CodeLeo · 方法一页纸决策指南

私有部署与数据安全决策手册

按数据敏感度、系统边界和运营能力选择公有 API、专有云或本地部署，不为私有化而私有化。

我们的立场

多数私有化决策不是安全需求驱动，是焦虑驱动——代价两年后才出现。

带走的要点

部署形态应由数据、延迟、可控性和运营成本共同决定。
私有部署不自动等于安全，身份、权限、日志和更新机制同样关键。
先做数据分级，再决定哪些任务必须留在受控环境。

方法拆解

从数据分级而不是技术偏好开始

公开资料、内部资料、敏感业务数据和受监管数据不应使用同一种处理策略。先标记输入、输出和日志中可能出现的数据，再判断是否允许传输、保存多长时间以及谁可以访问。
- 列出任务会接触的全部数据
- 标记敏感度、驻留和保留要求
- 确认供应商是否使用数据训练或留存
比较三类部署的真实代价

公有 API 上手快、运维轻；专有云提供更强隔离；本地部署控制最多，也要求团队自行负责算力、更新、监控和安全响应。应把上线速度、峰值容量和长期运维成本放进同一张决策表。
- 比较三年总拥有成本
- 评估延迟、并发和可用性目标
- 确认内部是否具备模型与基础设施运维能力
安全控制必须覆盖完整链路

即使模型在内网运行，提示、检索、工具调用和日志仍可能暴露数据。需要统一身份、最小权限、传输加密、审计日志和异常响应，并对 Agent 能执行的外部动作设置明确授权。
- 检索与工具调用沿用用户权限
- 对敏感输出设置脱敏与审批
- 定期审查日志、密钥和第三方依赖

行动清单

任务涉及的数据是否完成分类分级？
是否明确数据传输、留存和训练使用政策？
是否比较上线速度、总成本和内部运维能力？
身份、权限、审计和密钥管理是否覆盖完整链路？
Agent 的外部动作是否有最小权限与人工审批？

适用对象

处理敏感数据、受合规约束，或需要决定 AI 部署形态的管理与技术团队。