企业问题诊断指南
企业数据不出边界，AI 还能完成任务吗？
从数据分类、最小权限、模型路由和审计出发，选择本地、私有云或隔离托管部署。
客户要求数据不上公有云、不被模型保存、全程可审计，AI 项目应该怎么设计？
直接回答
先逐类定义哪些数据可处理、可发给哪个模型、可保留多久和谁能批准，再选择部署方式。完全本地、客户私有云、隔离托管和受控外部模型可以在同一系统按任务分流。关键不是一句“不保存”，而是用最小权限、加密、密钥控制、日志、脱敏、模型与工具白名单以及可验证的删除策略落实客户规则。
01 / DIAGNOSIS
怎么一步步查清
- 数据分类与确权
列出数据所有者、敏感级别、地域、用途、保留与删除要求。
- 任务级路由
按数据和风险决定本地模型、私有端点或外部服务，不让一个默认设置覆盖全部任务。
- 限制工具权限
连接器使用只读、短期凭证和最小范围；写操作必须单独授权和记录。
- 保护传输与存储
落实传输和静态加密、客户密钥、秘密管理、日志脱敏和环境隔离。
- 持续验证边界
测试提示注入、数据外传、越权检索、日志泄漏和删除流程。
02 / EVIDENCE
最少需要哪些资料
先申请能验证当前假设的最小范围，并保留字段定义、时间范围和来源。
- 客户数据分类、处理协议和地区要求
- 数据流图、系统清单与信任边界
- 模型与供应商数据使用条款
- 身份权限、密钥、网络和审计配置
- 红队、恢复、删除和事件响应记录
03 / VALIDATION
怎样做一个可信的验证
选一个只读、可撤销的业务任务，列出从入口到模型、工具、日志和输出的完整数据流。验证权限超出时系统会拒绝，敏感字段不会出现在不允许的模型或日志，删除与撤权可以复现。性能测试与安全测试同时进行；通过后再逐项增加数据和工具权限。
04 / WATCH OUT
常见误判
- 把“私有部署”等同于自动安全
- 脱敏后仍保留可重新识别的组合字段
- 模型受控但浏览器、日志或插件可以外传
- 长期共享高权限服务账号
- 只检查法律允许，忽略客户自己的数据策略
05 / FAQ
常见问题
必须完全离线吗？
取决于客户规则和任务。许多企业采用本地处理敏感数据、受控服务处理非敏感任务的混合方式。
如何证明供应商没有保存数据？
核对合同与技术设置，并通过数据流、日志、保留策略、删除测试和审计证据共同验证。
本地模型效果不够怎么办？
可先做检索、规则和工具分工，再对允许的数据使用更强模型；重要判断保留人工复核。
SOURCES
官方与原始资料
外部来源用于方法和口径核对；具体结论仍应以客户授权数据验证。