云端 Agent 与本地 Agent

云端与本地不是简单的安全优劣判断，而是工作在哪里执行、数据去哪里、谁负责运营。运行在电脑上的 Agent 可能调用远端模型；云端 Agent 也可能具有严格范围。先画出真实架构，再选择名称。

分开四个位置

确认模型运行、工具运行、状态存储和结果交付的位置。四者可能不同。把本地文档发给远端模型的流程不是离线；托管系统连接自托管工具，也不是全部由厂商运营。

OpenAI Agent 文档描述了不同运行和执行安排，但不能据此认为每个账号或产品都支持同样的配置。

按任务选择

公开信源日报可能适合托管服务，因为可用性很重要。秘密文档任务需要受控存储、限定工具和经批准的模型数据路径。本地应用自动化还可能依赖员工电脑与人在场。

先列结果、数据敏感程度、在线时间、工具访问、延迟、预算和负责人。不要仅因为“本地听起来隐私”或“云端听起来可扩展”就选择。

数据流清单

对输入记录分类、目的地、保留期限和允许用途。包括日志、截图、提示词、嵌入、备份和错误报告。旁路往往也包含原始秘密。

记录服务接收什么、凭据能够访问什么。只读令牌也需要真实范围。若要求整个邮箱，先解释必要性并设计更窄的试验。

运营责任

本地机器需要调度、凭据管理、更新、存储、备份和恢复；休眠、断网或会话过期会中断任务。云端也需要等价政策，还要了解服务限制和隔离边界。

指定失败处理人，定义部分输出、重试与撤销。没有可观测性的在线服务可能无声失效；没有保留控制的日志可能制造额外数据风险。

全成本比较

一起比较模型用量、工具服务、托管、审核与维护。本地不代表没有付费远端调用，托管不代表无需审核。没有针对具体服务的日期与来源时，不应发布通用价格结论。

用同一信源、任务和预算测试候选部署，比较完成率、恢复时间、引用准确性和审核负担，而不是只比较一次演示的速度。

混合部署也可行

如果政策允许，可以让敏感来源通过限定本地工具只输出批准片段，再使用远端模型。也可以本地处理秘密、云端监测公共信息。这些是架构模式，不是隐私保证。

可撤销的小试验

先对公开网页运行变化监测模板，再连接私人系统。测试断网、重启和撤销凭据，并关闭外部副作用。选择你的团队能承担实际责任的安排，而不是最有吸引力的产品标签。