不要把公司机密文档粘进云端对话框

写总结和查合同条款的时候，很多人会打开网页版大模型，把几十页的 PDF、员工手册、技术规范一股脉复制粘贴进去。图省事儿，可数据安全就岔了劲——你以为只是抛个问题，实际上这些敏感内容很可能被收进别人的训练集。

想要“喂文档”的便利，又不愿意让数据裸奔，那就得换条路：本地化部署，或者走带隐私保护的 RAG 工作流。

本地知识库的搭建，可以参考这样的思路，绕开“直接粘贴”这个隐形坑：

怎么把文档藏在本地

• 先脱敏处理： 文档进入 AI 之前，用脚本把姓名、电话、合同金额这类敏感信息替换干净。
• 本地向量化： 不要用云端 Embedding 接口。本地跑个 bge-m3 或 nomic-embed-text，把文档切片后存进 Chroma 或 FAISS。
• 本地推理： Ollama + LM Studio 效果好。Mac 用户用 Ollama 跑 Llama 3 或 Mistral，流畅且全程离线。

如果你有点开发基础，可以写个 Python 流水线，流程参考：

from langchain_community.document_loaders import PyPDFLoader
from langchain_community.vectorstores import Chroma
from langchain_community.embeddings import OllamaEmbeddings
from langchain_community.llms import Ollama

# 1. 加载本地 PDF，绝对不传云端
loader = PyPDFLoader("internal_spec_2024.pdf")
docs = loader.load()

# 2. 使用本地 Ollama 模型进行向量化
embeddings = OllamaEmbeddings(model="nomic-embed-text")
vectorstore = Chroma.from_documents(documents=docs, embedding=embeddings)

# 3. 检索并回答
query = "去年的技术规范里关于高可用架构是怎么定义的？"
retriever = vectorstore.as_retriever()
# ... 后面接本地 LLM 的推理逻辑

AI 工具确实方便，可便利性和安全性永远都是跷跷板。手里要是公司的会议纪要、技术文档或还没公开的合同，最好养成用本地部署工具的习惯。折腾是折腾，但至少不用提心吊胆——哪天公司敏感信息突然跑到某家大模型的训练报告里，那才叫真尴尬。