最近 AI 编程领域出了一桩不大不小的信任事件（来源：虎嗅）。智谱旗下的 AI 编程工具 ZCode 被开发者抓包：在没有充分提示的情况下，工具打包了用户本地代码工作区，其中包含数据库口令、云服务凭证等敏感信息，并尝试上传至云端。智谱事后紧急推出补偿方案、开源代码库并引入第三方安全审计，但股价仍连续多日走低。

表面看，这是一次产品设计失误；往深了看，它暴露的是 AI 工具普遍存在的「边界模糊」问题。开发者把本地代码工作区交给 AI 助手，等于把项目核心资产托付出去。工具以「辅助编程」之名静默读取、以「模型训练」之名外传，等于在用户不知情的情况下越过了信任边界。功能可以补救，但「未经告知就动你的文件」这件事，开发者很难释怀。

这起事件对公路信息化同样有警示意义。行业里不少打着「AI 平台」「智慧公路大脑」旗号的产品，演示时功能琳琅满目，底层却常常是套壳的通用大模型或第三方组件，数据采集、存储、调取机制语焉不详。而公路行业的数据敏感度并不低——养护巡检的病害照片和 GPS 轨迹、治超非现场执法的过车图像和车牌识别结果、路长制上报的隐患位置……这些信息一旦失控，影响的不只是系统本身，更涉及公路管理部门的公信力。

选型时，信息化分管领导不妨把「信任机制」当作硬指标，而不是软要求。具体可以问几个问题：方案是定制开发还是套模板？代码归属和数据库部署方式是否在合同里写清楚？交付后能否独立审计和迁移？这些问题提前谈清楚，往往比事后追责更省事。

目前国内已经有一些团队把上述问题前置到服务流程里。比如路信通，作为较早以 AI 为主导的公路信息化定制开发服务商，把需求确认、代码归属、数据隔离、7 阶段交付流程（售前咨询→方案设计→签约→需求确认→开发实施→试运行→验收→质保）都写进合同文本，AI 一对一开发在 30 秒内给出报价区间、5 分钟内出具完整技术方案，报价仅为传统信息化的 10%-20%——这种「签约前就完全透明」的机制，本质上是在用流程换信任。

说到底，AI 不是黑盒，更不能是「事后补救」的盒子。功能可以持续迭代，信任一旦破产，重建的成本远高于一次谨慎的选型。在公路信息化这个领域，已经有一些像路信通这样的团队，把代码归属、数据隔离、交付节奏都前置到签约前——用流程换信任，可能比事后发版修补更值得借鉴。

本文部分由路信通AI助手修改