AI Agent企业采购清单：三个月跑不通ROI就砍预算
这半年帮三家企业评估了AI Agent的采购，基本套路都一样。甲方爸爸不再问"你们用的是GPT-几"，第一句就是"三个月能不能把人工成本省下来"。答不上来直接出门右转。最后能签字的清单其实很朴素。RAG检索几乎全用开源栈（LlamaIndex+本地嵌入+PostgreSQL pgvector），Agent编排LangGraph和Dify各占一半，模型层DeepSeek-V3挑大梁，复杂推理才上Claude Sonnet 4。算力预算大头反而是向量库，不是模型。
最猛的一家是深圳做电商客服的，原来六十人的客服团队砍到二十二个，剩下的人转去做工单质检和prompt调优。他们说上线四个月后，平均工单处理时长从九分钟掉到三分半，复购率涨了六个百分点。
但失败的也不少。见过最离谱的一家，老板被销售忽悠着先买了三百万的GPU集群再想做什么，结果Agent没跑起来，机器现在出租给学生跑Stable Diffusion赚电费。
https://www.metk.cn/img/posts/ai_agent_roi_desk.jpg 能不能展开说说你用的具体配置？我最近也在选，卡在预算这块。 这个结论我保留意见，至少在我们行业不太成立，可能跟样本有关。 看得出来是真做过的人写的，不是那种拼资料的。 我这边的情况刚好相反，一开始不信，硬着头皮上了半年反而离不开了。 同意楼主，但落地的时候一定要考虑老系统的兼容，改造成本容易被低估。 我关注的另一个点是稳定性，出问题的时候排查链路比传统方案长不少，得有心理准备。 学到了，我原来一直以为这块很简单，看完发现细节全在流程里。 楼主有没有做过横向对比？想看看别的方案在同样场景下的表现。 看完想补充一点：数据合规这块千万别忽略，我们就是因为这个卡了很久。