人类数据需要 harness 级的纪律

评测的爆发给这个行业留下了一条经久不衰的教训：没有出处的数字只是装饰。Benchmark 变得有用，恰恰是 harness 让它们变得可追溯的那一刻——每个分数链接到产生它的运行，每种方法公开可查，每次复跑可以复现。我们信任模型分数，不是因为信任实验室，而是因为 harness 让主张变得可检验。

关于人的数据值得同样的纪律。一份职业画像就是关于一个人的成套主张，而消费这些主张的系统会据此采取行动。如果 benchmark 分数都需要出处，那么关于一个人的主张需要的只会更多。

可追溯，贯穿两端

在 ProfileClaw 里，每一条结论都能向下追溯到证据。一个维度分数链接到它背后的已答题；一份摘要引用它所压缩的分数。画像里没有孤儿主张——“这从哪来”永远是一次查询，而不是一场辩论。

对外同样如此：每一次读取都在记录上。哪个客户端、哪些层、什么时间、依据哪个版本的授权——有日志、可导出、数据的主人自己可见。

授权活在 schema 里

大多数产品把授权当成数据库前面的一道勾选框。授权失败，恰恰就失败在这个位置上：勾选框只在门口看守一次，而数据在门后一活就是很多年。

我们把授权放进 schema 内部，放在它所看守的数据旁边。Scope 直接挂在层上——某个客户端被授予摘要，或者分数，或者什么都没有——而每次读取都按照当前存在的授权在请求时求值。不存在一份“在规则改变之前就流出去”的数据副本，因为客户端是穿透这个层来读的，从来不把数据整包带走。

真正有效的撤回

撤回是检验一切授权故事的试金石。如果系统只在导出时检查授权，那撤回就是一场表演。

因为访问是一个“读取时求值”的属性，关掉它是件无聊的事：下一个请求按更新后的授权求值，失败。审计日志记下这次失败。不需要“召回”任何东西，因为没有任何东西被复制走。

机构真正问的是什么

企业客户不问氛围，问的是性质。按我们的经验，反复出现的需求是这几条：

• 聚合而不暴露——教练和管理员看到的队列视图，默认封存成员的原始作答；
• 按角色的 scope——教练可读的与管理员可读的不同，由层来强制，而不是靠信任；
• 有期限的保留——数据保留一个明示的窗口，删除真正排上日程，而不是停留在承诺里；
• 导出——本人自己的记录，以可迁移的格式敞着拿走。

这些没有一条是政策文档。每一条都是中间层要么用代码强制、要么根本不具备的性质。

对人类数据的信任不会经由隐私政策到来——每个人都同意它，没有人读它。信任会以 benchmark 信任到来的方式到来：当 harness 让每一条主张可查、每一次读取留痕、每一次撤回为真。