安全交付：来源、隐私、版权与责任

建议用时：25 分钟（含练习）

学习目标

能够在交付前检查来源、敏感信息、版权、偏差和人工责任边界。

本节产出

最终成果包与一页使用说明

核心知识：生成结束之后，还有交付这一关

你已经写好一篇有案例、有图表的活动指南，接下来准备公开发布。此时要处理的不只是错别字，还包括读者能否获得引用、材料是否适合公开、图像是否有明确使用条件，以及谁对最终内容负责。私人研究材料可以帮助形成理解，但公开成果应当能够被没有接触过那些材料的人独立阅读和核验。

本节讨论内容交付的通用工作方法，不对某份材料作法律上的许可判断。真实发布如果涉及具体合同、受限资料或争议，应核对适用授权和专业意见。日常练习则可以优先使用自己创作、明确授权或开放许可的材料，并保留授权页面记录。

区分原始材料、工作稿和公开稿

这三者不必是三个软件，但要有明确边界。不要因为 AI 在生成时看过某份资料，就把整份资料或私人路径自动列进公开参考文献。

公开引用至少应让读者知道来源是什么、到哪里阅读，以及它支持哪项事实。引用自己无法公开的材料时，先判断该事实能否使用可公开证据重新支持；如果不能，就调整内容范围或寻求适当授权，而不是用一个无法访问的标题假装可核验。

图中的发布并不是删除所有过程记录。内部可以保存必要的版本与证据，用于纠错；只是这些记录不应不加区分地对外暴露。已经公开的页面也需要能够更正，尤其是日期、价格和产品能力会变化的内容。

来源可打开，也不代表能随意复制

公开访问和复制许可是两个不同问题。你可以用自己的语言讲清通用概念，并在需要时引用公开来源；不能因为网页能打开，就把整篇文章或成套图片搬进课程。对于标注 Creative Commons 等许可的材料，要读清具体许可是否要求署名、是否限制商业使用或改作，以及其他权利是否仍受限制。

使用图解时，可以自己设计表达机制的结构图，配完整替代文字，让图片不成为唯一信息来源。不要给第三方图去掉标识后当作原创，也不要把“AI 生成”当作权利检查的替代答案。无论谁协助创作，发布者都应检查材料和呈现是否适合当前用途。

隐私最小化要发生在提交材料之前

练习和演示尽量使用虚构数据。真实任务只提供完成任务所需字段，能去掉的姓名、电话、账号和内部地址先去掉。把姓名改成“用户甲”不一定就完全匿名：职位、日期和事件组合仍可能指向一个人。应检查信息组合，而不是只寻找明显的姓名字段。

也不要把“请不要泄露隐私”当作唯一控制。文件权限、上传范围、保存位置和共享对象都需要实际设置。模型输出中如果出现意外的个人信息，应停止公开分享，回到来源和输入范围检查，而不是简单换一个称呼继续发布。

案例：把一份内部讲义改成公开教程

假设讲义讲解如何整理活动报名表，其中包含真实报名者姓名、截图里的邮箱、内部网盘链接，以及作者自己画的流程图。公开版可以保留整理方法，使用三条虚构记录重新演示；截图重新制作；流程图检查是否确为可发布原创；参考资料改为公开的软件文档或相关原始说明。

如果案例结论来自一次小范围观察，应写明“这是一个教学示例”或准确交代适用范围，不能包装成有统计代表性的研究结论。若缺少支持某个效果百分比的数据，就删除百分比，解释方法如何帮助检查问题，而不是用“显著提升”掩盖证据缺失。

最后请一个没有读过内部讲义的人阅读。他若需要向你索取私人文件才能理解步骤，说明正文还不够完整。你可以补充必要定义、示例输入和输出，或缩小教学目标，确保课程本身能够承载学习。

动手练习

1. 选择本课程已经完成的一份成果，建立公开前检查表：事实、来源可达、隐私、素材使用条件和输出文件是否可打开。
2. 把真实或受限案例换成保持相同教学结构的虚构案例，并明确标注；不要改变数字后仍称其为真实数据。
3. 写一段交付说明，包含适用读者、资料核对日期、已完成检查和后续更正方式。练习阶段保存草稿即可，不需要向任何人发送消息。

参考答案与推演

展开

完成检查

• 公开内容可以独立学习，参考链接由普通读者打开即可使用。
• 没有私人路径、敏感字段或无依据的效果数字。
• 逐项检查素材的实际使用条件，虚构案例已明确标注。
• 成果与说明一致，保留必要版本记录和更正办法。

参考与来源

• Creative Commons：About CC Licenses：了解不同开放许可的基本条件与区别。
• NIST：Generative AI Profile：了解生成式 AI 的隐私、内容来源与信息完整性风险。