用 AI 做数据分析最磨人的常常是重复——业务规则明明跟它说清楚了换个对话它又忘了得从头再交代一遍。这种事用过的人大概都不陌生。SmartBI 白泽是面向企业的智能体决策分析平台。白泽的记忆功能专门治这个「健忘」 的毛病。我们用华南区销售负责人王总的一次月度复盘看看它到底怎么发挥作用。王总每个月初都要复盘区域业绩——合同额、回款率、行业结构先过一遍再往下挖重点客户和异常波动。一个问题带出下一个一次分析常常延续到下一次对话。白泽的记忆功能就是来接这种连续追问的说过的口径、关心的指标、认可过的思路 它都记下来下次自己调用。下面跟着王总这次复盘一起来感受下白泽的记忆功能。01 个人知识沉淀业务规则说一次就记住王总刚开始使用白泽的时候交代过一句「确认合同额指的是合同金额。」就这一句以后他再没提过。企业里口径的事最容易出岔子。同一个「合同额」有人按签约算有人按确认算还有人要把某个分公司排除掉。口径错一个整张表都对不上偏偏这种错最不容易被发现。换作没记性的 AI这句口径每个新会话都得重说一遍。白泽会在对话结束后把王总交代过的规则存下来。再问合同额他不用解释白泽直接按「确认合同额」走。甚至「净利润指扣非」「数值保留两位小数」「华南区不含深圳」这些都能慢慢攒进去。说一次就长期生效这是它和没记忆的 AI 最实在的区别。02 历史记忆检索同类问题不再从零开始一周前王总分析过「华南区4月确认合同额为什么下降」。白泽给的结论里制造业客户的签单下滑是主因之一。一周后他想跟进这批客户的回款。这次他没翻出上次的对话而是直接新开对话问「上次分析华南区 4 月合同额时发现的那几家制造业客户回款情况怎么样了」没重报区域没报月份也没说客户名字。白泽自动调出了一周前那次分析的记录——回答里能看到「来源于历史」的标注认出他说的是哪批客户直接给出回款情况。它靠的不是翻聊天记录而是把上次确认过的分析对象和口径从历史里精准接了回来。王总只感觉到一件事他在延续一条线索而白泽跟上了。一条业务线索能跨着会话、跨着天数往下走这才是要紧的地方。03 用户画像学习不同角色看到不同重点「我是华南区销售负责人主要看签单金额、确认合同额和回款率。」王总这句自我介绍白泽记进了他的用户画像。之后他再问「上个月业绩怎么样」白泽会直接从销售视角切进去签单和回款排在最前面不会甩给他一份谁都能套的泛泛总结。同样这句话财务总监问关心的是收入和利润运营负责人问盯的是留存和流失。一个问题不同的人不同的答案。04 点赞经验沉淀好方法能持续复用让王总认可的不只是某个结论更是白泽分析问题的那套思路——从结果合同额下降到 原因制造业客户再延伸到资金风险一环扣一环站得住。王总觉得这条思路靠谱点了个赞。以后再碰到类似的经营分析白泽就能直接复用这套「结果 → 原因 → 风险」的思路不用每次从头摸索。点踩也有用。有回做销售预测白泽一上来直接套了线性回归没把季节和促销算进去偏差不小王总点了踩。这一踩也被记下来往后这类预测得分区域、分品类把季节因素考虑进去再说。好的留下来差的别再犯。这四项能力其实各管一摊——历史记忆记得你问过什么个人知识记得你的业务规则用户画像记得你是谁、关心什么经验记忆记得哪些方法有效、哪些坑要避开。它们一起上场时白泽给的不再是临时拼凑的答案而是带着上下文、口径、角色和方法一起算出来的。而且这些记忆只跟着你的账号走不会串到别人那儿。 用得越久越贴合你自己的业务习惯——这正是企业做分析最想要的那种「不用反复教」的顺手。常见问题Q记忆会不会泄露跨部门的数据不会。记忆是用户级别的每位用户的画像、知识、经验都相互隔离。A 销售总监定义的规则不会影响 B 财务总监的分析结果。Q如果规则给错了怎么纠正在对话里说一句「之前说的不对重新定义一下」AI 会自动更新或替换旧规则也可以在设置里手动管理。Q点赞和记忆有什么关系点赞会触发经验知识提取将 AI 在本轮对话中的完整推理过程提炼为结构化的经验知识卡片沉淀到用户的个人知识库。点踩同样触发经验提取但标记为反面经验记录踩过的坑。点赞让用户认可的思考方式被保留点踩让教训被记住两者共同让 AI 越用越聪明。Q点了「重新生成」AI 会拿刚才那个不满意的回答当参考吗不会。当用户点击重新生成时系统会自动跳过历史检索避免把刚刚不满意的回答又当作参考来源。同时该条重新生成的回答也不会覆盖原有的历史记录。Q记忆一直累积会不会越来越慢不会。系统会自动合并相似的知识、替换过时的内容越久远的记忆权重越低不会无限膨胀。Q需要 IT 配置吗开箱即用默认开启。管理员可以统一调整用户也能在自己的设置里关闭「自动学习个人知识」。