低（1年对话本地入库成本不到10元），适合5GB以内个人小体量数据，效果优于通用向量检索，有助于金融机构实现AI工具的个性化定制与高效利用。

报告对比了Deepseek Honey AI Agent和自主构建的Scale机制。Deepseek Honey AI Agent需导入本地对话数据，35分钟检索近7天工作内容，但存在数据依赖作弊嫌疑。Scale机制从三个数据源召回内容，2分钟完成近7天工作检索，召回616个干货无冗余对话片段，细节更丰富，还能接管本地其他AI工具对话数据。Scale机制效果更优，且透明化可复用，计划开源并以插件形式加入Deepseek Honey。

目前AI智能工具应用存在多轮对话输入繁琐、长对话丢细节、工具切换后历史对话无法复用的痛点。国内开源AI记忆机制多依赖大厂云服务，个人规模下成本过高（如阿里记忆服务个人规模难以承受）。Deepseek Honey AI Agent存在数据依赖作弊嫌疑，可靠性需进一步验证。从底层构建场景定制化AI工具虽效果良好，但初期token消耗大，需关注成本控制。

研报提示当前AI智能工具应用存在多轮对话输入繁琐、长对话丢细节、工具切换后历史对话无法复用的痛点。国内开源AI记忆机制依赖大厂云服务，个人规模下成本过高。Deepseek Honey AI Agent存在数据依赖作弊嫌疑，可靠性需进一步验证。从底层构建场景定制化AI工具虽效果良好，但初期token消耗大，需关注成本控制。此外，初期开发出现缓存命中率低等问题，已通过优化缓存机制、利用夜间计算、选择适配模型等方式解决。