AWS给出Amazon Quick从试点到生产的安全方案
参考设计把数据集裁剪、智能体隔离、文档分级和人工审批作为四道边界，覆盖Dashboards、Spaces、Agents与Flows。
AI解读：小范围试用时所有人看同一份数据，扩大到多个部门后就可能出问题：员工向智能体提问，也不该因此拿到只允许HR查看的资料。这套方案把数据视图和智能体按受众隔开，敏感文档在进入知识库前就排除，对外操作另加审批。对准备推广内部AI助手的团队，有用的是先画清楚谁能看到什么、谁能执行什么；光在聊天界面写一句“不要泄密”，不能替代这些权限边界。
AWS指出，Amazon Quick的小规模试点进入生产后，权限模型常因部门增多而失效。智能体、知识库、Spaces和自动化Flows也会引入传统仪表盘权限没有覆盖的新边界。
参考方案先把同一数据源裁成HR全量视图、部门经理行级视图和员工聚合视图，再为每类受众连接独立智能体。敏感文档在进入知识库前排除，对外操作则在Flow中增加人工审批。