AI Suite 內的每個管理操作都會產生一行 JSONL 審計記錄。該記錄包含時間戳、操作者電郵、動作動詞、受影響資源、 X-App-Id 來源客戶端的標識，以及一個穩定的哈希值，讓審查者能將該記錄與後續事件關聯。該記錄不包含 模型的任何輸入或輸出內容. 無提示詞文字，無完成文字，無文件內容，無提取實體。這種設計上的無內容選擇，使審計記錄對採購及合規審查者有用，值得解釋原因。

審計記錄包含什麼，不包含什麼

一條代表性記錄，略作編輯：

{"ts":"2026-06-05T09:14:22Z","actor":"jane@bank.example","action":"license.assign",
 "subject":"user@bank.example","tier":"commercial","x_app_id":"ai-admin-console",
 "ip":"10.4.1.22","ua_hash":"a17c…","seq":48211}

它包含：足夠的元數據以回答審計員關於部署者義務的問題 — 誰在何時對哪個資源、從哪個客戶端執行了什麼操作。它不包含：AI 工作流程的任何有效載荷。如果該操作調用了模型（本例中沒有，但理論上可能），會有一條記錄調用事件的記錄，但我們的基礎設施中不會記錄提示詞或回應。

這種分離是刻意為之。審計記錄是 操作發生的證明。操作內容——發送給模型的提示、返回的答案——存放於部署者自有硬件，受部署者自訂的保留政策管控。我們從未接觸這些內容。

為何內容不會出現在記錄中

有兩個原因，一個是監管要求，一個是運作考量。

監管：歐盟人工智能法規要求高風險人工智能的部署者保存日誌「於適當期間內」，以監察系統運作，並於要求時證明合規性 [1]。責任在於部署者需證明發生了什麼。雲端大型語言模型API透過將提示和回應存放於供應商基礎設施來回應此要求，將數據處理問題轉移至供應商，並形成部署者無法控制的第二合規範圍。無內容本地審計記錄則在不轉移資料的情況下回應相同監管問題： 部署者 將內容保存在部署者自有儲存空間，並依照部署者自訂的保留規則管理。

運作：每一字節的模型內容存儲都需加密、存取控制、保留、按計劃刪除，並於電子發現時提供。無內容記錄行體積小（數百字節）、結構固定、僅可追加，且可輕易序列化至部署者現有的安全資訊與事件管理系統（SIEM）。它們是仍能滿足義務的最小證據單位。

這與主要框架的對應關係

NIST AI RMF 1.0將可審計性列為可信人工智能的核心維度，要求部署者維持「足以重建決策的系統操作記錄」 [2]。「足以重建」是關鍵詞：記錄行必須讓審查者重建發生的事件。無內容記錄行能做到這點，適用於 管理 操作（如發放許可、變更政策、註冊伺服器），而無需保留推理的 內容 。至於推理內容的義務，部署者自有的本地存儲即是解答。

ENISA的人工智能網絡安全指引從威脅建模角度說明 [3]：每個存放於供應商基礎設施的提示和回應，都擴大了部署者的攻擊面，涵蓋供應商。將模型內容移出供應商端，則將攻擊面縮小至部署者已控制的範圍。

我們交付的形態 — AI Admin Console 用戶介面， aisuite-server 守護程序的 JSONL 審計，以及每個組織的 SIEM 轉發鉤子 — 直接實現了這一點。每個管理事件都會落在可由部署者讀取的行中；在本地或客戶托管的推理路徑中，提示和回應內容不會傳送到 Software Tailor 的控制平面。

這在採購審查中是什麼樣子

令雲端 AI 供應商停滯的採購問題是：「推理內容存放在哪裡？我們的合規團隊能否按需產出？」內容無關審計回答的採購問題也是這個，並給出兩個明確回應： 內容存放在您的硬件上，您的團隊能產出，因為他們已經擁有它。我們這邊的審計行證明了行動已發生；您這邊的內容證明了行動的具體結果。

關於更廣泛的採購框架 — 包括如何以這些特性引導供應商問卷，而非依賴供應商端認證 — 請參閱 為何本地 AI 部署在採購中受阻 及 歐盟 AI 法規合規文章。

部署者仍須承擔的責任

內容無關審計是部署的結構性特性，而非端對端合規解決方案。部署者仍需負責：

  • 定義「足以重建」的含義 針對其自身工作流程 — 保留期限、遮蔽規則、電子發現態度。
  • 運營本地內容存儲 （無論部署者選擇何種 — 檔案系統、文件資料庫、加密二進位存儲）並將我們這邊的審計行轉發至 SIEM，與其自身日誌進行關聯。
  • 撰寫部署者責任備忘錄 於採購期間指向此架構。

我們負責提供架構及審計行格式。其後所有流程——包括內容的保留政策——均由部署者的合規團隊依其規則執行。

參考資料

  1. 歐洲委員會。『AI 法案 — AI 監管框架。』 https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai. 於 2026-06-03 存取。
  2. NIST。『AI 風險管理框架（AI RMF 1.0）。』 https://www.nist.gov/itl/ai-risk-management-framework. 於 2026-06-03 存取。
  3. ENISA。『人工智能網絡安全。』 https://www.enisa.europa.eu/topics/iot-and-smart-infrastructures/artificial-intelligence. 於 2026-06-03 存取。