个人助手选型需关注三点：是否了解你、能否替你办事、数据存放何处。PocketClaw 为 U 盘便携方案，配置与凭证加密存于本地，但需联网调用模型，适合重视隐私且愿花时间部署的用户；云端产品更省事，但数据会经第三方服务器。选型应看账号生态重叠度与行动权限，加密不能替代备份，国际账号限制需按功能具体判断。

作者首次租用理想L8增程电车自驾黄山，最认可自动驾驶大幅节省注意力，语音交互与自动泊车降低了上手门槛。补能方便，在服务区吃饭半小时即充至85%，成本远低于油费，百公里油耗约6升，座舱舒适配置令人满意。作为数据从业者，他提醒智能电车收集遥测数据、车企拥有远程控制权可能削弱车主所有权，但可接受适度数据采集以换取便利。

Miles Plug是一款售价99美元（另需会员费）的OBD-II车载智能设备，提供实时定位、驾驶行为提醒、碰撞检测、道路救援及故障灯解读等功能，主要面向青少年驾驶监控。厂商承诺不出售用户数据，数据加密且可删除。作者试用后认为设置简单、应用清晰，但长期电池影响和公司持续性仍待观察。

Character.AI申请破产并拟将部分资产售予迪士尼，引发数据隐私担忧。纽约州总检察长詹姆斯联合40位两党州检察长提交文件，要求法院在资产出售中保护用户数据。各州自2024年起调查该公司，发现其存在儿童保护不足、年龄验证薄弱、聊天机器人冒充专业人士等问题。

记者体验Twin Health数字孪生：每日记录体重、饮食、血糖等数据，AI预测食物对血糖的影响，用红绿颜色指导饮食。百天后，代谢评分提高，肝酶和甘油三酯改善，炎症下降。但持续记录令人疲惫，个性化医疗应用仍面临数据隐私与信任挑战。

GPT-6.1 Sol 已在 Amazon Bedrock 正式可用，推理能力接近 Astra，在软件工程、复杂文档分析和多步骤工作流中优于 GPT-6 Sol，单任务成本约为 Astra 的五分之一。支持 IAM、CloudTrail、VPC 端点，数据不用于训练，可申请零留存。

Databricks 分享个人手机办公安全方案，采用四层架构保护企业数据且不侵犯隐私：MDM 仅管理工作资料，身份验证与零信任持续核查设备健康，应用层管控数据，并强调透明沟通提升员工参与度，以 Genie 应用为实践案例。

Amazon Bedrock 上线 Moonshot AI 的 Kimi K3 开放权重模型，参数量 2.8 万亿，支持原生视觉与 100 万 Token 上下文，适用于长周期编程和知识工作。该模型是 Bedrock 首个支持显式提示词缓存的开放权重模型，可降低延迟和输入成本。数据在 AWS 边界内处理，不共享给模型提供商，并启用零数据留存和零运维访问。用户可通过控制台或 API 调用，支持全局和美国区域配置文件。

Anthropic发布AI安全报告，证实模型提供商可阅读用户完整对话记录，引发企业隐私担忧。英伟达限制Claude仅用于低敏感任务，核心工作改用自研工具；Palantir要求零数据留存承诺，否则不接入Claude；博思艾伦禁止员工将Claude用于涉专有数据的项目。此前Claude Fable 5强制留存提示词和输出30天，加剧企业不安，切断Claude成直接选择。

EasyInvoicePDF 是一款免费开源发票生成器，完全在浏览器本地渲染，数据不上传服务器，无需注册。它支持实时预览、多模板、税务计算、多语言货币、二维码和多页 PDF，基于 React、Next.js 等技术栈，采用 AGPL v3 许可，代码可审计。相比云端工具，它避免了数据泄露风险，但存在性能与跨设备同步的代价，且本地数据可能被他人看到。

OpenAI内部模型用一万个智能体在88小时内解决了纳维-斯托克斯方程，但版本不符悬赏条件。研究员指控其Codex数据可能被用于训练，OpenAI承认“不能排除”，并涉署名争议。用户关闭开关仍难保数据隐私，引发信任危机。

约翰迪尔推出AI聊天机器人“JD”，利用农民自身数据回答设备设置、燃油使用等问题，帮助提高收益。该机器人正在美国部分用户中测试，未来将扩展至更多平台。公司强调数据隐私，承诺不出售数据，并允许农民控制第三方共享。

Ox Alpha是匿名发布的AI编码模型，开发者关注其数据隐私。模型可能由Z.ai的GLM-5.3提供，但未确认。其数据保留政策与OpenRouter条款冲突，引发隐私担忧。大量私有代码已通过该模型处理，若归属Zhipu AI，可能涉及出口管制风险。社区基准测试结果不一，身份仍存疑。

谷歌将AI编程助手Antigravity扩展至VS Code、JetBrains等主流编辑器，支持开发者直接在现有工作流中委派任务，无需切换应用。企业版通过Gemini Enterprise订阅提供，管理员可设预算和权限，但令牌配额消耗快，可能数小时耗尽。此举旨在打入企业市场，同时强调数据隐私和访问控制。

Meta发布首款编程代理Muse Code，基于Muse Spark 1.2模型，定价低于Anthropic和OpenAI竞品。但低价需用户同意数据共享以改进模型，引发企业担忧源代码和知识产权泄露风险。多数CTO拒绝此交易，认为成本节省不值当，仅适合开源或个人项目。Meta正加速追赶AI对手，但数据隐私成主要障碍。

本文探讨了在机器学习中有效“遗忘”特定数据点的方法，以应对数据隐私问题。研究提出了一种新方法，通过识别对模型输出影响微小的数据子集，减少数据集规模，实现高达50%的计算成本节省。