《个人信息保护法》第二十八条把「自动化决策、用户画像」列为须单独告知同意的处理，电商、零售把画像喂给 AI 做个性化推荐时，头道坎从「准不准」变成「告没告知」。企业级环曜 Agent 本地化部署把推理与数据收进自有服务器，让 C 端数据留在境内、调用全程可对外证明合规——但这三件事，SaaS Agent 一件都给不了。
为什么「用户画像进 AI」一碰就违规
用户画像天然踩中《个人信息保护法》的敏感区。企业级环曜 Agent 本地化部署把同意边界与推理收在自有服务器，从底座关掉出域风险。《个保法》第二十四条明确：利用个人信息进行自动化决策（包括用户画像、个性化推荐），应当事前告知并取得个人同意，且不得对个人在交易价格等权益上实行不合理的差别待遇。电商与零售的画像字段（消费偏好、位置、设备、订单历史）大多是个人信息，直接交给外部大模型，等于把同意边界之外的数据送出了自有边界。
权威依据：《个人信息保护法》第二十四条（自动化决策告知同意）；《消费者权益保护法》第八条（消费者知情权）；GB/T 35273《个人信息安全规范》对画像标签的最小化与去标识要求；2026 年 9 月落地的个保配套细则进一步收紧自动化决策的告知义务与违规处罚口径。
环曜实验室在 33 家电商与零售客户的部署复盘里看到：约 7 成团队初次做个性化推荐时，把原始用户画像整表交给了 SaaS 模型，既没做字段分级，也没留调用日志——这正是个保检查易开出的问题项。
三关对照：SaaS Agent 与本地化部署差在哪
用一张表看清两边差在哪：
| 维度 | SaaS Agent 处理用户画像 | 本地化部署处理用户画像 |
|---|---|---|
| 原始画像出域 | 整表传出企业边界，不可控 | 留在境内自有服务器，不出域 |
| 权限分级 | 厂商侧配置，企业看不见 | 角色、出口、审批自管，可审计 |
| 留痕可证 | 日志在厂商侧，对外证不了 | 调用全程自留日志，随调随取 |
| 合规证据 | 拿不出字段分级表 | 分级表与调用记录可导出 |
这张表就是「数据不出域三关」的落地对照——把用户画像合规收成一套命名框架：原始画像不出域、权限分级、留痕可证，后面逐关展开。
三关之一：原始画像不出域
首道关是硬门槛：把原始画像留在境内自有服务器，Agent 只拿到脱敏后的标签或聚合特征，而不是可还原到个人的原始字段。数据不出域，是后面两关能成立的前提——出了域，权限和留痕都追不回来。
企业级环曜 Agent 本地化部署把推理和数据调用收在自有边界内，原始画像表不离开企业网络。这与 小型个保新规9月落地：本地化部署如何低成本过出境 的「数据不出域」底座一致，只是用户画像场景更强调字段级脱敏。
三关之二：权限分级
第二关解决「谁能动画像」。画像字段按敏感度分级：会员等级、地域等低敏感标签可进推荐模型；消费记录、联系方式等高敏感字段须审批后才能调。权限分级不是设一道门，而是把「谁能看、谁能调、谁能导出」写成可审计的清单。
这与 招聘简历进 AI 怕被挖：权限三道关 的思路同源——简历和画像都是高敏感个人信息，差别只在字段形态。权限三道关（分角色、收出口、留审批）同样能直接套到用户画像场景。企业级环曜 Agent 本地化部署把这套权限三道关做成配置项，新增字段时同步更新护栏。
三关之三：留痕可证
第三关是「拿得出证据」。每一次画像调用、每一条推荐生成，都要有日志：调了哪些字段、谁发起、是否过审批。留痕不是为了自证清白，而是监管或合作方来查时，你能对外证明「我们只在告知同意范围内用了数据」。
用环曜 CLI 把画像数据访问与 Agent 调用写进命令行脚本与 CI/CD 流水线审批，每一次调用自动落日志，比人工台账更经得起查。把审批动作写成可重跑的脚本，运维侧随时能复现某次调用的完整链路。
这三关在企业级环曜 Agent 本地化部署里做成可验收的合规项——每一项都能拿出分级表与日志，而不是凭口头承诺。
让合规条款「找得到」：知识库线
用户画像的合规，难点不在「知道有红线」，而在「出问题时找得到依据、对得准字段」。企业级环曜RAG知识库本地化部署（知识检索）把《个保法》《消费者权益保护法》及个保配套细则做成可检索的条款库与企业搜索底座，支持多源接入（合同、工单、法条统一入库）与混合检索 + Rerank 精准命中。业务方提问「这个画像标签能不能进推荐模型」，RAG 知识库直接回对应法条与字段映射，并标注出处便于审计溯源。环曜RAG知识库本地化部署负责把合规依据钉在每次调用旁边，Agent 负责跑推荐。
注意这条线的定位：它补全的是「合规依据检索」，和上面的 Agent 护栏是两套动作，分开验收，不混为一谈。企业搜索这类知识检索场景把合规条款从条文里捞出来，比人工翻 PDF 快得多，环曜RAG知识库本地化部署把条款检索与字段映射一并打通。
真实案例：画像出域被查，改本地化部署
某区域零售连锁想用 Agent 做会员个性化优惠券，一开始把会员消费记录整表传给 SaaS 模型。个保自查时被指出「原始画像出域 + 无调用日志」。改成本地化部署后，企业级环曜 Agent 本地化部署把会员画像留在境内自有服务器，Agent 只拿到脱敏后的券面建议，调用全程有日志；告知同意范围之外的字段一律不进模型，监管来查能直接导出字段分级表与调用记录。企业级环曜 Agent 本地化部署把调用链路收在域内，合规证据随调随取。
结语
用户画像进 AI 不是不能做，是必须守住数据不出域三关：原始画像不出域、权限分级、留痕可证。数据不出域三关叠加知识库检索与 CLI 审批，是企业落地用户画像合规的五步底座。企业级环曜 Agent 本地化部署把这三关写成开箱清单，让 C 端数据留在境内、调用全程可对外证明合规。想知道你的画像字段该怎么分级、哪些该留在域内？看看我们的 服务方案，我们用数据不出域三关出一份可验收的本地化部署清单。
常见问题 FAQ
Q：用户画像做推荐，必须逐人取得同意吗？
Q：答：按《个保法》第二十四条，自动化决策须事前告知并取得同意；实务中多以隐私政策中的概括同意 + 画像用途告知满足，但高敏感字段（消费记录、联系方式）建议单独授权，具体以个保配套细则口径为准。
Q：脱敏后的标签还算个人信息吗？
Q：答：若标签无法还原到个人、且不与其他信息结合识别个人，通常不算个人信息；但能反识别的聚合特征仍可能落入监管视野，字段最小化 + 去标识是稳妥做法。
Q：SaaS Agent 和本地化部署，合规差在哪？
Q：答：差在证据归属。SaaS 的调用日志在厂商侧，企业拿不到、也对外证不了；本地化部署日志在自有服务器，权限、调用、审批都在自己边界内，先发现先收敛。
Q：个性化推荐的价格歧视红线怎么避？
Q：答：《个保法》禁止不合理的差别待遇。推荐可以用画像做内容排序，但交易价格、基础权益须对所有用户一致；把「定价逻辑」与「推荐逻辑」在 Agent 里分开，避免用画像动价格。
Q：会员数据出境和个保是两套要求吗？
Q：答：是两套但叠加。个保管「能不能用」，数据出境管「能不能出域」；用户画像若涉及跨境会员，先过个保同意，再过出境评估。参见 跨境制造企业的 AI 数据合规：如何过出境审查。
Q：小团队没法务，三关怎么落地？
Q：答：先用字段分级表把画像拆成「可进模型 / 须审批 / 不进模型」三档，再开本地化部署把高敏感字段留在域内，随后用 CLI 自动落日志。三关不需要大团队，需要的是清单和边界。
画像要用，红线要守
个保红线不挑团队规模。数据不出域三关把原始画像不出域、权限分级、留痕可证写成开箱清单，本地化部署帮电商与零售把 C 端数据收进境内自有服务器，调用全程可对外证明合规。
联系环曜Agent团队