记忆的断点不在模型里
企业用智能体，最常见的抱怨不是「它不够聪明」，而是「它每次都从头开始」。同一个业务流程，换一个专家、换一次会话，之前积累的背景、口径与约定就全部归零。这不是模型能力问题，而是记忆架构问题：上下文窗口再大，也只是单次会话内的短期记忆。
360 纳米 Work 在 9 月上旬的多端更新里，把这件事当成一个显式的工程问题来处理。按官方更新说明，电脑版 3.13.0 于 9 月 9 日发布，移动应用 1.9.1 于 9 月 10 日发布，核心新增是「工作记忆中枢」。
三级知识库，各自管一层
这套记忆中枢用三级知识库来组织：专家级、项目级、账号级。三者叠加的作用是让多个专家共享上下文并接力协作——一个智能体做完的部分，另一个接手时不必重新问一遍背景。官方把它概括为「越用越懂业务」。
与记忆配套的还有调度与成本策略。官方称支持 DeepSeek、千问等 100 多个大模型的自动调度，并提供按场景切换的模式：轻量模式可省约 90% 算力，省钱模式可省约 70%，而关键任务保持满血不降级。安全侧延续了企业级口径：数据不出域、操作可追溯。
把这三块放在一起，能看到一个清晰的设计取向：记忆负责「记得住」，调度负责「用得起」，安全负责「敢交付」。对企业客户而言，三者缺一都会卡在试点阶段。
为什么记忆分层是个工程问题，而不是一句口号
「记住上下文」听起来简单，落地要回答几个具体问题。
记忆的归属与权限。专家级的经验、项目级的过程、账号级的偏好，三者的可见范围不同。谁能写、谁能读、谁能在离职或转岗后保留，都需要明确的边界。目前公开信息里，这三级的权限模型与隔离粒度尚未展开。
记忆的可移植性。记忆如果绑死在某个模型或某个供应商上，换一次底层模型就可能推倒重来。对企业来说，这是选型时的隐性成本，值得在采购前问清楚。
记忆的可纠正性。记住了错误的口径，比不记住更危险。系统需要支持纠错、覆盖与「遗忘」，否则错误会随着复用被放大。这部分机制目前公开得不多。
同一时期还有一条资源取舍的信号
9 月 13 日前后，市场讨论指出 360 旗下的安全浏览器、搜索、导航与安全卫士的侧边栏均已移除「纳米 AI」入口，目前仅官网可见。在近期的业绩交流会上，公司高管回应称「纳米 AI 仍是公司重要的产品」。结合纳米 Work 的持续迭代，市场解读为该公司正把 AI 资源向企业级的纳米 Work 集中。
需要标注的是，这属于市场观察与高管回应的组合，并非正式公告。但它对选型者仍是一条有用的信号：评估一个 AI 产品时，除了看功能清单，也要看产品线的资源投入与维护节奏——入口的收缩与扩张，往往比发布会的措辞更能说明取舍。
几点需要保留的谨慎
其一，「省约 90% 算力」这类比例高度依赖对比口径：是和满血模式比，还是和某个基线比，结果会差很多。采购时应要求明确基线。
其二，三级知识库的权限与隔离细节未公开，涉及敏感数据的场景需要向厂商逐项确认。
其三，「多专家接力」在真实复杂流程中的效果，取决于记忆的准确率与冲突处理。公开信息里还没有可验证的长期运行数据。
其四，记忆能力越强，隐私与合规的边界越需要写清楚：哪些内容会被沉淀、保存多久、如何删除。
三级知识库的权限模型、跨模型可移植性，以及在政企私有化环境中的落地案例，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。