数据去向

留存、能否用于训练、谁负责，三种接入形态各有一套。这是采购判断，不是设置项，要拿的是写进合同的承诺。

你的数据会去哪，取决于你用的是哪一种接入形态：面向个人的界面、按调用计费的接口、组织级协议，三者对留存、能否用于训练、谁负责各有各的写法。这是采购判断，不是设置项——设置里能关掉的东西，合同里才写得下承诺。

读完你能回答：

• 为什么「同一家公司政策一样」这个假设会让你踩坑？
• 要问厂商的到底是哪一句话，为什么「我们很重视安全」不算回答？
• 发出去之前，哪一件事完全由你说了算？

同一家厂商，三种形态能给三套承诺

消费级产品。 面向个人的界面，条款通常最宽松：内容可能用于改进模型，人工审核也可能看到一部分。它最方便，也最不该用来贴客户名单、合同条款、未公开的财务数据。

开发者接口。 你按调用付费，构建自己的功能。这一档的常见写法是「默认不用于训练」，但「默认」不是「承诺」——默认意味着存在一个开关或一条申请路径。留存时长、是否在途加密、能不能约定区域，各家写得不一样，要逐条看。openai-data

企业协议。 面向组织的一档，可以把不留存、不用于训练、数据驻留这些写成条款，责任主体也从个人变成签约的组织。它最贵，也是唯一能把这些写进合同的一档。anthropic-commercial 厂商通常会把个人服务和商业服务分开陈述，方便你对照自己属于哪一边。anthropic-privacy

常见的错误是拿其中一档的经验去推断另外两档。同一家厂商，三种形态的承诺可以差得很远。 你贴出去的那段文字，落在哪一档，就按哪一档的条款算。

你拿到的是承诺，还是一个默认值

「我们不会用你的数据训练模型」和「你的数据默认不用于训练」，读起来差不多，分量差很远。

默认值是一个设置，承诺是一份约定。 默认意味着：存在一个开关、一条申请路径，或者一个你不出手就继续生效的状态；也意味着改起来只要发一版新条款，不必和你重新谈。承诺意味着它写进了有主体、有期限的那份文件里，改动要付出违约的代价。

对应的动作也不一样。看到「默认」，你要去找那个开关在哪、默认值这一版是不是还成立；看到「承诺」，你要确认它写在哪一份文件里、覆盖哪一种服务、有效期多久。

还有一条时间维度：条款会更新。 你签合同时确认过的那一版，一年以后可能已经不是现在这一版，而你的判断还停在上一版上。所以复查不能只做一次，要像依赖升级一样写进维护流程。

四句要问的话，第四句最常被跳过

对着自己的场景，把「你们安全吗」换成四句具体的话：

前三句问的是技术条款，第四句决定出事时谁承担。没有第四句，前三句的保证只是好意。

判断标准很简单：你拿到的是「一句写下来的话」，还是「一个让人放心的说法」。 前者有主体、有范围、有期限，后者换个销售就变了。

只有一件事完全由你说了算

前面几件事都取决于对方怎么写，这一件取决于你发什么。

• 只发完成任务需要的那一段。 判断一条工单该转给谁，需要的是故障描述和错误码，不是整条工单的往来记录。
• 能不带标识就不带。 内部工号、客户编号、设备序列号，凡是任务不需要的字段，在进入请求之前就剥掉。
• 别把原始数据交给模型搬运。 让系统传递精确字段，模型只负责判断，这条在 别让模型搬运数据 里有完整做法。
• 收窄能收窄的范围。 限定可用资料、限定时间范围，既是准确性手段，也是暴露面的手段。

数据最小化不解决条款问题，但它把「万一」的规模压下来——发出去的东西越少，条款写错时你损失的越少。

红线在发送之前，责任在你这边

有一条边界值得单独记住：数据一旦进了第三方的训练流程，几乎不可能撤回。文件可以删，权重里学到的东西删不掉。所以「事后补救」这条路基本不存在，判断只能发生在发送之前。

如果你是做 AI 产品的一方，这条红线上还压着两件事，别人替不了你：一是把用户需要知道的话写出来——内容会不会用于训练、留多久、怎么删，用用户读得懂的句子写进你的政策里；二是别替用户做主——你选了一条会把内容送进第三方训练的通道，等于替所有用户答应了这件事，而他们没有同意过。

所以这篇的结论落回到你身上：该问的问题是采购问题。选哪一种接入形态、合同里写下哪几句话、哪些字段根本不发出去——这三件事都在你的权限内，也都不能靠事后检查补上。

哪些活该发出去、哪些不该，是同一套判断的另一面：人机边界 讲的是这条线怎么划；而发出去之后回来一份回答，怎么核，三个动作筛掉大部分会害到你的错 给的是三个具体动作。

到此，信与不信的判断都给过了：为什么会编、怎么核实、数据和指令的边界在哪。最后回头补一件前面一直没展开的事——这台机器到底是什么，为什么又强又不靠谱。起点是预测下一个字。