privategpt.io

PrivateGPT 目前不是自助注册即可开通的产品，而是以申请制向部分企业和机构逐步推出。你需要通过官网的申请入口提交组织需求与想法，对方评估后若认为能够提供帮助，会主动联系你。是否适合申请，先看两点：组织是否存在“信息散落在多个工具里、检索成本高”的问题，以及是否要求数据不被用于训练 AI、员工只能看到权限范围内的答案。

申请前先判断：你的组织是否匹配

PrivateGPT 的定位是把公司自有知识接入一个私有的 ChatGPT 式工具，用自然语言提问取回信息。官网列出的典型场景包括：

• 把 Notion、JIRA、Slack、GitHub 等工具中的数据连接进来，直接提问“我需要知道的内容”。
• 新员工入职时，用已有文档回答流程和背景问题，减少反复找人问。
• 内容创作者或社区运营方，用私有化方式与社区进行 AI 互动。

官网给出的两个核心承诺是：

如果你的需求只是个人试用通用聊天机器人，或组织没有成规模的自有知识库，申请企业方案的必要性不高。反过来，如果知识检索耗时明显、又不能让数据进入公共模型训练，就值得进入申请流程。

申请步骤

1. 进入官网申请入口。在 privategpt.io 页面找到面向组织的申请表单（页面上的 “Get in touch” / 申请提交区域）。
2. 填写组织信息与需求。官网明确说明需要“let us know about your needs and ideas”，即说明你的使用场景、希望连接的数据源类型、以及你关心的问题（如权限隔离、数据不用于训练）。
3. 提交表单。提交成功会显示确认信息；若页面提示出错，按提示刷新后重新提交。
4. 等待评估与联系。官网表述是“we'll get in touch if we can help you”，即对方评估后仅在能提供帮助时联系，不保证所有申请都会得到回复。

验证是否提交成功

提交后页面会给出成功提示（“Your submission has been received”）。如果没有看到该提示而是错误提示，说明提交未完成，需要刷新重试。之后以对方是否主动联系作为下一步信号，官网未提供自助查询申请状态的入口。

常见卡点

• 把它当成可直接注册的产品：官网当前是“向部分企业和机构推出”的申请制，没有公开的自助开通路径，也没有公开价格信息，不要预设为免费或即时可用。
• 申请描述过于笼统：只写“想用 AI”很难让对方判断能否帮上忙。把具体数据源（如 Slack、JIRA）、具体问题（如入职问答、跨库检索）和权限要求写清楚，更利于评估。
• 忽略权限设计：官网强调“只能看到被允许访问的信息”，申请时如果组织有部门级或项目级隔离要求，应一并说明，这直接影响方案是否可行。
• 期待即时回复：联系是有条件的，未收到回复不等于申请失败，但也不应把它当作已排期的服务承诺。

申请之外的准备动作

在等待联系期间，可以先做两件事，让后续沟通更高效：

1. 盘点数据源：列出你希望接入的系统（Notion、JIRA、Slack、GitHub 或其他），以及各自的大致内容量和更新频率。
2. 梳理权限边界：明确哪些内容全员可见、哪些限部门或项目，这对应官网所说的“按权限给答案”。

官网还提供了两份可先阅读的材料：《The Power of a PrivateGPT》讲企业知识管理中的安全与隐私，《Choose LLM》讲大语言模型选型的比较信息。它们能帮助你在申请沟通前形成更具体的问题清单。

PrivateGPT 官网提供了一份关于大语言模型（LLM）选型的比较与最新信息指南，可作为企业搭建私有 GPT 时选择模型的参考入口。但官网本身不预设具体模型推荐，选型需要结合企业知识管理场景、数据隐私与访问安全要求，并以官方指南的更新内容为准。如果读者想直接获得“选哪个模型”的答案，官网资料不足以支撑；如果读者需要一套可核对的选型依据和判断维度，可以按下面的方式使用官网信息。

官网提供的选型参考入口

根据 privategpt.io 页面内容，官网在指南板块列出了三类资料，其中与模型选择直接相关的是：

• Choose LLM：页面描述为“关于为人工智能项目选择大语言模型的比较性和最新信息”。这是官网明确给出的 LLM 选型参考材料。
• The Power of a PrivateGPT：关于利用 AI 进行企业知识管理时兼顾安全与隐私的指南，帮助判断选型时隐私约束的权重。
• Maximizing Content Potential：介绍 Answrs.ai 这一面向内容创作者的工具，与 LLM 选型关系较间接。

需要说明的是，页面只给出了指南的名称和一句话描述，没有列出具体模型名称、参数对比表或评测分数。因此不能从官网直接得出“某模型优于某模型”的结论，实际比较内容需进入指南页面查看。

选型时应结合的三个约束

官网在首页强调了 PrivateGPT 的两项产品属性，这两项属性会直接影响 LLM 选型：

页面还提到“Language in Semantic Search”（语义搜索中的语言）和“Security Challenges”（安全挑战）两个主题，说明语言支持与安全是官网认可的选型考量点，但页面未展开具体内容。

一个可操作的使用路径

例如需要为一家使用 Notion 和 JIRA 的团队选型，可以按以下步骤推进：

1. 先读 Choose LLM 指南，获取官网给出的比较维度与最新信息，记录其中提到的评估项。
2. 对照隐私要求：确认候选模型在部署后数据不会被用于训练，与官网“数据不用于训练”的承诺一致。
3. 对照权限要求：确认答案生成环节能受组织内访问权限约束，而不是对所有数据一视同仁。
4. 对照数据源：确认候选模型能处理 Notion、JIRA、Slack、Github 等来源的内容，并支持语义搜索问答。
5. 验证：用团队真实文档做小范围问答测试，检查答案是否只覆盖提问者有权访问的内容。

常见卡点在于：官网未公开具体模型清单和对比数据，指南内容可能随更新变化，选型结论应以查阅时的指南版本为准，不宜依赖二手转述。

获取更多信息的渠道

官网表示正在向全球部分公司和机构推广 PrivateGPT 解决方案，并设有申请表单：提交需求与想法后，对方会在能够提供帮助时联系。若选型涉及具体部署条件，可通过该入口咨询。页面未提及价格、试用期限或登录限制，这些信息不能从现有资料推断。

总体判断：官网适合作为 LLM 选型的起点和隐私约束的核对清单，不适合作为具体模型排名的依据；最终选择需结合指南内容与企业自身的数据源、权限体系和隐私要求共同决定。

PrivateGPT 官方页面给出的接入方式是：连接你的 Notion、JIRA、Slack、GitHub 等数据源，然后用自然语言向 PrivateGPT 提问所需信息。官网没有公开逐步的接入操作手册，因此具体配置步骤需以官方指南和实际部署环境为准；本文能确定的是可连接的数据源类型、接入后的使用方式，以及申请接入的入口。

可连接的数据源与接入后的效果

根据官网说明，PrivateGPT 支持连接以下组织常用工具：

• Notion
• JIRA
• Slack
• GitHub
• 其他同类数据源（官网以“etc.”表示，未逐一列举）

接入后，你不需要在多个工具之间反复搜索，而是直接用自然语言提问，例如“这个功能在哪个项目里讨论过”“入职流程的文档放在哪里”，PrivateGPT 会从已连接的数据中找回对应知识。官网将其定位为“把被埋没的组织知识在需要时带回来”的工具。

接入前需要确认的两件事

数据不会被用于训练 AI

官网明确说明：你的数据归你所有，不会被用于训练 AI。这是接入前可以核对的一条隐私条件。

访问权限按组织内授权范围控制

官网说明：组织内的人员只会得到其有权访问的信息的答案。也就是说，接入数据源后，回答范围与成员原有的权限边界相关，而不是对所有连接内容一律开放。

如何开始接入

官网当前的状态是：正在向全球选定的公司和机构推广 PrivateGPT 解决方案。页面上没有公开自助注册或一键连接的操作入口，给出的路径是：

1. 在官网找到申请入口（页面中的 “Get in touch” / 提交申请表单）。
2. 填写你的需求与想法，说明希望连接哪些数据源、解决什么问题。
3. 提交后等待官方联系；若方案匹配，官方会进一步沟通接入事宜。

提交表单后页面会显示确认信息（“Your submission has been received!”）；若出现错误提示，按页面提示刷新后重新提交。

参考案例：接入文档后的实际用途

官网列出的一个项目案例是：将 PrivateGPT 与 Booster Framework 的文档集成。Booster Framework 是一个用于加速后端开发的开源工具。这个案例说明接入的典型场景——把一套分散的文档变成可自然语言问答的知识库，用于简化复杂的新手引导流程。你可以对照自己的场景判断：如果团队的知识主要沉淀在 Notion、JIRA、Slack、GitHub 这类工具里，接入思路是相通的。

进一步了解接入方式的资料

官网提供了几份指南，可在申请前阅读：

此外，官网还提供 “Try live demo” 入口，可在正式接入前先体验问答效果。

常见卡点

• 找不到自助连接按钮：官网当前以申请制推广，没有公开的自助接入流程，需通过表单联系官方。
• 不清楚能连哪些系统：官网列举了 Notion、JIRA、Slack、GitHub 等，未给出完整清单，申请时可直接说明你使用的工具。
• 担心权限越界：官网的说明是回答限定在成员有权访问的信息范围内，接入沟通时可就此向官方确认具体实现方式。

PrivateGPT 是一个把企业自有数据源接入私有 AI 的工具，让你用自然语言向公司内部知识提问。它适合希望用 AI 盘活内部文档、又要求数据不外泄的组织。根据网站说明，它支持连接 Notion、JIRA、Slack、GitHub 等常用工作系统，并强调两点：你的数据不会被用于训练 AI；组织内的人只能得到其有权访问的信息所对应的回答。目前该产品以申请方式向部分企业和机构推出，并非自助注册即用。

它解决什么问题

网站给出的场景是：组织数据每天增长，大量信息随时间被埋没，员工把时间耗在反复搜索上。PrivateGPT 的定位是“带公司全部知识的私有 ChatGPT”——把分散在各系统中的内容接进来，员工直接问“我需要知道什么”，由工具找回所需知识。

核心能力一览

隐私与权限是怎么被强调的

网站把“Private”和“Secure”分开讲，值得注意：

• Private 针对训练：你的数据不会被拿去训练 AI 模型。
• Secure 针对访问：回答范围受组织内权限约束，员工问不到自己无权看的内容。

这两点决定了它面向的是有内部知识管理需求、同时对数据边界敏感的组织，而不是个人玩具型聊天工具。

网站上还有哪些可参考的内容

除产品本身，网站提供几份指南和一个案例，可作为选型前的阅读材料：

• 《The Power of a PrivateGPT》：关于用 AI 做企业知识管理时如何兼顾安全与隐私。
• Choose LLM：大语言模型选型的比较信息，网站称其“comparative and up-to-date”。
• Maximizing Content Potential：介绍 Answrs.ai，一个面向内容创作者、与其社区进行安全私密 AI 互动的工具。
• Featured project：把 PrivateGPT 与 Booster Framework 的文档集成，用于简化复杂的新员工上手流程，可在线查看。

网站还列出 Projects、Guides、Language in Semantic Search、Security Challenges 等栏目入口，可作为进一步了解的路径。

谁适合申请，谁要再等等

适合申请：内部知识散落在 Notion、JIRA、Slack、GitHub 等系统，员工查找成本高，且对数据不用于训练、按权限出答案有明确要求的组织。

需要再等等：想立刻开通试用、自行配置的个人或小团队。网站明确说目前是向“selected companies and institutions worldwide”逐步推出，需提交申请并等待联系，没有给出即时可用的自助入口。

PrivateGPT 是 agile monkeys 的衍生项目（spin-off project）。如果你只是想知道它是什么：它是一个把公司数据接进私有 AI、用自然语言问答的知识工具，主打数据不用于训练和按权限回答，当前通过申请方式落地。

PrivateGPT 的隐私保障建立在两条明确承诺上：企业数据归企业所有，不会被用于训练 AI；组织内成员只能获得与其访问权限对应的回答。它面向企业知识管理场景，把 Notion、JIRA、Slack、GitHub 等数据源接入后，用自然语言提问即可取回内部知识。适用前提是：你希望让员工快速查到分散在多个系统中的公司信息，同时不希望这些信息离开组织的控制范围。官网目前采用申请制，正在向全球部分公司和机构逐步推出解决方案，需提交申请并说明需求。

两条核心机制

数据不进入训练

官网明确说明“Your data is yours and won't be used to train AI”。这意味着接入的企业内容用于回答你的提问，而不是被拿去改进模型。对于担心内部文档、工单、聊天记录外泄的组织，这是选择此类工具时的首要核对项。

回答跟随访问权限

官网的另一条说明是：组织内人员只会得到关于其被允许访问的信息的回答。换句话说，权限边界不仅作用于“能不能打开某个文档”，也作用于“AI 能不能在回答里引用该文档”。这解决了企业知识库常见的一个漏洞——检索工具把高层文档的内容间接透露给无权限员工。

它解决的是什么问题

官网的描述很直接：组织数据每天都在增长，大部分信息随着时间被埋没，员工把时间浪费在无休止的搜索上。PrivateGPT 的定位是连接你已有的数据源，让员工用自然语言问“我需要知道什么”，把需要的知识在需要的时刻找回来。

一个具体的场景是入职流程。官网列出的示例项目，是把 PrivateGPT 与 Booster Framework 的文档集成——这是一个用于加速后端开发的开源工具。新成员不必逐页翻文档，而是直接提问获取答案。这类任务的特点是：信息量大、更新频繁、查询者多但权限各异，正好对应上面两条机制的价值。

使用前应核对的条件

进一步了解安全做法

官网设有“Security Challenges”（安全挑战）板块，并提供《The Power of a PrivateGPT》指南，主题是用 AI 做企业知识管理时如何兼顾安全与隐私。如果你的组织对数据驻留、审计或合规有额外要求，建议先读这份指南，再对照上表逐项确认，而不是仅凭首页的两句承诺做决定。官网还提供在线演示（Try live demo），可以在提交申请前先观察实际问答效果。