AI供应商锁定自查清单：三个月后想换模型，你会被什么卡住

选AI供应商时大家看价格和效果，几乎没人认真想”以后怎么退出”。等到业务长大、成本失控或对方涨价时想换，才发现自己早被绑死了。这份清单帮你在签约前就把退路留好。

一、提示与配置资产能不能带走

你的系统提示、few-shot示例、工具定义、参数配置，是长期积累的核心资产。问题在于：如果它们被写成某家平台专属的格式或可视化节点，迁移时就得全部重写。

自查：这些资产是否能导出为纯文本或标准格式？有没有版本控制？如果答案是”只能在对方界面里改”，这就是一个高锁定信号。

二、接口有没有标准层

直接调用某家专有API，会让你和该厂商深度耦合。缓解办法是在你的应用和模型之间加一层适配层：所有调用走统一内部接口，底层换成哪家只改适配层。

自查：你的业务代码里，供应商名字出现在多少个文件里？如果散落在各处，迁移成本会非常高。

三、数据能不能导出

对话历史、微调数据集、向量库，这些数据的所有权和使用权必须写清楚。更现实的问题是格式——很多平台的数据只能在其内部使用，导出后无法直接喂给别家。

自查：微调数据能不能以标准格式完整导出？向量索引能不能重建？

四、成本结构透不透明

最隐蔽的锁定是定价。如果计费方式复杂到无法预测，或存在”只能追加不能缩减”的套餐，你就是在被动挨宰。

自查：单价是否公开可预期？有没有最低消费或退出罚金条款？

五、功能依赖有多深

用了对方的Agent编排、知识库、工作流引擎等全套托管服务，迁移难度会指数级上升。功能用得越深，退出越难。

自查：核心能力有多少是”自己实现的”，有多少是”租来的”？

一份简化的决策规则

检查项	理想状态	危险信号
提示资产	可导出纯文本	平台专属格式
接口	有内部适配层	直接硬编码调用
数据	标准格式可迁移	只能内部使用
定价	公开可预测	复杂套餐锁死

结论很朴素：把可迁移性当作一项产品能力来设计。加一层适配、保持数据可导出、把提示当代码管理——这些成本很低，却能在未来某天帮你省下几个月重写。选供应商要看能力，也要看门是不是开着。