Principia 隐私与安全完全指南:no_llm、local、remote 三种模型策略与数据出口控制详解
Principia 隐私与安全完全指南:no_llm、local、remote 三种模型策略与数据出口控制详解
Principia 是一款本地优先(local-first)的自主科学发现工具:它把文献原理与本地数据集连接起来,寻找可解释、可检验的规律,并保留每一步的证据供你复查。因为分析会用到大模型,很多人最担心的就是——我的数据会不会被悄悄传到网上? 本文带你彻底看懂 Principia 的三种模型策略(no_llm、local、remote)以及它的数据出口控制机制,帮你判断哪些内容会出网、如何安全配置,做到心中有数。
上面这张主界面里,右下角的 Sources & model 与侧边栏的 API & models,正是你控制"用哪个模型、数据往哪发"的总开关。理解它,就理解了整套隐私体系。
三种模型策略一览:一张表看懂数据流向 🧭
Principia 把"是否调用大模型"抽象为三种互斥的策略。它们决定了你的数据是否会离开本机,也决定了你需要做哪些配置。
| 策略 | 是否联网 | 是否出网 | 必须配置 | 典型用途 |
|---|---|---|---|---|
no_llm |
❌ 否 | 绝不 | 无 | 纯确定性索引,隐私最高、零幻觉 |
local |
本机 | 否(仅回环) | 回环 OpenAI 兼容端点 | 用本地私有化模型推理 |
remote |
是 | 需逐任务显式确认 | 指定服务商/模型 + 出网确认 | 用云端大模型做复杂推理 |
三者的校验逻辑集中实现在 ModelPolicy 中,下面逐一拆解。
no_llm 策略:零出网的确定性索引 🛡️
no_llm 是隐私天花板。它的行为很克制:只做确定性的索引,从不生成(编造)任何文字。官方文档明确写道:
"No-LLM jobs do not send content anywhere."(无 LLM 任务不会把内容发送到任何地方。)
这意味着:
- 零内容外发:既不上传原始数据,也不上传任何摘要、摘录或预览。
- 零幻觉:不会出现"模型编造"的结论。文档特别强调"Zero Candidates is a valid result"——零候选是合法结果,空结果不代表出错。
- 最严格校验:一旦选择了
no_llm,任何试图附带provider、model或出网确认字段的配置都会被直接拒绝(见 no_llm 策略校验)。
💡 适合谁:处理敏感数据、或在合规要求下完全不允许联网的场景。它是"绝对不出网"的保底方案。
local 策略:仅限回环的本机推理 💻
当你希望用上模型推理、但又不想让数据离开内网时,local 策略就是答案。它的核心约束只有一条:端点必须是回环(loopback)地址。
代码会解析 base_url 的主机名,只有 localhost 或回环 IP(如 127.0.0.1)才被放行,否则直接抛出错误:
"local model policy requires a loopback endpoint."
# 简化示意:local 策略只接受回环端点
if self.mode == "local" and not is_loopback:
raise ValueError("local model policy requires a loopback endpoint")
这套判断位于 local 回环校验。
- 数据不离开你的机器:请求只发往本机的私有化模型服务(任何兼容 OpenAI 接口的本地推理引擎)。
- 需要自备本地模型:Principia 不打包模型,你需要在本地跑一个 OpenAI 兼容的服务。
- 仍是"本地优先":与
no_llm一样,它默认不产生任何公网出口流量。
remote 策略:显式确认才出网的云端推理 ☁️
remote 策略让你用云端大模型(如通过 SiliconFlow 的 DeepSeek / GLM 等),也是唯一会产生网络出口的选项——但 Principia 把它管得最严。它必须同时满足:
- 指定具名的服务商 + 模型(不允许匿名或模糊指代);
- 提供合法的 HTTP(S)
base_url; - 为每一个任务做显式的出网确认(egress confirmation)。
校验逻辑见 remote 出网确认校验:
"remote model policy requires explicit egress confirmation."
它的设计哲学是"默认不出网,出网必知情":
- 确认框会展示服务商、解析后的推理/视觉模型、模态、允许出口,且默认未勾选,需你主动确认(详见 data-discovery 隐私章节)。
- 绝不静默切换模型:服务商报错时,选定的 provider/model 始终可见,重试也是你的显式操作,而不是自动降级。
- 逐任务、一次性授权:每次 remote 运行的出口确认都是独立的,不会"一次授权、处处放行"。
数据出口控制:到底会发送哪些内容? 📤
即便选择了 remote,Principia 也会主动裁剪发往服务商的内容,避免"全量上传"。核心规则如下:
- 不发送:文件路径、原始表格、批量文件、无限制的 DICOM 元数据、凭据、环境变量(见 来源完整性与派生状态)。
- 科学上下文压缩:远程科学上下文被压缩到 80,000 UTF-8 字节以内,尽量保留科学角色绑定并记录被裁剪的部分。
- 图片请求有上限:每次图片请求最多包含 2 张有界预览图,并记录每张预览图的哈希,便于审计。
- 令牌预算账本:进程内维护 SQLite 令牌账本,每次远程尝试(含重试、向量化)前先预留额度,结算后对账;可用
PRINCIPIA_TOKEN_BUDGET_FILE与PRINCIPIA_TOKEN_BUDGET_LIMIT设置共享预算。
⚠️ 重要澄清:
remote允许在逐任务授权后发送"有界的 profile / 摘录 / 预览",但它不是"零网络出口"的承诺。真正的零出网只有no_llm能做到——这也是选择策略时要分清的关键点。
应用层安全:回环绑定与请求校验 🔒
Principia 把整个运行时当作"只信本机"的本地服务来加固。以下防护全部内建在 安全与请求上下文中间件:
| 防护 | 说明 |
|---|---|
| 回环绑定 | 只绑定 127.0.0.1,不接受外部网络访问 |
| Host/Origin 校验 | 拒绝非回环 Host(400)与不匹配的 Origin(403) |
| 变更令牌 | 每次进程生成独立 session_token,写操作必须携带 |
| 请求体上限 | 拒绝超过 1 MiB 的 JSON 请求体(413) |
| 严格 CSP | 内容安全策略仅允许本地资源,禁止外部加载与嵌套 |
更细的边界还包括:
- 隐私路径隔离:私有数据源的绝对路径只存于本地 SQLite,且仅在初次回环注册时接受;此后的 API 响应、作业记录、诊断与导出,都改用不透明
src:ID 与可移植的local-source://URI(见 privacy-and-security)。 - 无云端特权路由:公开运行时不含任何云端变更(mutation)路由;云发布工具与公开包分离分发。
密钥与凭据如何保管? 🗝️
凭据管理遵循"从环境读、绝不落日志"的原则:
- 密钥从进程环境变量读取,且永不出现在诊断、追踪、包清单、变更集或发布报告中。
- 浏览器端只发送服务商档案 ID,永不接收已保存的密钥,也不接受可配置的带认证远程 base_url(见 local-literature-discovery 末尾)。
- 发布构建会主动剔除凭据而不读取其内容,并用逐文件 SHA-256 清单(
CLEAN_RELEASE.json)保证卫生(见 storage-policy 新版本构建)。
在具体项目里,顶部的 Sources & model 让你按项目粒度查看与调整模型/出口设置,配合 View activity 就能看到任务进度、使用的模型与来源信息。
如何为你的数据选择合适策略? 🎯
按"数据敏感程度 + 是否需要模型推理"两个维度选择即可:
- 最敏感 / 完全不能联网 → 选
no_llm:确定性索引,零出网、零幻觉。 - 需要推理但要求数据不出内网 → 选
local+ 本地私有化模型:仅回环,数据留在本机。 - 需要强模型且接受受控出网 → 选
remote:逐任务确认、内容裁剪、令牌预算三重把关。
💡 一个稳妥的起步组合:先用
no_llm完成确定性盘点,仅在确有必要时,针对特定任务切换到remote并逐次确认出口。
关键文件与文档索引 📚
- 隐私与安全总览:privacy-and-security.md
- 模型策略说明:getting-started.md
- 策略与出口校验源码:providers/models.py
- 回环绑定与请求校验:api/app.py
- 数据出口裁剪与预算:data-discovery.md
- 本地文献发现与凭据:local-literature-discovery.md
- 存储与发布卫生:storage-policy.md
小结
Principia 的隐私设计可以浓缩成一句话:默认不出网,出网必知情,密钥不落盘。
no_llm= 零出网、零幻觉的确定性兜底;local= 仅限回环的本机推理,数据不出内网;remote= 唯一出网路径,但需具名模型 + 逐任务显式确认 + 内容裁剪 + 令牌预算。
理解了这套"模型策略 × 数据出口"的组合,你就能在科学发现与隐私保护之间,做出有依据、可审计的选择。

