输出还没开始比较，数据边界已经失控
一名研究生准备比较几个 AI 对简历和研究材料的摘要效果。最省事的做法，是把原始文件直接放进请求；但文件里不仅有姓名、电话和邮箱，还有学号、内部项目名和不影响摘要判断的身份信息。模型还没有返回结果，测试已经带入了不必要的数据。
这是一则典型隐私安全场景推演，不代表真实用户或事故。问题不是“真实材料一定不能测试”，而是测试是否只保留了完成任务和判断输出所必需的字段。低成本试错不应以扩大个人信息暴露为代价；安全可控也需要具体落到样本、Key、预算和记录。
先做字段盘点：必须、可替代、与判断无关
把输入字段分成三类。第一类是完成任务必须保留的信息，例如确实影响岗位匹配的经历结构；第二类可以用占位符替代，例如姓名、公司名、项目名和具体日期；第三类与判断无关，应直接删除，例如电话、邮箱、家庭地址、身份证号和学号。
原始资料留在受控位置，另存一份测试样本。使用一致的占位符，例如“候选人 A”“公司 B”“项目 C”，保留任务难度和上下文关系，却不恢复真实身份。不要把原始资料、API Key 或完整请求日志写入公开仓库、共享截图和平台交接材料。
固定一份脱敏样本，再写验收标准
每个候选模型都使用同一份脱敏输入、同一输出格式和同一张验收表。简历任务可以检查经历是否保留、时间关系是否一致、是否编造能力、是否再次输出不该出现的敏感字段，以及人工修改量能否控制在预设范围内。
验收标准必须在第一条请求前写下，并把每项标为通过、不通过或需复核。测试中途不断修改输入，会让团队无法判断差异来自模型、提示词还是数据。固定样本让数据边界和输出质量都能被第二个人复核。
项目 Key 与原始资料分开，先做一条小额真实调用
为这次测试创建独立项目 Key 或项目标记，让请求用量、错误和其他任务分开。先查看当前公开渠道状态，再用小额请求和时间预算跑一条最小真实调用。记录实际模型、响应状态、可见用量、重试次数、验收结果和人工修改时间。
模型出现在列表中，只能说明它是候选，不代表当前 Key、endpoint 和任务一定能协同完成。相同错误重复出现、请求越过预算边界或输出违反验收规则时就停止，先保留错误和样本版本，再决定是否调整配置；不要用更多原始数据或无边界重试碰结果。
今天的最小行动：复制一份，再替换身份字段
https://APIToken.Company 可以作为多模型统一入口示例：查看模型广场和公开渠道状态，为测试创建独立 Key，用一份脱敏样本做小额真实调用，并保留用量与验收记录。具体模型、价格、分组和可用性以站内当前页面为准。
本文不承诺脱敏能消除所有隐私风险，也不把一次成功调用等同于可生产启用。最小行动只有一步：复制一份真实材料，把姓名、联系方式和内部名称替换为占位符，写下验收标准后，再决定是否花小额预算做一条可追踪的真实请求。
事实边界与来源
本文没有外部事实案例，全文为明确标注的典型隐私安全场景推演；不代表真实用户、事故、成交或费用结果，也不暗示任何案例使用过 APIToken。