38 lines
1.3 KiB
Markdown
38 lines
1.3 KiB
Markdown
---
|
||
title: "Air-Gapped SLM Fix Generation"
|
||
type: concept
|
||
tags: []
|
||
last_updated: 2026-05-01
|
||
---
|
||
|
||
## Definition
|
||
|
||
在完全离线（气隙）的环境中，通过本地 Small Language Models（SLM，如 Ollama 运行的 Phi-3/Llama-3/Mistral）生成确定性修复逻辑（Python lambda）的方法论。
|
||
|
||
## Core Principle
|
||
|
||
**AI generates logic — never touches data directly.**
|
||
|
||
SLM 输出的是一个转换函数（lambda），由系统执行，而非 AI 直接修改数据。这样保证了可审计、可回滚、可解释的数据变更。
|
||
|
||
## Workflow
|
||
|
||
1. SLM 接收聚类样本 + 列名
|
||
2. SLM 输出严格格式化的 JSON（含 transformation、confidence_score、reasoning、pattern_type）
|
||
3. Lambda Safety Gate 验证（必须以 `lambda` 开头，不含 `import/exec/eval/os/subprocess`）
|
||
4. 验证通过后向量化执行于整个聚类
|
||
5. 低于 0.75 置信度的自动进入人工隔离队列
|
||
|
||
## Safety Guarantees
|
||
|
||
- **Zero PII Egress**: 所有处理完全本地，无网络出口
|
||
- **Deterministic Output**: SLM 输出确定性 lambda，不做创意性文本生成
|
||
- **Safety Gate**: 任何包含危险关键词的 lambda 立即被拒绝并路由至隔离区
|
||
- **Audit Trail**: 每条数据变更记录完整上下文
|
||
|
||
## Related
|
||
|
||
- [[Semantic Anomaly Compression]]
|
||
- [[Lambda Safety Gate]]
|
||
- [[AI Generates Logic Not Data]]
|