在线大模型已经成为不少人的写作、翻译和编程助手。它使用方便，输入一段材料就能迅速给出结果，也因此容易让人忘记：发送出去的内容已经离开了自己的电脑。不同平台对数据保存、人工审查和模型训练有不同规则，我们不必因此拒绝工具，但应该在使用前建立一套简单、可执行的边界。
先识别材料里有什么
最直观的一类是个人身份信息，例如姓名、身份证号、手机号、住址、行程、账号和完整聊天记录。单独一项看似普通，多项组合后却可能准确指向某个人。填写表格、润色简历或分析聊天内容时，可以先删除真实姓名和联系方式，用“候选人甲”“客户乙”之类的代称替换。
公司资料需要同样谨慎。尚未发布的产品计划、经营数据、会议纪要、合同报价和内部账号配置，不适合为了省几分钟而整段复制到公共服务中。即使内容没有标注“机密”，也不代表它可以离开原有工作环境。
客户数据不是自己的练习材料
工作中接触到的客户名单、订单记录、咨询内容和服务日志，通常是为了完成特定业务而获得的。把它们交给另一项在线服务，已经超出了客户最初能够预期的使用方式。需要总结反馈时，可以先在本地提取共性，只提交不包含身份线索的概括；需要分析表格时，则可以构造一份字段相同、数据虚构的样例。
这不是说所有客户材料都绝对不能使用大模型，而是处理方式应当服从公司的制度、合同约定和所选平台的配置。遇到边界模糊的情况，先向负责信息安全或业务管理的人确认，比凭个人经验猜测更可靠。
源代码也需要分级处理
代码经常被误认为“不涉及隐私”，但真实项目里可能包含访问密钥、数据库地址、内部接口、业务规则和安全设计。排查错误时，最好只截取能够复现问题的最小片段，并把域名、令牌、用户数据和项目名称替换掉。配置文件、生产日志和整份私有仓库尤其不应直接上传。
对于通用算法、公开依赖或自己编写的学习示例，风险通常低得多。关键不是把“代码”看作一个整体，而是分清哪些内容已经公开，哪些内容属于组织资产，哪些内容能间接暴露系统结构。
脱敏不只是删除姓名
有效脱敏还要考虑信息能否被重新关联。删除姓名之后，精确职位、城市、日期和罕见经历的组合，仍可能让熟悉情况的人判断出身份。处理文本时可以模糊时间和地点，缩小业务细节，并用合理的虚构数据替换真实数据；处理截图时要留意边角里的头像、通知、文件路径和浏览器标签。
我更常用的原则是“最小必要输入”：先问清楚模型完成任务到底需要什么。若只想改进一封邮件的语气，就提供去掉事实细节的正文；若只想解决一个报错，就给出错误信息和最小复现代码。输入越聚焦，得到的答案通常也越清楚。
在规则和工具之间做选择
个人使用前，可以阅读平台的数据控制选项，了解历史记录能否关闭、内容是否用于改进模型以及数据如何删除。企业用户则应优先使用公司批准的账号、接口和工作区，不要用个人账号绕过现有政策。这里没有一条适合所有组织的答案，行业、岗位和材料敏感度都会影响选择。
如果任务长期涉及敏感文档，还可以评估本地运行的模型或组织内部部署的服务。本地模型并不自动等于绝对安全，它仍需要考虑设备权限、模型来源、日志和更新维护，但能减少内容发送到外部平台的机会。对于偶尔的普通问题，经过脱敏的在线工具可能已经足够；对于持续处理内部资料的工作，更受控的方案往往值得投入。
真正实用的隐私习惯，不是每次使用前都感到紧张，而是形成一个短暂停顿：这段信息属于谁，是否必须完整提供，泄露后会带来什么影响，有没有更少的数据也能完成任务。把这几个问题变成输入前的默认动作，大模型就能在便利和边界之间被更安心地使用。