> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/claude_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/claude_guide/di-si-bu-fen-shi-zhan-pian/11_safety/summary.md).

# 本章小结：AI 的安全带

第十一章不是关于“如何让 AI 更强”，而是关于“如何让 AI 更可靠”。

## 核心知识点回顾

### 宪法式 AI

* **内在约束**: Claude 不仅是基于人类反馈训练的，更是基于一套明确的价值观（宪法）训练的。
* 这使得它在处理敏感话题时更加 **有原则**，而不是一味讨好用户。

### 护栏工程

* 不要裸奔。
* **Input Guardrails**: 拦截 Prompt Injection 和 PII。
* **Output Guardrails**: 过滤有害内容及格式错误。
* **HITL**: 关键操作必须有人类确认。

### 数据隐私

* **API != Training**: 商业 API 数据不用于训练。
* **Zero Retention**: 对于极致安全需求，可以使用零留存模式，但要逐功能、逐模型核对覆盖范围。
* **Local Anonymization**: 在数据出门前就把它变成乱码。

### 负责任的 AI

* **Augmentation**: AI 是副驾驶，人类是机长。
* **Bias Check**: 始终警惕模型可能存在的偏见，并用反事实测试去验证它。

## 小结

安全与伦理是 AI 工程化不可或缺的基石。掌握了这些原则，你就为构建负责任的 AI 应用打好了基础。

接下来，我们将进入进阶篇，探索 Claude 的前沿特性与上下文工程。

➡️ [第十三章：进阶能力](/claude_guide/di-wu-bu-fen-jin-jie-neng-li/13_advanced.md)

***

> 📝 **发现错误或有改进建议？** 欢迎提交 [Issue](https://github.com/yeasy/claude_guide/issues) 或 [PR](https://github.com/yeasy/claude_guide/pulls)。