LongCat AI不提供知识库访问控制功能，其核心是文本驱动图像编辑模型；安全防护通过Basic Auth或Token分级权限实现，知识库隔离依赖前置过滤与策略路由。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LongCat AI 本身不直接提供“知识库访问控制”功能，它核心定位是文本驱动图像编辑模型（如 LongCat-Image-Editn），不是通用RAG或文档问答系统。你提到的“对知识库的访问控制”，实际场景中通常指两类需求：
- 部署服务时限制谁可以调用图像编辑接口（即保护AI服务不被未授权使用）
- 在集成场景中，让LongCat模型只响应特定知识范围内的编辑指令（例如仅允许修改产品图，禁止处理含敏感信息的图片）
这两类需求，LongCat 现有镜像和架构已提供轻量、开箱即用的解决方案，无需额外开发知识库权限模块。
7860端口默认暴露，必须加访问门槛
LongCat-Image-Editn 镜像启动后，默认通过 :7860 提供 Web 界面和 API 接口。这个端口若直接暴露在公网或内网无管控环境，任何知道地址的人都能上传图片、提交提示词——相当于把编辑能力“裸奔”开放。
最直接有效的防护，就是启用内置的 Basic Auth 认证：
- 它基于 HTTP 标准协议，Gradio 原生支持，不改代码、不加中间件
- 只需设置两个环境变量：
GRADIO_USERNAME和GRADIO_PASSWORD - 重启容器后自动生效，浏览器访问时弹出简洁登录框，输入正确凭据即可全程通行
- 所有请求（上传、生成、静态资源）都受同一凭证保护，体验平滑
示例启动命令（Docker）：
docker run -d \ -p 7860:7860 \ -e GRADIO_USERNAME=admin \ -e GRADIO_PASSWORD=your_secure_pass_2026 \ longcat/image-editn:v2
✅ 适合小团队试用、本地调试、快速验证等场景；安全强度足够防 casual 滥用，也兼容自动化脚本（可带
Authorization: Basic ...请求头调用）。
Token 方案：按用途分级控制调用权限
如果服务面向多业务线（如市场部批量换背景、设计部加文字、法务部审核水印），Basic Auth 的“单账号全通”模式就不够细粒度。此时推荐 基于 Token 的访问控制方案（LongCat-Image-Edit V2 已支持）：
- Token 不依赖外部认证系统（如企业微信/SSO），验证逻辑嵌入 API 层，签名轻量、校验快
- 每个 Token 绑定明确用途，例如：
-
edit-product：只允许调用背景替换、瑕疵修复，且图片尺寸 ≤1024px -
edit-text：专用于中文文字插入，禁止修改主体对象 -
audit-only：只读权限，仅返回编辑预览图，不保存、不输出原图
-
- Token 设 30 分钟有效期，但每次成功请求后自动返回新 Token，前端静默刷新，用户无感
这种设计不增加前端复杂度，却能把“谁能改图、改什么、怎么改”真正管起来，也便于后续做用量统计与异常拦截。
知识库内容不进模型，靠前置过滤+策略路由实现“逻辑隔离”
需要强调一点：LongCat 模型本身不会读取、索引或记忆你的知识库文档。它没有 RAG 能力，也不连接向量数据库。所谓“知识库访问控制”，实际要靠外围协作实现：
-
在调用 LongCat 前，由你的业务网关或代理层完成：
- 校验请求来源是否属于白名单部门（如通过 JWT claim 判断
dept: marketing） - 解析提示词关键词（如含“合同”“财务报表”等敏感词），自动拦截或转交人工审核
- 对上传图片做 OCR 或元数据检测，发现身份证/公章等标识时拒绝处理
- 校验请求来源是否属于白名单部门（如通过 JWT claim 判断
若你已有知识库系统（如 Confluence、Notion 或自建文档库），可将其与 LongCat 部署在同一内网，并通过反向代理（如 Nginx）统一路由 + 权限策略，形成“文档查得、图改不得”的分层管控。
这种方式不改造 LongCat，复用现有基础设施，更可控、更合规。
不复杂但容易忽略。
