OpenPCC 是一个开源的可证明隐私保护的 AI 推理框架，灵感来自苹果的 Private Cloud Compute，但完全开源、可审计，并支持在用户自有的基础设施上部署。该框架确保在运行开源或自定义 AI 模型时，用户的提示（prompt）、输出结果和日志均不会被暴露，通过加密流传输、硬件证明和不可关联的请求机制实现强隐私保护。 OpenPCC 的目标是成为 AI 数据隐私领域的透明、社区治理标准。其白皮书详细介绍了技术原理与设计思想，可访问 GitHub 项目页查阅。 项目包含一个 Go 语言客户端，以及基于此构建的 C 语言库，支持 Python 和 JavaScript 等语言的客户端开发。开发者可通过示例代码快速上手。例如，在本地开发环境中，可使用 cmd/test-client/main.go 中的代码进行测试；连接生产服务时，需配置 API 地址、API 密钥，并设置身份验证策略，如通过 GitHub Actions 的 OIDC 令牌验证请求来源。 框架支持为请求添加标签（如 X-Confsec-Node-Tags），以引导请求到运行特定模型的计算节点。所有通信均通过安全的加密通道完成，确保数据在传输和处理过程中的隐私性。 开发阶段，项目使用 Mage 工具管理构建命令。开发者可运行 mage runMemServices 启动所有内存中的 OpenPCC 服务，再通过 mage runClient 发送测试请求，验证客户端与服务端的完整交互流程。 OpenPCC 为希望在不牺牲隐私的前提下使用 AI 模型的个人、企业与研究机构提供了一种可信、可控的解决方案，是推动可信赖 AI 发展的重要技术实践。