AI 使用边界：隐私、事实与责任

会提问能提高速度；会划边界才能长期用。本文是 AI 实用入门 的安全篇，也是 提示词循环 的配套护栏。

效率可以后补；越界的隐私、错误的事实、甩锅式责任，补起来贵得多。

三条线一张图

1. 隐私线：什么不要喂进去

默认假设：对话可能被用于服务改进、被日志记录、被未来的人看到（哪怕产品声称不训练）。

高风险材料尽量不贴原文：

• 身份证、银行卡、密钥、生产环境凭证
• 未公开的客户数据、合同、薪酬
• 可定位到个人的医疗 / 家事细节
• 公司未开源的核心算法与内部架构图（若政策禁止外发）

可替换策略：

| 原内容 | 更安全的做法 | |--------|----------------| | 真实密钥 | 用 REDACTED_KEY 占位 | | 客户全名 | 用角色名 A/B | | 生产库表结构 | 只描述字段语义，去掉库名与 IP | | 长日志 | 截取报错栈，去掉路径里的用户名 |

2. 事实线：像审稿人一样读输出

生成式模型擅长听起来像真的。对下面类型默认「不可直接信」：

• 具体论文标题、法条编号、历史日期
• 「最新」价格、版本号、股价
• 未经验证的医学 / 法律结论
• 它「引用」但你点不开的链接

最低校验清单：

1. 关键数字与专有名词二次检索
2. 代码：跑一遍或至少静态检查
3. 让模型列出「哪些是假设」——它常会暴露过度自信处
4. 重要对外文稿：人工终审，不「模型直发」

AI 的输出是草稿源，不是事实源。

3. 责任线：决策权不外包

即使模型写了方案、补了代码、拟了邮件：

• 发出去的是你的名字
• 合并进主分支的是你的变更
• 对用户造成的影响由人承担

健康用法是：让 AI 扩大你的搜索面与草稿速度，而不是替你签字。

组织内协作时更要写清：

• 哪些步骤允许用 AI
• 哪些仓库 / 数据禁止外发
• 代码生成后是否必须人工 review

没有制度时，个人至少自建一条规则：不可逆操作（删库、对客承诺、转账、发布）必须人眼确认。

场景红黄绿

| 场景 | 建议 | |------|------| | 头脑风暴、学习讲解、润色结构 | 绿：放心用，仍建议抽查事实 | | 带业务细节的代码助手 | 黄：脱敏后使用，diff 必看 | | 医疗 / 法律 / 合规结论 | 红：只能当检索线索，专业人士终裁 | | 含密钥的排障 | 红：先轮换密钥，再谈贴日志 |

和提示词循环如何配合

在 提示词循环 的「约束」一步，固定加两行：

- 不要索要或假设我拥有未提供的隐私数据
- 不确定的事实请标注「待核实」，不要编造来源

在「校验」一步，固定做：隐私是否外泄、事实是否可核、责任是否仍在我。

最小制度（个人版）

1. 脱敏清单贴在显示器边：密钥、客户名、内网地址
2. 对外发布检查表：数字 / 链接 / 承诺语气
3. 失败复盘：哪次差点击发了不该发的内容

三条够用。制度越长越没人执行。

收束

AI 让单兵能力上移，也让犯错速度变快。边界不是吓自己，而是让速度可持续。

读完这篇，建议立刻做一件小事：打开你最近一次 AI 对话，用隐私 / 事实 / 责任扫一遍——有没有一行现在看起来过头了？有的话，就是你的第一条私人规范。