企业官网建设流程全解析

G0DM0D3隐私控制全解：无账号、无云同步的自托管数据流设计

【免费下载链接】G0DM0D3LIBERATED AI CHAT项目地址: https://gitcode.com/GitHub_Trending/g0/G0DM0D3

G0DM0D3是一款开源的多模型 AI 聊天界面，它把"数据去哪儿了"写成了明文：没有账号系统、没有云端历史同步，聊天记录只存在你自己的浏览器里。对于想自托管（self-host）、又担心提示词被上传的普通用户来说，这套隐私控制设计值得一读。本文用大白话讲清楚它的三条数据路径、一键关闭遥测的No-Log 模式，以及如何用Local-only 模式实现完全离线的本地数据闭环。

先搞清楚：AI 聊天工具的隐私痛点是什么？

大多数在线 AI 聊天产品有三个默认行为，而 G0DM0D3 全部反着来：

项目的完整说明见 README.md 的 "Privacy" 一节，更正式的三层数据政策在 TERMS.md。它的态度很直接："不需要信任这份文档，去读代码验证。"

一分钟看懂：数据到底流向哪里？

G0DM0D3 官方把数据流分成三个层级（Tier），这是理解它隐私设计的关键。

Tier 1 —— API 元数据（API 服务器端）：每次 API 请求都会记录"系统表现如何"，比如耗时、模型名称、成功/失败、响应字符数（不是内容本身）、错误分类。记录的是"怎么跑的"，而不是"你说了什么"。实现见 api/lib/metadata.ts。

Tier 2 —— 浏览器遥测信标（网页端，默认开启）：在浏览器里生成一个随机临时的会话 ID（与任何账号无关），把模式、层级、耗时、得分、流水线配置等元数据批量发送到遥测端点。提示词文本、回复文本、图片、API 密钥都不在采集范围内。实现见 src/lib/telemetry.ts 与 functions/api/telemetry.ts。

Tier 3 —— 数据集贡献（默认关闭，需显式开启）：只有 API 调用方在请求中发送contribute_to_dataset: true时才会保存完整对话内容并发布到公开数据集。网页版不暴露、不发送这个开关。实现见 api/lib/dataset.ts。

一句话总结：你说的话只会发给你自己配置的模型提供方（OpenRouter、Venice 或本地模型服务器），G0DM0D3 自身默认只记录"骨架"元数据。

隐私控制开关一：No-Log 模式（一键停掉遥测）

这是新手最应该知道的开关。路径：

Settings（设置）→ General（通用）→ No-Log Mode（无日志模式）

打开它会发生两件事：

1. 停止新的应用遥测——不再向/api/telemetry发送任何元数据事件；
2. 清空浏览器内存中尚未发出的遥测缓冲区——已经攒下的事件一并丢弃。

需要注意的是：No-Log 模式管的是G0DM0D3 自己的遥测，它不能改变模型提供方或服务宿主（如 Cloudflare）自身的网络日志。如果你想连"遥测辅助分类器"（会向辅助模型发送提示词生成一个分类标签）也一起跳过，No-Log 模式同样会跳过这个分类请求。

隐私控制开关二：Local-only 模式（最强本地边界）

如果你已经在本地跑模型（Ollama、LM Studio、llama.cpp 等），Local-only 模式是隐私的"满配"。开启后它同时做到：

• 排除OpenRouter 和 Venice 的所有模型调用，比赛只在你配置的本地模型之间进行；
• 自动关闭G0DM0D3 应用遥测，并清空待发送的遥测事件；
• 查询分类、评审、拒绝检查等辅助调用全部走本地模型；
• 对话、设置、密钥全部留在浏览器本地存储。

配合自托管页面（把index.html用python3 -m http.server 8080起在本地），就构成了官方推荐的最强本地边界：请求不离开你的机器，遥测被关掉，历史不出浏览器。详细步骤见 LOCAL_MODELS.md。

你的电脑 ┌─────────────┐ HTTP ┌──────────────────┐ │ G0DM0D3 网页 │ ───────────► │ 本地模型服务器 │ │ (index.html)│ │ localhost:11434 │ │ 历史在本地 │ ◄─────────── │ (Ollama/LM Studio)│ └─────────────┘ 响应 └──────────────────┘ ✂️ 无云同步 ✂️ 无遥测 ✂️ 请求不出机器

聊完话，历史记录归谁管？——本地自托管机制

G0DM0D3 的聊天记录存在浏览器的localStorage里，这带来几个直白但重要的结论：

• 🧹清空浏览器数据 = 永久删除聊天，没有任何恢复机制；
• 🔄换浏览器/换设备，历史不会跟着走；
• 🔒无痕窗口关闭后一切归零；
• 📦 官方建议：应用最多保留 100 段对话、每段 500 条消息，想长期保存就定期用Settings → Data下的导出/导入功能备份，把它当成一个本地文件来管理。

换句话说：你完全拥有你的历史，也完全负责备份它——这正是"无账号"的代价与自由。

自托管部署时，如何进一步收紧数据管道？

如果你的团队打算自建服务而不是用托管版，还有几个"出厂可调"的阀门：

• 不设置HF_TOKEN和HF_DATASET_REPO环境变量，HuggingFace 自动发布即被禁用，遥测端点会直接拒收事件；
• 静态部署（只放index.html）本身不会发布任何遥测数据，除非你额外部署了 functions/api/telemetry.ts 这个端点；
• 遥测端点内置字段白名单（functions/api/telemetry.ts 中的ALLOWED_FIELDS）：只有显式列出的顶层字段才可能入库，未列出的字段一律丢弃；
• 容器化部署可参考 docker-compose.yml 与 Dockerfile。

要提醒的诚实细节：白名单是"防意外泄漏"的护栏，不是递归的 PII 检测器；项目也不承诺任何元数据值在极端情况下永远不可关联到人——这种"不夸大"的表述本身，就是它数据透明度政策的一部分。

新手上手清单：三步完成隐私设置

1. 打开设置 → General → 开启 No-Log Mode，先关掉应用遥测，心里有底；
2. 配置本地模型：Settings → API Keys → Local Models 填入http://localhost:11434/v1，点Test & Discover Models验证连通；
3. 开启 Local-only 模式并自托管页面，实现"请求不出机器"的最强边界；重要对话定期用 Settings → Data导出备份。

结语：透明本身就是隐私设计

G0DM0D3 的做法可以概括为一句话：它不承诺"零遥测"，而是把每一条数据路径都摊开给你看——哪些字段被采集、存在哪、何时发布、如何关闭，全部有对应的源码位置可查（api/lib/、functions/api/、TERMS.md）。对新手而言，这比任何一句"我们绝不收集你的数据"都更可信：你可以自己读代码、自己开关阀门、自己保管历史。在 AI 工具普遍"账号 + 云端 + 黑盒日志"的当下，这套无账号、无云同步的自托管数据流设计，值得成为你评估任何 AI 应用隐私实践时的参考样本。

【免费下载链接】G0DM0D3LIBERATED AI CHAT项目地址: https://gitcode.com/GitHub_Trending/g0/G0DM0D3