第二天早上，陆洵只睡了三个多小时，到公司后，她先给自己接了杯咖啡，又把产品组、数据组和算法组现有的数据管理文档全部调了出来。

六山已经有基础的权限记录和数据登记，可来源说明、脱敏记录、评测版本和模型版本分散在几个不同的系统里，真要追溯一条数据从哪里来，经过了什么处理，还需要几个人一起查。

陆洵新建了一个需求文档，主要为“训练与评测数据溯源补全”，紧接着又把需要补充的几个项目给列了上去：原始来源和授权范围、原始数据保存位置、脱敏规则版本、标注任务编号、标签规则、复核记录、样本数量、评测集生成时间、版本清单、模型版本、访问权限和导出日志。

最后又在文档末尾写了一段备注：先对当前线上版本、评测集清单和访问日志做不可修改的留档。

九点半，她全部整理完后，把文档发给了研发负责人尚源、姜宁，同时也抄送了一份给楚岚。

源总那边先回复了一句：【目前的系统分在三个系统里，历史部分补全至少需要两周的时间。】

陆洵回复：【先锁定今天的现状，生成时间戳和哈希，至于历史版本的部分先按版本倒序排。】

过来一会，源总那边回复：【可以，研发中心这边没问题，十点半还要拉上数据负责人一起过。】

楚岚没有私聊她，只在文档下面留了一条评论：【同意，需要增加人力或者采购存证服务的，按正常流程提即可。】

陆洵看完，回了个【收到。】

这时，陶然发来一个共享目录：【先捞到了二十七个旧页面，全部都是公开来源，原始链接、快照时间和哈希都在，剩下的我晚上再继续。】

紧接着，她又单独发来两张截图，两张都是远舟应用隐私政策的历史页面，版本之间相隔一个多月，较早的一个版本只写明，客服沟通内容用于处理咨询、投诉和售后；后面一版则增加了一项，经过处理后的服务沟通记录将用于服务质量分析和智能客服功能优化。

修改日期再陆洵离职以后。

陶然在下面问她：【公开页面里只能找到这种变化，内部评测集什么时候生成，用了哪一批对话，靠官网证明不了，两个版本都要留吗？】

陆洵回复：【都留，先保存原页面，能不能用得上我后面再判断。】

【已经存了，旧版来自公开网页快照，新版现在还能访问，来源标注了。】

陆洵把两份页面存档下载到本地，放进昨晚建好的文件夹里，文件名标注好了隐私政策的本本日期和归档程序自动生成的哈希值。

十点半的会议开了很久。

六山的数据负责人叫莫奇，个字有点矮，留着齐耳的蘑菇头，圆脸，看起来是一个很可爱的女孩子，开会前，她先把文档里所有“长期保留”的字样圈了出来，逐项问清楚到底是存一年、三年还是跟随项目的周期走，又写清楚每个具体的负责人和审批人。

改完这些，她才把六山现在的几套系统投在智能屏上，客服记录放在业务库，脱敏任务和标注任务各自有一套编号，评测集版本在模型平台里维护，权限审批要走另一套流程。

平时使用没有什么太大问题，真要从一个线上回答开始往前追溯到话，就得在几个系统中来回核对，表结构复杂。

“现在的访问日志留多久？”陆洵问。

“线上查半年，超过半年的就转冷存储，冷存储目前是按照三年进行配置，不过以前这一块都是研发做也没有什么统一要求，有些老项目只留一年。”莫奇说。

“评测集生成的记录呢？”陆洵看了一眼自己提上去的需求文档。

“版本清单一直留着，标注任务看项目，有的跟着原始数据一起清理了，只剩下任务编号和完成时间。”

陆洵看了一眼自己的电脑，又抬头看智能屏：“先不清理，这次先把评测集清单，来源批次，脱敏和标注任务之间的对应关系补齐，原始对话按公司的保存期限处理，过程元数据则和审批日志单独留。”

莫奇抬头看着陆洵：“单独留多久？如果是涉及到投诉、数据事故或者劳动争议的话，还是同一个期限吗？”

“你这个问题很严谨，先分开吧，正常业务记录按照现有制度，处罚事故调查的转专项保全，保全的起止时间让法务和信息安全组一起定，不能到了三年自动清，我记得法务那边是有要求追溯时间的，这个她们比较清楚。”

尚源坐在旁边，看了看文档：“专项保全要加一层只读凭证才行，查询本身也要留日志。”

陆洵点点头：“可以。”

莫奇这才低头在电脑上记了起来，一边记一边确认：“历史项目要补到什么程度？”

“先从当前的线上模型往前倒，能找到原始记录的按原始记录补，找不到的就直接标注缺失即可。”

会议结束时已经快中午十二点了。

其他人陆续出去，莫奇还在智能屏旁核对刚才改过的字段，陆洵将会议文档同步到项目空间，准备合上电脑时，尚源突然说了一句：“两年前的记录能不能查到，主要看当时有没有做事故归档，真归过档，普通研发也看不了，至少得数据平台和信息安全的负责人同意才行。”

陆洵的手突然顿住：“你知道？”

尚源耸了耸肩膀，表示与自己没什么关系：“有个朋友是远舟的，陆老师当年的事情传得沸沸扬扬的，业内也小范围流传了一波。”

陆洵茫然地看着她：“啊？我为啥不知道？”