agent 轨迹回流与"服务即数据工厂"

原理

产品交互本身是副产物：prompt、工具调用、代码 diff、测试结果构成多步轨迹，可进入 SFT、偏好与 RL 数据池。流水线为：产品交互、日志留存、同意与 opt-out 过滤、去标识化、抽样或人审。回流主要位于后训练与评测，而非预训练；厂商从不披露占比，也未查到单位成本。

代表实践

Anthropic 对消费档 Claude Code 会话适用同一训练开关，商业档默认不训练，仅 Development Partner Program 例外，共享数据保留至多 2 年 [1][2]。GitHub Copilot 个人档自 2026-04-24 起交互数据默认用于训练、可 opt-out（二手来源，之后执行状态未核 ⚠️）[3]。Cursor 官方博文描述以真实用户做 real-time RL，客户端遥测是否作奖励信号属第三方推断 ⚠️ [4]。Meta Muse Spark 1.3 的 Contributor 档单价约为标准档的 5–8%（输入 $0.10 对 $1.25，输出 $0.20 对 $4.25），代价是 Meta 保留训练权 [5]。

局限

轨迹含客户私有代码，企业档因此默认不训练；opt-out 不追溯，保留期常与训练开关捆绑。"数据换折扣"是 2026 年才出现的清晰价目表，其合规边界仍在形成，见 对话数据训练政策。

来源

1. https://code.claude.com/docs/en/data-usage (2026-10-15)
2. https://support.claude.com/en/articles/11174108-about-the-development-partner-program (2026-10-15)
3. https://thenewstack.io/github-copilot-interaction-data/ (2026-10-15)
4. https://cursor.com/blog/real-time-rl-for-composer (2026-10-15)
5. https://tomtunguz.com/the-ads-model-reimagines-ai-apis/ (2026-10-15)