一个不上传数据的工具,怎么知道自己有没有人用

这个问题被问过不止一次,你们天天说本地处理,那我怎么知道你没把对话发走。

我没打算用一句"我们不会"把它答过去。本地那个 SQLite 文件的路径在下面,你可以自己打开看。

表结构在仓库里,personal/src/daoti_xuandun_personal/storage/schema.sql,口径是 v0.2.6,2026-11-13。下面三段建表语句都是从里面摘的,字段名一个字没改。

本地处理这四个字,拆开是三件事

检测在本机跑。数据存在本机。原文从来没离开过本机。

这三句话听着像一回事,成本差得很远。前两条容易做到,第三条难。难在一个很朴素的地方,转发和上传在技术上长得几乎一样,都是往外发一个 HTTPS 请求,都是一个 POST,body 里一段 JSON。你打开系统自带的网络监视器,看到的是同一个东西,一个域名,一条连接,一次请求。区别只在 body 里装的是原文,还是别的东西。

所以任何一句"本地处理",最后都得落到一个能查的问题上。发出去的那段字节里,有没有你的密钥原文。

我们的做法是把这个声明做成可执行的。你按下发送,请求先在本机过一遍,把该保护的东西换成占位符,形如 ⟦KH_1⟧,再转发给 AI 服务。回来的内容再过一遍,把占位符换回原值。中转站全程看到的是代号。

这个动作必须做,因为工具本身必须转发。不转发,你用不了 AI。谁要跟你说一个 AI 工具不联网还能干活,那是骗你。

所以本地处理在这里的准确含义只有一句,判定在本机做,原文不外发,记录不外传。

数据库里躺着的,也拼不回原文

这一条比任何承诺都硬,因为它躺在你自己的硬盘上。

凭证台账那张表,主键是凭证原文的 SHA-256 指纹。主键就是指纹,同一枚 token 第二次出现,命中同一行,不会长出第二条记录。

sql 复制代码
-- 真实字段名
CREATE TABLE IF NOT EXISTS credential_events (
    fingerprint TEXT PRIMARY KEY,              -- SHA-256(凭证原文)
    session_id  TEXT NOT NULL DEFAULT '',
    direction   TEXT NOT NULL,                 -- request / response
    role        TEXT NOT NULL DEFAULT '',      -- 用户提问 / 工具返回 / 模型回复
    category    TEXT NOT NULL,                 -- jwt / api_key / email
    masked      TEXT NOT NULL DEFAULT '',      -- 前 4 + 长度 + 尾 2
    length      INTEGER NOT NULL DEFAULT 0,
    first_seen  REAL NOT NULL,
    log_id      INTEGER
);

masked 那一列长这样,sk-a***48。前面四位留着,是让你一眼认出这是哪把钥匙。中间的长度和结尾两位留着,是为了区分同前缀的两把。剩下的部分没有,因为它从来没被写进来过。

direction 这一列是这张表存在的理由。它记的是这枚凭证最早出现在哪一侧,是你这边发出去的,还是对面回过来的。单看请求侧,你只能知道"它现在在请求里",答不了"是谁带进来的"。

请求基线那张表,用来判断对面有没有偷换模型、有没有调用你没声明的工具。

sql 复制代码
-- 真实字段名
CREATE TABLE IF NOT EXISTS request_baseline (
    session_id      TEXT PRIMARY KEY,
    model           TEXT NOT NULL DEFAULT '',       -- 用户请求的模型
    tools_hash      TEXT NOT NULL DEFAULT '',       -- tools 声明的哈希
    tool_names      TEXT NOT NULL DEFAULT '[]',     -- 工具名列表,JSON
    system_hash     TEXT NOT NULL DEFAULT '',       -- system prompt 哈希
    system_len      INTEGER NOT NULL DEFAULT 0,
    msg_count       INTEGER NOT NULL DEFAULT 0,
    response_model  TEXT NOT NULL DEFAULT '',       -- 中转站返回的模型
    created_at      REAL NOT NULL,
    updated_at      REAL NOT NULL
);

system prompt 原文不落盘,只留哈希和长度。比对用哈希够用,判的是"这一次和上一次是否同一份"。长度是另一道尺,哈希对得上而长度差了,说明中间被截断或者拼过。

tools_hash 同理。tool_names 单独存一份明文,因为告警得能说清楚"它调了哪个你没声明的工具"。只给哈希,用户看不懂。

脱敏记录那张表,名字里有个 original,容易误会。

sql 复制代码
-- 真实字段名
CREATE TABLE IF NOT EXISTS redaction_records (
    id            INTEGER PRIMARY KEY AUTOINCREMENT,
    session_id    TEXT    NOT NULL,
    log_id        INTEGER,
    redaction_idx INTEGER NOT NULL,              -- 占位符编号
    category      TEXT    NOT NULL,              -- api_key / phone / email
    original      TEXT    NOT NULL,              -- 掩码值,前 4 + 长度 + 尾 2
    redacted      TEXT    NOT NULL,              -- 占位符
    start_pos     INTEGER NOT NULL DEFAULT 0,
    end_pos       INTEGER NOT NULL DEFAULT 0,
    created_at    REAL    NOT NULL
);

这一列存的还是掩码值,跟 masked 一个格式。占位符回填靠的是运行期那份映射,落盘的这一列只够你事后核对"当时打了几处、打在哪一段"。

三张表放在一起看,结论很直白。有人把你这台电脑整个搬走,把 db 文件拷出去,他拿到一堆指纹、一堆掩码、一堆长度,拼不回原文。我们对自己库里数据做的第一件事,是让它在这里也不可读。

再往表结构外面看一眼。这个库里没有 user_id 这一列,也没有任何指向账号的字段。机器码只存哈希,用途写死为激活校验。本地这份数据和我们的账号体系是断开的。建表脚本开头还写了一条,日志表走 WAL 模式,理由是并发读性能。

日志表里另有一列 text_preview,注释写着已脱敏。它是给你看上下文的预览,长度有限,全文不落在这里。

几个想过的取舍,和它们各自的账

先说那个最容易被问的。既然原文不外发,为什么不干脆在检测到的时候直接拦下来。

位置不同,处置就不同。同一个 token,出现在输入框里和出现在历史里,是两种风险。

你此刻正在输入框里贴密钥,这是最危险的时刻,这一轮直接拦,不发出,没有争议。

历史轮次里带着 token 是另一回事。IDE 这类客户端每一轮都会把整段历史重新发一遍,你把历史里的那段拦掉,下一轮它还在,于是每一轮都被拦,对话彻底卡死。用户还没法从 IDE 里删掉那段历史,他连入口都找不到。一个每轮都弹窗的安检门,用户第三天就会把它卸了。装上去第二天被关掉,检测再准也没有意义。

所以历史里的 token 改成打码。占位符进去,原文留在本机,对面拿到的还是 ⟦KH_1⟧。对话不中断,原文也没出去。

还有一件事我们没做,匿名心跳。

只报一个布尔值,"今天启动过"。技术上很简单,隐私风险也低,很多人会认为这不算上传数据。

我不同意。一旦发出第一个包,承诺就从"不上传任何使用数据"变成"不上传除了心跳以外的数据"。这句话多了一个从句,就多了一个需要解释的地方。下次想加第二个例外,阻力会小很多。例外的成本从来不在第一个,在第二个。

宁可当瞎子。

瞎到什么程度,列三项给你看。

七日留存,测不到。要知道用户第七天还在不在,就得知道他每天有没有发请求,这个信息不出本机。

证据包导出率,测不到。导出这个动作完全在本地完成,服务器那边没有任何一条记录。

误报的真实分布,测不到。用户点"这条是误报",写进 logs 表的 marked_safe 字段,就停在本地。我们只能靠用户主动来反馈的那几条,去猜整体长什么样。

这三项在营销页上都很好看。我一个都拿不出来。

验证的办法,都不用你信任我们。

断网。把网线拔了,或者关掉 Wi-Fi,除了 AI 请求失败,工具照常启动,照常读本地日志。如果它在偷偷往外传东西,断网时会有可观察的异常,卡住、报错、功能缺一块。

打开库。数据目录下那个 SQLite 文件,用任意工具打开,credential_events 的 masked 列摆在那里。看到 sk-a***48 这种格式,就知道整把钥匙没进来。

抓包。工具所有外发请求,目的地只有你自己配置的那个 AI 服务地址。用系统自带的网络监视器翻一遍域名列表,除了它没有第二个。这个办法只能证明当下这个版本没往别处发,软件升级换了版本,你得再抓一次。

边界还是得说清楚。本地处理防不住你本机已经中的木马。它防不住你自己把密钥贴到网页对话框里。它也防不住你用的那个 AI 服务商在服务端记录请求,那是它的服务器。

它能保证的只有一段路。从你的电脑,到你配置的那个 AI 服务地址,明文没有以它看得见的形式出现过。每一次判定都在你自己的机器上留了痕。

至于我们看不见你的使用数据这件事,它既是承诺,也是我们的损失。这个损失我们认。

我现在的习惯是,装完第一件事打开那个 db 文件,翻到 credential_events,看 masked 那列。看到 sk-a***48,我才继续往下用。


相关推荐
山东科恩光电1 小时前
安全地毯压敏传感技术在自动化产线与仓储区域的人员检测及联动停机防护方案
安全
谙弆悕博士1 小时前
多智能体架构详解:黑板共享架构(共享存储交互型)
人工智能·架构·大模型·agent·多智能体·黑板架构·anggraph
草莓熊Lotso2 小时前
【C++ 基于微服务的即时通讯系统】ElasticSearch 用户数据管理实现
linux·数据库·c++·elasticsearch·微服务·架构
HelloWorld0012 小时前
Agent 记不住东西?基于分层记忆架构打造 AI Agent 长期记忆与个性化上下文引擎
架构
Keith Guo3 小时前
ESP32-S31芯片架构中文件系统在不同的Flash的位置对PSRAM的性能影响
性能优化·架构·esp32
一条Go4 小时前
SSH 命令审核流:为什么「能执行」必须先「被批准」
后端·架构·github
超低空5 小时前
一文说清LRU算法
后端·算法·架构
如夏倾城7 小时前
五大远程桌面协议:RDP、SSH、VNC/RFB、Citrix ICA/HDX 与 VMware Blast Extreme
运维·windows·网络协议·安全·自动化·ssh·远程工作
AAA修煤气灶刘哥7 小时前
32 GB 内存跑起 1800 亿参数模型,代价是什么?
人工智能·后端·架构