部署架构与数据边界
五种部署方式，逐项核对数据去向。
五种部署方案不是五套话术，而是五种不同的数据流与责任链。每个方案给出：数据与控制面位置、数据流向、外发规则与禁止外发数据、工程实现、治理保障、成本口径、退出路径与 10 项边界核对。
纯私有化
模型权重、知识库、应用、网关、日志与备份均部署在客户指定环境，默认最小化外联，便于审计与版本控制。适用于高敏感数据、稳定负载、具备机房与运维能力且要求长期可控的场景。选择本方案的前提是逐项定义部署位置与控制边界：私有化是控制边界，不自动等于合规，也不能替代安全测评、数据分类分级与访问控制。更新、校验、遥测、远程运维与备份等可能外联的环节须在边界核对表中逐项书面确认。
纯云端
模型、知识库与应用部署在客户选定的云账号与授权资源内，上线快、扩容灵活，适合数据敏感度较低、负载弹性较大或暂无本地机房的场景。客户仍须管理账户、租户、密钥、日志与供应商访问权限，并按合同约定数据处理与保留安排。云端不改变数据责任归属：数据分类分级、访问控制与合规评估仍由客户负责，区域选择、跨境与备案要求须在采购前逐项确认。
混合部署
核心数据与模型留在本地，仅将可脱敏任务经授权网关转发至外部模型，输出回写前须经本地人工复核。方案的核心是数据面与控制面拆分：数据面（用户、本地知识库、本地模型、日志与备份）留在本地，控制面（脱敏规则、外发审批、网关策略与审计）统一管理唯一外发出口。适合核心资料不外发、部分任务可脱敏外包，或本地算力峰值不足的场景。
模型托管
使用指定服务商的授权模型接口或专有资源，客户不自建推理集群，降低模型平台运维负担。适合缺少算法与平台运维团队、任务对模型自控要求不高，且可采购合规服务的场景。选择本方案须审查账户、SLA、数据处理、跨境、备案与退出安排，并明确子处理者清单。托管不等于数据与合规责任转移，数据分类分级与个人信息处理合法性仍由客户负责。
知识库本地化+外部模型
向量库、原文与权限控制留在本地，仅在授权范围内把脱敏后的片段与提示词发往外部模型，输出回写前须经本地复核。适合本地知识敏感、本地算力不足且任务可脱敏的场景。方案保留对知识资产的控制，同时利用外部推理能力；片段外发、模型输出回写、日志与供应商策略均须受控，并须逐项确认外发审批与退出机制。