先接受一个前提：输入可能被记录
用 AI 处理材料，效率提升往往来自「直接贴进去」。但贴之前需要想一件事：这段内容进了别人的系统。不同产品的留存策略、是否用于训练、能否删除，各不相同，具体以条款为准。既然无法逐一核实，最实用的做法是默认它会被保存，然后调整你贴的内容。隐私保护不靠信任某个产品，靠你在输入端的删减。
第一类：能定位到具体个人的信息
姓名加联系方式、身份证件号、家庭住址、银行卡号、病历、人脸照片，这些组合起来足以定位一个真实的人。单个字段看似无害，组合起来风险陡增。处理原则是能不贴就不贴；确实需要保留上下文时，用代号替换，把「张三，138 开头」改成「客户 A，联系方式略」，模型照样能理解结构。
第二类：别人的信息
你贴的内容里常常带着别人的信息：客户的投诉原文、同事的聊天记录、家人的体检报告。这类内容的特殊之处在于，你没有替他们做决定的权利。即使是工作需要，也应该先脱敏再使用。判断标准可以简化为一句：如果这段内容被公开，当事人会不会不高兴。会，就先删掉或改写。
第三类：未公开的商业信息
合同条款、报价单、未发布的产品方案、内部财务数据、源代码，这些属于组织层面的敏感信息。把它们贴进外部服务，可能触及保密义务，而不只是个人习惯问题。稳妥的做法是先确认所在组织对这类工具的使用规定；没有规定时，按最严格的理解处理——能抽象成通用描述就不贴原文。
两个灰区：客户案例与内部文档
灰区一：客户案例。写方案时想引用真实案例增强说服力，但案例里往往带着可识别的行业、规模与时间点，组合起来能被猜出是谁。处理办法是把行业改成同类、把规模写成区间、把时间模糊化。灰区二：内部文档。流程说明、话术模板这类文档看似不敏感，但常常包含组织架构与业务细节，贴之前先问一句：这份文档如果外流，会不会造成麻烦。
三个替换动作
- 占位符替换：把姓名、公司、金额、日期统一换成代号，保留结构。模型关心的是关系与逻辑，不是具体值。
- 抽象化：把「某连锁餐饮，全国 320 家店」改成「连锁餐饮，门店数在数百家量级」。信息量够用，识别度大幅下降。
- 最小片段：只贴与当前任务相关的那一段，不整份上传。多数任务只需要两三段上下文，不需要全文档。
一个案例
某人要写一份客户投诉的处理回复。第一次直接把投诉原文贴进去，里面包含客户姓名、订单号、电话。后来他改成：把姓名换成客户 A，订单号末尾几位打码，电话删掉，保留投诉内容与时间线。生成的回复质量没有下降，因为模型需要的是事实与情绪，不是身份信息。他把这套做法写成三行清单贴在文档开头，团队里其他人照着做。
容易走偏的地方
一是认为删掉姓名就安全，忽略订单号、地址、时间组合起来的识别力；二是把「内部使用」当成免责理由；三是图省事整份上传，事后无法确认哪些内容被保留；四是把敏感内容拆成几次贴，以为分开就没事；五是只在个人使用时谨慎，团队协作时反而放松。五个问题的共同点是只处理了表面字段，没有处理可识别性。
局限声明
各服务的留存、训练使用与删除机制不同，且会随条款更新。本文给的是输入端的最小化原则，不构成合规意见；涉及个人信息与商业秘密的处理，请以所在组织的制度与适用法规为准。