AI 生成的内容要标识和留痕，数据上怎么设计？
面试怎么回答
要解决标识、溯源、审核记录和责任界定四件事。标识分显式和隐式：显式是在内容旁加用户能看到的提示，隐式是在文件元数据写入生成信息、图片音视频加数字水印，各个发布渠道逐一落实。数据上为每次生成建一条记录，包括内容 ID、时间、应用、调用人、模型和提示词版本、输入的数据和文档引用、输出或其哈希、审核人和修改差异、发布渠道，这是一张可以按应用、模型、审核状态分析的事实表。存储上按合规定保留期，加密控权，重要场景追加写并校验哈希防篡改。生成内容进入数仓或知识库时打上 AI 生成标签，避免被当成原始事实再训练造成循环污染，并在血缘里记录和输入来源的关系。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
公司的 AI 应用每天生成大量内容：营销文案、客服回复、分析报告、商品图片。监管要求越来越明确（国内已经出台了针对生成合成内容标识的规定），客户和内部审计也会问：「这段内容是 AI 生成的吗？基于什么生成的？谁审核过？」面试官问这题，想看你能不能从数据层面设计一套生成内容的标识和溯源体系。
要解决的问题
- 标识：让看到内容的人知道它是 AI 生成或 AI 辅助的；
- 溯源：事后能查到某条内容是什么时候、哪个应用、哪个模型、基于什么输入生成的；
- 审核记录：谁审核过、改过什么；
- 责任界定：出了问题能定位到环节。
标识怎么做
- 显式标识：在内容旁边或内容中加上用户能看到的提示，比如「本内容由 AI 生成」；
- 隐式标识：在文件元数据中写入生成信息，图片、音视频可以加数字水印；
- 不同渠道（App、网页、导出文件、对外发布）的标识要求要逐一落实。
生成记录的数据模型
为每次生成建立一条记录：
- 内容 ID：生成内容的唯一标识，可以嵌入内容元数据中；
- 生成信息：时间、应用、调用人、模型名称和版本、提示词版本、关键参数；
- 输入引用：使用的数据来源、检索到的文档 ID（不一定存全文，存引用即可）；
- 输出：生成的内容或其哈希；
- 审核流转：审核人、审核时间、审核结果、修改前后的差异；
- 发布信息：发布到了哪些渠道、什么时间。
这是一张标准的事实表，可以按应用、模型、审核状态做统计分析。
存储和保留
- 生成记录和内容的保留期限按合规要求和业务需要确定；
- 内容中可能包含个人信息，存储要加密、控制访问；
- 只存哈希和引用可以减少存储量和隐私风险，但要确保需要时能还原证据；
- 防篡改：重要场景的记录写入后不可修改（追加写、定期校验哈希）。
和数据治理结合
- 生成内容如果进入数仓或知识库，要带上「AI 生成」标签，避免被当作原始事实再次用于训练或检索，造成循环污染；
- 血缘上记录生成内容和它的输入来源之间的关系。