权限继承 RAG：让企业 AI 检索严格遵守文件权限
要 AI 检索企业知识，又不能让它越权泄密。赛凡智云让 RAG 的每一次召回都继承文件的原始权限——AI 给你的，正好是你本来有权看的。
为什么普通 RAG 不能直接用在企业
把全部文档灌进一个共享向量库，看似高效，实则把企业的权限边界一笔抹平。
❌ 普通 RAG
所有文档进同一个向量库，AI 检索不分权限。实习生一句提问，可能召回董事会纪要、薪酬表、未公开合同；谁通过 AI 看了什么，无法追溯。合规直接出局。
✅ 权限继承 RAG
召回阶段就按当前用户的 17 级权限过滤。每个人通过 AI 能检索到的，正好是他本来有权看的文件；全程留痕可审计；私有化部署，数据不出域。
权限继承是怎么做到的
不是"先检索再过滤展示"，而是在召回那一刻就按权限收口。
三大保障
🧬 权限继承
AI 检索严格继承文件 17 级权限，不越权、不串号，权限变更实时生效。
🧾 审计回放
每次问答、召回、引用全程留痕可追溯，满足审计与合规。
🔒 数据不出域
模型与数据私有化部署在企业内网，文档永不上传第三方。
典型场景
📚 企业知识问答
员工用自然语言问公司流程/标准/历史案例，答案来自内部资料、且只在权限内。
📁 客户资料检索
销售/客服只能检索到自己负责的客户资料，跨客户机密不串号。
⚖️ 合规与审计行业
会计/律所/金融，AI 提效的同时满足"按权限分发 + 全程留痕"的硬要求。
常见问题
普通 RAG 用在企业里有什么风险？
所有文档进同一个共享向量库、检索不分权限，高密级文件可能被无权限的人通过提问越权检索出来，且无法追溯谁看了什么。对有合规要求的企业不可接受。
什么是权限继承 RAG？
AI 的检索召回严格继承文件本身的 17 级权限——每个人通过 AI 能检索到的，正好是他本来有权看的，召回阶段就按用户权限过滤。
AI 检索能审计吗？
能。每次问答、召回了哪些文件、给了谁，全程留痕可回放，满足审计与合规。
数据会上传到公共大模型吗？
不会。私有化部署在企业自有环境，模型与数据都在内网，文档永不上传第三方，数据不出域。
相关方案 · Agent 文件治理能力地图
谁需要这个
要给企业上 AI 检索 / 知识问答，但绝不能让员工通过 AI 看到无权文件的技术负责人。
企业 RAG 的越权风险 · 权限继承 RAG
| 问题 | 普通企业 RAG | 赛凡权限继承 RAG |
|---|---|---|
| 越权检索 | AI 可检索全库，可能泄露无权文件 | 检索严格继承文件 17 级权限·只返回有权内容 |
| 数据外传 | 文档喂给公有云模型 | 私有化部署·数据不出域 |
| 无法审计 | 检索无留痕 | 每次检索 / 引用全程留痕 |
权限继承后的 AI 落地
权限继承 RAG 之后，AI 员工才能安全接手企业文件
只把文档接入 RAG，不等于企业 AI 可以安全上线。赛凡云盒先用企业私有云盘沉淀空间、群组、角色和文件 ACL， 再让 AI 问答、摘要、归档、起草和审计流程继承这些边界。这样 AI 审计助理、AI 法务助理、AI 工艺助理等能力可以从 数据不出域、权限不越权、操作可追溯的场景开始交付，而不是先变成一个无法控制的通用知识库。
RAG 怎么继承企业文件权限，避免 AI 越权回答？
很多企业搜索“私有化 AI 知识库”“本地部署大模型”时，容易忽略一个关键点：RAG 如果不继承文件权限，员工可能通过 AI 问到自己原本无权查看的合同、客户资料或研发文档。
- 索引阶段要保留文件所属部门、用户、项目和密级信息。
- 检索阶段要按提问人的权限过滤候选文档，不能先召回后展示。
- 生成阶段要保留引用来源，方便审计和纠错。
- 权限变化后，索引和可见范围要随之更新，避免离职或调岗后残留访问。
| 普通 RAG | 重点是召回和回答质量，权限常常需要额外补。 |
|---|---|
| 权限继承 RAG | 把 ACL、审计和数据边界放进检索链路。 |
| Agent 调用文件 | 在 RAG 基础上再控制动作权限和审批。 |
继续评估：