模型本身不會記得你的檔案；會留下東西的，是路上那幾台別人的機器

「幫我看一下這份合約有沒有問題。」

很多人是在打完這句話之後，才突然想到：我剛剛是不是把公司的機密文件，交給了別人的伺服器？

這個擔心是對的，但方向經常搞錯。

多數人以為風險在「模型會不會把我的檔案背下來」。實際上，模型是這條路上最不會留下東西的一環。

要講清楚這件事，得先看你的檔案走過哪些地方。

一、一次問答，資料走過哪幾手

從你按下送出，到看見回答，中間大致有這幾站：

你的電腦。 原文在這裡，這是你唯一完全控制的地方。

用戶端或外掛。 桌面程式、瀏覽器擴充功能。這一站很容易被忽略——它可能把檔案先上傳到開發商自己的伺服器，再轉給模型。

中間服務。 如果你用的是中轉、代理或閘道，那麼在檔案抵達模型之前，這一站看得到完整明文。

平台伺服器。 也就是提供模型的那一方。留存多久、誰能看、會不會拿去訓練，都由這裡的政策決定。

模型。 它只看得見這一次送進來的內容。

關鍵在於：從第二站開始，每一站都是一台別人的機器。 檔案要能被傳遞、被處理，就必然在那台機器上產生一份暫存的副本。這是工程上的必然，不是誰心懷不軌。

所以問題從來不是「模型會不會記住」，而是：這份副本留在哪幾台機器上、留多久、誰有權限打開。

二、為什麼模型不會「記得」

這裡要分開兩個常被混為一談的階段。

訓練，是把大量資料餵給模型、調整它內部參數的過程。資料要「進到模型裡」，只可能發生在這一階段。

推論，就是你平常使用它的時候。模型讀進你這次送的內容、產生回答，然後結束。你的檔案不會因此改變模型內部的任何一個參數。

換個說法：模型不是資料庫，它沒有「你的合約」這一筆紀錄可以查。它比較像一位過目即忘的顧問——看完文件給你建議，然後就忘了。

但這位顧問任職的公司，櫃檯會把進出的文件影印存檔。風險不在顧問的記憶，在櫃檯的檔案櫃。

三、副本是怎麼被留下來的

技術上，留存通常來自這幾個地方：

日誌。 為了排查錯誤、監控服務品質，平台通常會記錄請求和回應。這是留存最常見的來源。

人工審閱。 部分服務條款允許在特定情況下由人員查看內容，用於處理濫用、改善模型或客服調查。

快取與備份。 為了加速與容災，系統會在多個位置保留暫存與備份，這些副本的實際清除時間往往比「刪除」這個動作更晚。

中間服務的紀錄。 這一站的留存政策由服務提供者決定，不一定跟你使用的模型平台相同。

換句話說，「我按下刪除了」不等於「檔案不存在了」。 這是判斷風險時必須先接受的前提。

四、訓練與使用，是兩件不同的事

你的內容會不會「進到模型裡」，取決於平台有沒有把它用於訓練。而這一點，通常會依服務類型分開規定：

• 免費或消費級版本：條款中可能允許將對話用於改善服務；
• 企業版或API版本：通常提供較嚴格的資料處理約定，有些可另外申請不留存；
• 自行部署的開源模型：內容不離開你的機器，這一條風險直接消失。

所以「大模型會不會洩漏」這個問題，沒辦法用一句話回答。 同一個模型，透過網頁版使用、透過企業API使用、放在自己機房使用，是三種完全不同的風險。

判斷的時候，你只要問三件事：

1. 內容留存多久？
2. 會不會被用於訓練？
3. 誰有權限看到？

這三題如果條款裡找不到答案，那本身就是一個答案。

五、風險排序：大家擔心的，和真正常見的

把常見的擔心排一排，會發現順序和直覺不太一樣。

最常被討論的，是「模型把訓練資料背出來」。這確實存在，但它主要牽涉的是公開網路上的資料，而且需要特定條件才可能重現。你自己昨天上傳的報價單，並不在這個範圍裡。

實務上更常見的，是另外四件事：

你自己把檔案貼進去。 最常見的一種。不是被攻擊，是自己送出去的。

中間服務看得到全文。 用了不明來源的中轉或外掛，等於多了一手。

平台日誌留存與人工審閱。 未必有人真的去看，但權限存在，風險就存在。

工具權限過大。 讓AI工具讀取整個資料夾，它可能把無關的檔案一起送出去。

這四件事有個共通點：它們都不是模型造成的，是使用方式造成的。 也就是說，它們全部可以靠流程解決。

六、使用AI時，怎麼防止公司機密外洩

先講一句結論：這件事八成靠流程，兩成靠工具。

把「能不能用AI」換成「這份文件該走哪條路」，判斷就會簡單很多。

每個人都做得到的六件事

第一，不要用個人帳號處理公事。 這是實務上最大的一個洞。員工用自己的免費帳號處理公司文件，等於把資料送進一個公司看不到、也管不到的通道。這種情況通常不是故意違規，而是沒有人告訴他不行。

第二，去識別化之後再送。 把姓名、身分證號、客戶代號、精確金額換成代號。多數分析任務其實不需要真實的識別資訊，要的是「哪一類客戶、哪一種金額區間」。

第三，選對通道。 網頁版、API、自架，三者風險不同。別用網頁版的經驗去推論API的風險，也別反過來。像Crazyrouter這類聚合入口，好處是一個端點就能切換模型，但它同樣看得到完整內容，選的時候一樣要確認留存條款。

第四，把設定裡能關的先關掉。 多數服務在設定中提供「不要用我的內容改善服務」這類選項，以及對話紀錄的保留開關。花五分鐘找一下，比事後補救便宜。

第五，只給工具最小權限。 不要讓它讀整個資料夾或整個信箱，只給它處理這份任務真正需要的那幾個檔案。

第六，自己留一份紀錄。 哪些文件、什麼時候、送進了哪個服務。真的出事時，這份紀錄決定了你能多快判斷影響範圍。

送出之前，先問自己三個問題

1. 這份文件如果公開，會有什麼後果？
2. 我用的通道，條款裡有沒有寫留存多久、會不會用於訓練？
3. 這次任務，真的需要真實資料嗎？

三題裡只要有一題答不出來，就先不要送。

七、公司層面該做的三件事

個人再小心，也補不起制度上的空白。如果要在公司裡放行AI工具，有三件事比「買哪個方案」更重要。

第一，給一份白名單。 明確寫出哪些工具可以用、用哪個帳號、哪些資料可以送。禁止清單沒有用，白名單才有用——因為員工真正需要知道的是「那我可以怎麼做」，而不是「不能做什麼」。

第二，把權限和紀錄管起來。 誰能存取哪些資料、AI工具能讀到多大的範圍、對話要不要留存，這三件事必須有人負責。企業版通常提供集中管理與稽核功能，這正是它比個人版貴的理由。

帳號與端點也要一起寫進規範：哪些模型走哪個端點（例如Crazyrouter）、由誰申請、離職時怎麼停用。這一段沒寫清楚，白名單就只是紙上作業。

第三，先想好出事怎麼辦。 誰負責判斷、多久內要通報、要不要通知客戶、能不能要求平台刪除。這些問題在平靜的時候決定，比在事發當天決定容易一百倍。

結語

模型不會記得你的機密文件。會記得的是別人的伺服器。

所以真正需要回答的，不是「大模型安不安全」這種問題。

而是三個更具體的：這份文件有多機密、我打算走哪條通道、那條通道上的副本由誰保管、留多久。

想清楚這三件事，你就會發現有些檔案根本不需要送出去，而有些檔案只要把關鍵欄位換掉，就能安全地取得一樣有價值的回答。

能用的關鍵，不在於找到一個「絕對安全」的模型，而在於知道每一份文件該走哪一條路。