自动路由多个模型时，怎么避免把敏感数据发到不合适的模型上？

先纠正一个前提：在 tokenexchage 这类统一网关里，并不存在「平台看懂你的意图、自动替你挑选模型」的机制——每次调用发往哪个厂商、哪个模型，都由你在请求参数里自己指定，所谓「自动路由」只是把多个模型的入口收拢到了同一个接口地址。敏感数据的流向闸门因此一直在调用方手里：你传什么模型参数，数据就去哪里。避免发错模型的方法，就是在发送之前把「什么数据能发给哪一类模型」定成规则，而不是指望平台在后台替你把关。

一、先看清数据的路径

经第三方网关调用时，一次请求要经过两方：先到网关，再由网关转发到你指定的模型厂商。也就是说，你的数据会被网关和目标厂商两段处理。这是所有第三方调用的共同形态，不是某一家独有的问题，但做数据评估时必须把两段都算进去：你要信任的不能只是平台，还包括你选定的那个模型背后的厂商。调用时模型由请求参数决定，这一点在各家官方 API 文档里都写得明白——比如 OpenAI 的平台文档（https://platform.openai.com/docs）与智谱开放平台的 API 文档（https://open.bigmodel.cn/），以及 Anthropic 的官方文档（https://docs.anthropic.com），调用方式与参数说明都是公开可查的。

二、把数据分成三级

公开级：已经公开或准备公开的内容——官网文案、公开文档、营销素材。这类数据发给任何模型都没有额外风险。

内部级：未发布的产品资料、内部流程、一般业务数据。这类数据要先看目标厂商官方文档里关于数据使用的说明，再决定是否发送、发给谁。

敏感级：客户个人信息、身份证号、手机号、合同金额、账号密钥、未公开的核心代码。这类数据的默认动作是「不发」；确实需要处理时，先脱敏再发。

三、脱敏是具体动作，不是一句口号

1. 姓名、手机号、身份证号、邮箱等标识信息替换为占位符，处理完再人工映射回真实值。
2. API 密钥、Token、密码永远不要写进请求内容——它们一旦出现在对话里，就等于交出去了。
3. 表格和日志只发任务需要的列和行，删掉与问题无关的个人信息列。
4. 代码片段去掉内部服务器地址、数据库连接串，以及注释里的真实用户信息。

四、把分级变成调用规则

分级写在纸上没用，要落到调用层：在代码里按数据级别固定对应的模型白名单，敏感级走单独的处理路径（脱敏后调用或本地处理），不允许随手改一个模型参数，就把内部数据发到没评估过的模型上。上线前拿分级表做一次评审；每新接入一个模型，先回答一个问题：它处理的数据最高到哪一级？评审结论要写下来，和分级表放在一起存档——口头约定等于没有约定，新人接手时也有据可查。

还有一个实用习惯：先用脱敏样本跑通流程，确认输出质量和调用链路都没问题，再上真实数据——而且真实数据只上脱敏后的版本。

五、留痕与定期复核

分级规则定完不是结束。建议在自己这一侧留一份简单的调用记录：哪一类数据、发给了哪个模型、什么时间、经手人是谁。不用复杂系统，一张表就够。它的用途是出事时能回答「那批数据到底发到哪去了」，以及每隔一段时间复核一次：有没有人图省事绕过了脱敏、有没有新接入的模型还没做分级评审。数据安全事故大多不是输在规则缺失，而是输在规则定了没人执行——留痕和复核就是盯执行的那一环。

六、一张最小可用的落地清单

分级表一份：三级定义写死，贴在团队看得见的地方。模型白名单一份：每个级别对应哪几个模型，写进代码而不是记在脑子里。脱敏动作一份：占位符替换、密钥禁区、最小列原则，做成调用前的固定步骤。调用记录一张表：哪类数据、发给哪个模型、什么时间。四件配齐，这道题才算落地，而不是只停留在纸上。

诚实边界

网关能控制的只有一件事：把请求转发到你指定的模型。数据到了厂商侧如何处理、留存多久，由各厂商自己的政策决定，需要你去查对应厂商的官方文档逐项确认，而不是听平台转述。同样，任何「数据绝对不留存、绝对安全」的保证都不要轻信——包括对我们：经第三方调用，数据经过网关是客观事实。tokenexchage 能给的控制点只有两个，但都是实的：模型由你指定，内容由你决定发什么。把分级和脱敏做在发送之前，才是这道题的正解。

常见问题

数据经过第三方网关，会不会被存下来？ 经第三方调用，数据经过网关再到厂商是客观事实，两段都可能按各自政策处理数据。不要轻信任何「绝对不留存」的保证；正确的做法是查目标厂商官方文档里的数据使用说明，再决定什么级别的数据可以发。

敏感数据到底能不能发给模型？ 敏感级的默认动作是「不发」。确实需要处理时，先脱敏再发：标识信息换占位符、密钥类永远不进请求、只发任务必需的列和行。脱敏是具体动作，不是口号。

调用时到底怎么指定用哪个模型？ 由你在请求参数里指定——模型参数传哪家厂商的哪个模型，请求就发往哪里，平台不会替你改。各家官方 API 文档里对调用参数都有公开说明，写代码时按数据级别固定模型白名单即可。

脱敏之后，输出质量会受影响吗？ 先用脱敏样本跑通流程验证：确认输出质量和调用链路都没问题，再上真实数据。很多任务（改写、翻译、格式整理）对脱敏后的文本同样有效；确实依赖原始标识的任务，考虑走本地处理而不是发给模型。

内部数据发给国内厂商的模型，和发给国外厂商有区别吗？ 有区别，但区别不在「国内更安全」这种笼统判断上，而在两家厂商各自的数据政策与数据跨境安排上。正确做法是在分级表里按厂商分别评估：每个新接入的模型，先查它的官方文档里关于数据使用的说明，再定它能处理的数据最高级别。

参考来源

• OpenAI 平台文档：https://platform.openai.com/docs
• Anthropic 官方文档：https://docs.anthropic.com
• 智谱开放平台：https://open.bigmodel.cn/
• tokenexchage 官网：https://tokenexchage.com