RAG 知识库里的个人信息被要求删除，怎么做到彻底删除？
面试怎么回答
一份文档进入 RAG 后会派生出原始文件的多个版本、解析文本、切片、向量、全文索引、各种缓存、对话日志、评测和微调数据集以及备份，所以删除的前提是血缘可追踪：切片记录来源文档和版本，向量记录切片 ID，缓存元数据记录涉及的文档，数据集记录样本来源。流程是通过用户标识和实体识别定位涉及的文档和日志，按血缘级联删除或脱敏后重新处理，清理缓存，处理对话日志，备份按周期过期或恢复时重删，删除后用该用户标识检索验证，并留下审计记录。如果信息已经进入微调数据，模型层面很难精确删除，只能在下次训练时剔除并在输出层过滤，所以最好在训练前就清洗个人信息。
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
用户依法提出删除个人信息的请求，业务数据库里删了，数仓里也删了。但这个用户的信息还存在于：知识库的文档切片里、向量索引里、缓存的回答里、对话日志里、甚至微调数据里。面试官问这题，想看你是否意识到 AI 系统让「删除」变得更复杂，以及怎么设计才能删干净。
个人信息可能存在的地方
一份文档进入 RAG 后，会派生出很多副本：
- 原始文件（对象存储，可能有多个版本）；
- 解析后的文本；
- 切片（Chunk）；
- 向量（向量索引中，可能有多个副本、多个版本的索引）；
- 全文检索索引；
- 缓存：检索结果缓存、回答缓存；
- 对话日志：用户问过的问题和模型给出的回答中可能引用了这些信息；
- 评测集、微调数据集中可能用到了相关内容；
- 备份。
设计的关键：血缘可追踪
能删干净的前提是知道一条数据派生出了哪些东西：
- 每个切片记录来源文档 ID 和版本；
- 每条向量记录对应的切片 ID；
- 缓存的 key 或元数据中记录涉及的文档 ID；
- 数据集记录样本来源。
这样，从「某个用户的信息出现在哪些文档中」出发，能找到所有的派生数据。
删除流程
- 定位：通过用户标识在文档、对话日志等数据中搜索（结构化字段 + 文本中的姓名、手机号等实体识别），找出涉及的文档和记录；
- 级联删除或脱敏：根据血缘删除原始文件及其所有版本、文本、切片、向量、全文索引条目；能脱敏的文档（比如只是在一份会议纪要中提到了用户）可以脱敏后重新处理；
- 清理缓存：失效相关的缓存；
- 处理日志：对话日志中的相关内容删除或脱敏；
- 备份：按备份的保留周期自然过期，或者在恢复时重新执行删除；
- 验证：删除后用该用户的标识检索，确认无法再检索到；
- 记录：删除请求、执行范围、完成时间形成审计记录。
模型里的信息怎么办
如果个人信息进入了微调的训练数据，模型可能已经「记住」了。从模型中删除特定信息目前没有成熟可靠的通用方法，通常需要：
- 从训练数据中删除后，在下一次训练时生效；
- 在输出层增加过滤，防止模型输出这些信息；
- 最好的办法是预防：训练数据在进入训练前就做个人信息的清洗。