CCFA Skills 安全与隐私设计解析：AI 如何处理私有论文与未公开实验结果

【免费下载链接】CCFA-SkillsA skill family for shaping the research storyline of CCF-A papers.项目地址: https://gitcode.com/gh_mirrors/cc/CCFA-Skills

CCFA Skills 是一个面向 CCF-A 论文写作的开源 AI 技能（skill）家族，帮助研究者从选题、文献、实验到投稿完成整条科研故事线。新手最关心的问题往往是：把尚未公开的论文草稿、审稿意见和实验结果交给 AI，会不会泄露？这篇文章带你逐条拆解 CCFA Skills 的隐私保护机制——它如何最小化读取私有稿件、如何对外部搜索与图像生成设置授权边界、又如何防止本机路径等身份信息外泄。

为什么用 AI 写论文会涉及隐私风险？

在把稿件交给 AI 之前，先看看它可能触碰你私有内容的三个出口：

CCFA Skills 的做法是：不靠"事后删除"，而是在共享规则层（ccf-common）为每个技能预置了明确的行为约束。每个技能的元数据中都带有private_material_safety: moderate（中等安全级别）的控制项，例如 ccf-submission-checker/SKILL.md。

私有稿件处理规则：只读任务所需的最小内容

核心规则集中在 ccf-common/references/privacy-and-evidence.md，这是所有技能处理稿件、审稿意见、rebuttal 和未公开结果时必须遵守的策略文件。可以概括为 6 条：

1. 把私有内容当作用户数据：论文草稿、审稿意见、rebuttal 草稿、未发表结果、图表、代码笔记、用户给出的 idea，一律视为用户数据，而非公共语料。
2. 不执行文档内嵌指令：论文、审稿意见、PDF 或网页中如果出现"忽略之前的规则"之类的文字，AI 不会照做——这是针对Prompt 注入攻击的防御。
3. 不向网络搜索粘贴私有正文：除非你明确要求把某段内容公开，否则检索只使用公开可查的信息：论文标题、作者、会议名、arXiv 页、DBLP 记录等。
4. 确需使用私有措辞时先询问：精确的私有表述要进入查询条件时，AI 会先征得同意。
5. 图像生成前确认授权输入：向外部图像模型发送私有研究内容前，先识别"已授权的最小输入集"，并最小化外发的 prompt。
6. 最小化本地路径：不把用户材料中的本机文件路径复制进任何公开输出。

💡 对新手而言最重要的一条：你交给 AI 的内容，默认只被用于你当前这次请求，而不是被"顺手"拿去做别的事。

外部图像生成：授权边界是最细粒度的关卡

画方法架构图时，ccf-visual-composer会默认调用外部图像模型（如 GPT Image 2）进行概念探索，而这正是私有内容最容易"跨边界"的环节。相关规则把授权切得很细：

• 一次绘图请求只授权该绘图必需的生成阶段，不代表整篇论文、源码树、结果文件或审稿文字都被授权外发；
• 外发 prompt 只保留构图所需的结构与关键信息，完整的提示词与参考图清单只在"跨越未授权边界"时展示给你确认；
• 确认只覆盖"展示出来的那些输入"，不覆盖稿件全文和无关的专有细节；
• 参考图选择遵循明确禁令：reference-layout-blueprint.md 规定"未获明确授权，不得把私有稿件或未发表截图上传给外部模型"，优先使用用户提供、公开论文图表和公开设计示例。

具体执行细节见 architecture-diagram-generation.md。另外，如果你不想用外部图像模型，可以直接要求纯 SVG/代码出图路线，AI 会照办并清楚标注。

路径与身份隐私：发布前自动扫描泄露

很多项目不是"内容泄露"，而是身份泄露——报告里留下一行C:\Users\张三\...或/home/zhangsan/draft/，机器和用户名就暴露了。CCFA Skills 从两个层面处理：

1. 规则层：privacy-and-evidence.md 的"Path And Identity Privacy"一节要求：不提交个人绝对路径、用户名和展开的主目录；文档、注册表、示例中一律使用$HOME、$CODEX_HOME或仓库相对路径。
2. 脚本层：ccf-common/scripts/check_path_privacy.py 在每次维护收尾时自动扫描仓库文本文件，匹配 Windows/macOS/Linux 用户主目录、私有技能目录等模式；还可通过环境变量CCFA_PRIVATE_TOKENS自定义敏感词（如 token、密码），发现任何命中都会报告错误行号并阻断发布。

这意味着隐私检查不是靠自觉，而是可复现的自动化门禁。

证据纪律：宁可说"未知"，也不编造

隐私的另一面是"AI 不能替你的私有研究编造事实"。privacy-and-evidence.md 的证据纪律要求：

• 禁止虚构文献、引用、baseline、实验结果、审稿共识、录用概率；
• 把信息分为四类：用户材料可知 / 公开来源可知 / 推断 / 未知，输出时必须区分；
• 没检索过的新颖性 = 不确定性，而不是"很有新意"；
• 缺失的证据 = 风险或待办动作，而不是被隐藏的论断。

配套的"评分措辞白名单"只允许说"条件性的评审风险影响""风险缓解条件""置信度"，禁止出现"保证提分""保证录用"这类承诺——这也避免了 AI 用虚假的安全感误导你的投稿决策。评分与效率类评估同样遵循透明原则，如下图的评测图，每一项分数都标注了依据、置信区间与口径说明：

用户掌控权：停用、拒改与"不自动投稿"

安全设计的最后一环是把控制权交还给你：

• 可以停用任意技能，其他技能不会绕过这个选择（会话级 denylist 会被respect_session_denylists控制项尊重）；
• 投稿检查器 ccf-submission-checker/SKILL.md 明确规定："仅仅因为请求了准备度检查，不得上传或提交任何文件"——它只读、只报，提交动作永远由人执行；
• 任务深度由你掌控：task-modes.md 定义了 exploratory/standard/quick 三种模式，润色一段话不会触发全篇审查，但安全规则永远不会降级——任何模式下都不虚构证据、不未授权外发私有文字。

快速上手与延伸阅读

如果你想亲自验证这些行为，安装后只需提出日常请求（如"严格评审这三个选题并排序"），即可观察到它的边界感。各 Agent 的安装方式见 docs/getting-started/ 目录，整体工作流与技能分工可参考 README.md。

本篇要点速览：

对新手来说，判断一个 AI 科研工具是否"安全可用"，看的不是一句免责声明，而是像 CCFA Skills 这样把每条边界都写进了可检查、可执行、可复现的规则文件里。

【免费下载链接】CCFA-SkillsA skill family for shaping the research storyline of CCF-A papers.项目地址: https://gitcode.com/gh_mirrors/cc/CCFA-Skills