# 加速使用 Formize 管理生成式 AI 输出的来源追踪与归属

生成式 AI 模型——文本生成器、图像合成器、代码助手——的快速普及，使得 **来源追踪** 与 **归属控制** 成为迫切需求。监管机构、审计员以及终端用户日益要求透明的记录，以回答以下三个核心问题：

1. **谁** 创建了提示或输入？  
2. **什么** 模型、版本以及数据集产生了输出？  
3. **何时**、**何地** 生成了输出？

Formize 作为低代码文档自动化平台，已为合同、ESG 报告和数据隐私等合规工作流提供动力。通过扩展其 PDF 表单编辑器、工作流引擎和区块链支持的审计链，Formize 可以成为生成式 AI 来源管理的中心枢纽。本文将阐述架构、实现步骤以及构建 **以来源为先的 AI 流水线** 的最佳实践。

---

## 为什么来源追踪对生成式 AI 至关重要

| 驱动因素 | 影响 |
|--------|--------|
| **监管压力**（[欧盟 AI 法案](https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai)、美国行政命令） | 不合规可能导致罚款、产品禁售或失去市场准入 |
| **知识产权风险** | 数据来源不明确可能引发版权纠纷 |
| **模型问责** | 审计员需要数据血缘和模型版本的证据 |
| **用户信任** | 透明的归属提升采纳率并降低错误信息传播 |

缺乏系统化的来源框架，组织将面临潜在责任并削弱利益相关者信心。

---

## Formize 驱动的来源系统核心组件

1. **提示捕获表单** – 记录用户请求、上下文及可选说明的网页表单。  
2. **模型调用服务** – 将提示转发至选定的生成模型并返回 **运行 ID** 的 API 网关。  
3. **元数据丰富引擎** – 自动附加模型版本、训练数据快照哈希以及运行环境信息。  
4. **不可变审计链** – Formize 将签名的 JSON‑LD 记录写入区块链或防篡改账本。  
5. **归属 PDF 生成器** – 基于模板的 PDF，嵌入指向不可变记录的二维码，供下游分发使用。  

下图展示了数据流向。

```mermaid
graph LR
    A["User Prompt Form"] --> B["Model Invocation API"]
    B --> C["Generative Model"]
    C --> D["Output Payload"]
    D --> E["Metadata Enrichment"]
    E --> F["Immutable Ledger (Blockchain)"]
    E --> G["Attribution PDF"]
    G --> H["Consumer Application"]
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style F fill:#bbf,stroke:#333,stroke-width:2px
```

---

## 分步实施指南

### 1. 设计提示捕获表单

* 使用 Formize 的 **Web Form Builder** 创建以下字段：
  * 提示文本  
  * 预期使用场景（如营销文案、代码片段）  
  * 业务说明（可选自由文本）  
  * 请求者身份（单点登录集成）  
* 启用 **条件逻辑**，对高风险类别（例如医疗建议）强制填写必填字段。

### 2. 连接模型调用服务

* 部署轻量级 **API 网关**（如 Azure Functions、AWS Lambda），实现以下功能：
  * 通过 webhook 接收表单负载。  
  * 生成 **run‑ID**（UUID v4）并为请求打时间戳。  
  * 调用目标模型（OpenAI、Stability AI、内部 LLM）并传递提示。  
  * 将原始输出和 run‑ID 返回给 Formize。

```goat
// Pseudo‑code for the gateway
func invokeModel(request FormPayload) (Response, error) {
    runID := uuid.New()
    modelResp, err := modelAPI.Generate(request.Prompt)
    if err != nil { return nil, err }
    return Response{
        RunID: runID,
        Output: modelResp.Text,
        Timestamp: time.Now().UTC(),
    }, nil
}
```

### 3. 为输出添加来源元数据

Formize 的 **Workflow Engine** 可自动完成元数据丰富：

| 元数据 | 来源 |
|----------|--------|
| 模型名称与版本 | 模型注册表 |
| 训练数据快照哈希 | 数据湖校验和 |
| 执行环境 | 容器镜像摘要 |
| 请求者 ID | 身份提供者 |
| Run‑ID | 第 2 步生成的 ID |

创建符合 W3C Provenance Ontology（PROV‑O）的 **JSON‑LD** 模板，例如：

```json
{
  "@context": "https://www.w3.org/ns/prov#",
  "id": "urn:uuid:{RunID}",
  "generatedAtTime": "{Timestamp}",
  "wasGeneratedBy": {
    "type": "prov:Activity",
    "id": "urn:uuid:{RunID}",
    "used": "urn:uuid:{ModelVersion}"
  },
  "wasAttributedTo": {
    "type": "prov:Agent",
    "id": "urn:uuid:{RequesterID}"
  },
  "entity": {
    "type": "prov:Entity",
    "id": "urn:uuid:{OutputHash}"
  }
}
```

### 4. 写入不可变账本

Formize 支持 **区块链连接器**（Ethereum、Hyperledger）。将 JSON‑LD 记录作为交易提交：

```mermaid
sequenceDiagram
    participant F as Formize Workflow
    participant B as Blockchain Node
    F->>B: Submit Provenance Transaction
    B-->>F: Transaction Receipt (hash)
    Note right of F: Store receipt ID in Formize DB
```

交易哈希即为审计员查询的 **唯一可信来源**。

### 5. 生成归属 PDF

* 使用 Formize 的 **PDF 表单编辑器** 设计单页归属说明。  
* 插入动态字段：
  * 输出预览（文本或图像）  
  * 指向区块链交易 URL 的二维码  
  * 人类可读的来源摘要（模型、版本、请求者）  
* 启用 **数字签名**，提供额外的不可否认性。

### 6. 分发来源包

生成的 PDF 可通过以下方式交付：

* Formize 邮件动作自动发送  
* 存入安全文档库（SharePoint、Google Drive）  
* 嵌入下游应用（CMS、营销自动化）

---

## 安全与隐私考量

| 关注点 | 缓解措施 |
|---------|------------|
| **敏感提示数据** | 使用 Formize 的 AES‑256 存储对表单负载进行加密。 |
| **未授权账本写入** | 对高风险模型的区块链写入要求多因素审批。 |
| **数据驻留** | 将区块链节点部署在与数据源相同的司法辖区。 |
| **保留期限** | 配置 Formize 保留策略，在法律要求的期限后删除 PDF，同时永久保留不可变账本。 |

---

## 真实案例

### A. 为营销机构生成 AI 文案

* **问题**：客户要求证明文案来源于已批准模型且未抄袭。  
* **解决方案**：机构使用 Formize 来源工作流，为每份文案附带二维码 PDF。客户扫描二维码即可查看不可变记录，满足品牌风险审计。

### B. 制药研究实验室生成分子结构

* **问题**：监管机构要求追溯 AI 推荐化合物的训练数据来源。  
* **解决方案**：实验室记录化学模型的精确版本、训练数据哈希以及科学家的身份。不可变账本成为 IND 申报材料的一部分。

### C. 金融机构自动化报告摘要

* **问题**：AI 生成的盈利摘要必须符合 SEC 合规审计。  
* **解决方案**：每份摘要均配备 Formize 归属 PDF，账本哈希存入合规数据库，审计时可即时检索。

---

## 成功衡量指标

| KPI | 目标 |
|-----|--------|
| **来源捕获率** | 100 % 的 AI 输出都有关联的 PDF |
| **审计检索时间** | 每条记录 < 5 秒 |
| **合规事件下降** | 来源相关发现减少 80 % |
| **用户采纳率** | 90 % 的请求者使用 Formize 提示表单 |

定期在 **Formize 仪表盘** 中审视这些指标，确保工作流高效且合规。

---

## 最佳实践清单

- [ ] 集成单点登录以确保请求者归属准确。  
- [ ] 对模型进行版本锁定并在中心注册表中存储哈希。  
- [ ] 使用许可链区块链平衡隐私与不可变性。  
- [ ] 自动生成带动态二维码的 PDF，实现即时验证。  
- [ ] 定期审查来源政策，以匹配不断演进的法规。  

---

## 未来增强方向

1. **AI 生成水印嵌入** – 将来源 PDF 与直接嵌入图像或文本的隐形水印相结合。  
2. **跨平台来源交换** – 采用 **开放来源模型 (OPM)** 与合作伙伴及监管机构共享记录。  
3. **实时告警** – 当高风险模型在缺乏正当理由的情况下被调用时触发警报。  

通过持续迭代这些能力，组织能够在合规曲线前保持领先，同时释放生成式 AI 的全部潜能。

---

## 相关链接

- [W3C Provenance Ontology (PROV‑O)](https://www.w3.org/TR/prov-o/)  
- [EU AI Act – Transparency Requirements](https://digital-strategy.ec.europa.eu/en/policies/eu-artificial-intelligence)