問卷裡有一題開放式問答：「還有什麼想補充的嗎？」大部分人隨手寫一兩句，但有幾筆寫得很長，裡面提到了具體的單位、班別、甚至隱約看得出是在講哪一次事件。我原本想把這幾十筆開放式回答直接丟給 AI，請它幫忙做主題歸類，省下自己一句一句讀的時間。

游標停在輸入框上的那幾秒，我把這件事停下來了。今天要把 Day 1 那句「未去識別化的研究資料不離開我的電腦」，講清楚它背後真正在防什麼，而不是一句喊出來心安的口號。

「不離開我的電腦」這句話，其實不夠精確
寫 Day 1 的時候，我用了這個說法，但今天要老實修正它：Claude Code 雖然在本機啟動，但模型本身跑在雲端伺服器上。 我在終端機打字、看到的回應，中間有一段是我的內容被送到遠端、算完再傳回來。這不是 Claude Code 特有的問題，任何雲端 AI 服務都是這樣運作的——「本地執行的工具」跟「資料不會離開電腦」是兩件不同的事，前者只保證程式碼和檔案存在本機，不保證每一次互動的內容都留在本機。

這個修正很重要，因為它改變了「怎麼做才安全」的答案。安全的關鍵不是「用本機工具」，是我有沒有把含識別資訊的內容，放進跟 AI 互動的那個輸入裡。

回頭看，Day 14 那條規則其實一直在做兩件事
Day 14 訂下「AI 不碰資料，只寫碰資料的程式」，當時的理由是正確性——程式可以重跑、可以被讀懂、不會像 Day 18 那次一樣把原始資料覆蓋掉。

今天重新看這條規則，發現它同時也在解決今天這篇的問題：因為 AI 只負責寫一段清理資料的程式碼，實際執行程式、真正碰到每一筆受試者資料的，是我電腦上的 Python 直譯器，不是那次跟 AI 的對話。反向計分、補值、離群值標記，這些操作發生在我的機器上，資料的實際內容從來沒有被送進跟 AI 往返的訊息裡。

我當初訂這條規則的時候，完全沒有想到它同時解決了隱私問題，是寫這篇回顧的時候才意識到的。這件事讓我對「規則明確、可驗證、可逆才讓它動手」這個判準多了一層信心——一條好的規則，常常同時擋住不只一種風險，即使訂規則的當下沒有想到全部的理由。

但這也代表 Day 8 的摘要卡要重新檢視一次：那個工具是讓 AI 直接讀 PDF 全文，做的是文獻，不是受試者資料，這件事沒有問題。但如果哪天我想用同樣的邏輯處理問卷裡的開放式文字回答——就是今天開頭那個「差一點」——那就是把受試者原話直接送進對話，跟 Day 14 的原則完全相反，之前建立的工具箱裡沒有一個現成的做法適用。

這條線背後的規範理由，不是「怕外洩」那麼簡單
多數人講研究倫理，直覺想到的是「資料外洩」。但更根本的問題是受試者當初同意的是什麼。

我的研究計畫書送倫理委員會審查的時候，同意書上寫的是「僅供本研究之研究者及指導教授查閱使用」。這句話寫的時候，AI 工具根本不在考慮範圍內。如果我把受試者的原始回答，不管有沒有去識別化，送進一個第三方的 AI 服務，嚴格來說已經超出了受試者同意的使用範圍——不是因為 AI 公司會拿去做壞事，是因為受試者從來沒有被告知、也沒有機會同意「你的回答會被送去給一個 AI 系統處理」這件事。

我查了自己的計畫書，裡面完全沒有提到會使用生成式 AI 協助資料處理。這代表我現在做的事，嚴格來說可能需要跟倫理委員會報告一次計畫變更，即使我處理的每一筆資料都已經去識別化。這件事我還沒做，寫到這裡決定把它排進這週的待辦——寧可保守一點問一次，也不要事後才發現這是個問題。

我實際畫的線，重新寫一次
Day 1 那三條，今天補上每一條背後真正在擋什麼：

不生成沒查證過的引用——擋的是「捏造出來、看起來卻很真實」的內容，被我沒發現地放進論文。這條跟隱私無關，是正確性問題。

不讓 AI 寫論文內容——擋的是思考被外包之後，論文不再是我的。這條也跟隱私無關，是學術主體性問題。

未去識別化的研究資料不離開我的電腦——這條才是隱私問題，而且今天要把它拆得更細：

含直接識別碼的欄位（姓名、身分證字號、電話、精確服務單位），不管有沒有「去識別化」的其他處理，絕對不進入任何跟 AI 的對話，包含本機執行的 Claude Code——因為模型推論在雲端，這個限制不因為工具是本機安裝就解除。
已經去識別化的結構化數字（量表分數、年資、班別代碼），可以用 Day 14 那種「AI 只寫程式，我的電腦執行」的方式處理，資料內容不會出現在對話裡。
開放式文字回答，即使去識別化，也可能因為描述的事件太具體而重新變得可識別——這正是今天開頭卡住我的那種情況。這類資料我現在的原則是不進 AI 對話，人工處理，除非有更嚴謹的去識別化方法我還沒做到。
成本也是這件事的一部分
三十天，Claude Code 訂閱費大概是一杯手搖飲料乘以四週的等級，對研究生的生活費是有感的一筆支出，但換算成前面二十六篇省下的時間，划算——這是我自己的判斷，划不划算因人而異，看你目前每小時的機會成本值多少。

寫這篇之前我沒有想過把「成本」跟「隱私倫理」放在同一篇，後來覺得該放在一起：兩者都是「這個工具的代價是什麼」這個問題的答案，一個用錢算，一個用信任算。 錢花完了知道花在哪；信任一旦處理錯，沒有辦法補救——這也是為什麼隱私這條線，我寧可畫得比實際需要更保守一點。

明天
Day 28：我砍掉的三個工具。不是每個想法都變成能用的東西，這三個失敗案例，跟前面二十六個成功的案例一樣值得寫下來。