模块 7c — AI Gateway：保护与实施

目标： 把 Cloudflare AI Gateway 置于你的应用与智能体所调用的 AI 模型之前——让每一次程序化 AI 请求都经过认证、可观测、成本受控、对不安全内容做审核，并用你的 Zero Trust DLP 配置文件扫描敏感数据。

🧭 AI Gateway 的定位。 模块 7 治理在浏览器中使用 AI 的人。模块 7b 治理连接工具（MCP）的 AI 智能体。AI Gateway 治理另一个方向：你自己的应用与智能体通过 API 调用 AI 模型。 它是位于你的代码与 AI 提供商之间的代理，因此你无需更换模型或提供商即可获得控制与可见性——且关键在于，它工作在 API 层，无需设备客户端或 TLS 解密。

   你的应用 / 智能体 / 编码工具
            │  （把 base URL 改为 gateway 端点）
            ▼
   ┌─────────────────────────────────────────────┐
   │           CLOUDFLARE AI GATEWAY             │
   │  认证 ▸ 护栏 ▸ DLP ▸ 速率/花费上限            │
   │  ▸ 缓存 ▸ 日志 ▸ 回退                        │
   └───────────────────┬─────────────────────────┘
                       ▼
   AI 提供商：OpenAI · Anthropic · Workers AI · Google · …

A 部分 — 创建并连接一个 gateway

1. 👉 在 Cloudflare 控制台，前往 AI → AI Gateway。
2. 👉 点击 Create Gateway，起个名字（如 production），创建。
   • 📺 你会看到该 gateway 的 OpenAI 兼容端点与设置指引。
   • 💡 捷径： 你也可以直接用 gateway ID default——AI Gateway 会在首次请求时自动创建它。
3. 👉 把你的应用指向该 gateway。 在代码中，把 AI 提供商的 base URL 改为你的 gateway 端点：

   https://gateway.ai.cloudflare.com/v1/{account_id}/{gateway_id}/{provider}
   

   例如，OpenAI 客户端的 base URL 变为 …/{account_id}/production/openai。无需其他代码改动——gateway 会转发到提供商。
4. 👉 从你的应用发送一个测试请求。

✅ 检查点： 在 AI → AI Gateway → 你的 gateway 中，该请求带指标出现（请求数、tokens、成本、延迟）。流量现在正流经 gateway。

💡 无需 WARP 客户端、无需 TLS 解密、无需网络改动——AI Gateway 是 API 层的控制点。这正是它适合后端服务、批处理作业与自主智能体的原因。

B 部分 — 保护 gateway（Authenticated Gateway）

默认情况下，任何知道端点 URL 的人都可能通过它发送请求。把它锁定，只让你授权的调用方使用。

1. 👉 在你的 gateway 中，打开 Settings。
2. 👉 启用 Authenticated Gateway。
3. 👉 创建一个 AI Gateway 认证令牌，存入你的密钥管理器。
4. 👉 让你的应用在每个请求上把它作为请求头发送：

   cf-aig-authorization: Bearer <your-aig-token>
   

✅ 检查点： 不带令牌的请求被拒绝；带令牌的请求成功。即使端点 URL 泄露，也无法被滥用。

⚠️ 注意： 该令牌认证的是对 gateway 的使用；你的提供商 API 密钥是独立的。考虑用 BYOK / Store Keys（Settings），让提供商密钥存放在 Cloudflare 中，永不随应用代码分发。

C 部分 — 护栏（Guardrails，阻止不安全内容）

Guardrails 对流经 gateway 的内容做审核——在有害或不当的提示词与响应到达用户或模型之前将其捕获。

1. 👉 在 gateway → Settings → Guardrails → 启用。
2. 👉 设置评估范围：审核用户提示词、模型响应，或两者。
3. 👉 选择要监控的危害类别，并为每一类决定 Block（阻止）或 Flag（放行但记录）。
4. 👉 保存。

✅ 检查点： 属于被阻止危害类别的提示词/响应被拦截（或在日志中被标记），在 gateway 的日志中可见。

💡 Guardrails vs DLP： Guardrails 处理安全性（有毒、有害、不安全内容）；DLP（下一部分）处理敏感数据（PII、密钥、源代码）。两者都用。

D 部分 — DLP for AI Gateway（扫描敏感数据） （Enterprise）

这就是 Zero Trust 集成：AI Gateway 可以用你的 Zero Trust DLP 配置文件——即你在 模块 6 构建的相同配置文件——扫描请求与响应的文本，无需 HTTP 过滤、无需 TLS 解密。

1. 👉 在 gateway → Features → DLP → Set up。
2. 👉 选择要应用的 DLP 配置文件——如 Credentials and Secrets、PII，或一个 AI Prompt 配置文件（PII、源代码、金融、越狱/意图主题；甚至自定义自然语言提示词主题）。
3. 👉 用 Check 选择扫描什么：Request（发往模型的提示词）、Response（模型返回的内容），或 Both。
4. 👉 设置命中时的动作——flag（记录）或 block（阻止）。
5. 👉 保存。

✅ 检查点： 含有伪造密钥/测试 PII 的请求被标记或阻止，且检测结果连同匹配的配置文件出现在日志中。

⚠️ 流式传输注意事项（对延迟很重要）： 若你启用 Response 扫描，AI Gateway 会在返回前缓冲完整的提供商响应，这会增加首字延迟（TTFT）——对流式输出的聊天/编码智能体较明显。若你需要低延迟流式传输，设 Check = 仅 Request，或把对延迟敏感的流量路由到一个独立的 gateway。

💡 非常适合编码智能体： Cursor/Claude Code 等工具会把源代码、配置与密钥发送给模型提供商。由于 AI Gateway 位于路径之中，DLP 能在不修改智能体的情况下捕获离开（或返回）的密钥/受监管数据。

E 部分 — 成本、速率与隐私控制

AI Gateway 还提供运营层面的护栏：

💡 隐私提示： 对受监管数据，使用 cf-aig-collect-log-payload: false，即可保留使用指标（tokens、成本、模型、状态）而不持久化敏感的提示词/响应文本。

⚠️ 不要在 与 AI Search / RAG 实例共用的 gateway 上启用缓存或速率限制——它会干扰嵌入/索引。请为其使用一个专用 gateway。

F 部分 — 观测与验证

1. 👉 在 gateway 中，查看 Analytics（请求、tokens、成本、缓存命中率、错误）与 Logs（逐请求：模型、提供商、状态、成本、时长、user agent，以及——除非已禁用——载荷）。
2. 👉 筛选日志，确认你的 认证、Guardrails 与 DLP 动作如预期触发。
3. 👉 端到端测试：发送 (a) 正常请求 → 成功；(b) 缺少认证令牌的请求 → 被拒；(c) 含不安全内容的提示词 → 护栏阻止；(d) 含测试密钥的提示词 → DLP 标记/阻止。

✅ 检查点： 四种情况都行为正确且在日志中可见。

✅ 模块 7c 完成！

你现在拥有：

• ✅ 位于你的 AI 提供商之前的 AI Gateway（单一端点、多提供商）
• ✅ Authenticated Gateway——只有授权的调用方能使用
• ✅ Guardrails 阻止提示词/响应中的不安全内容
• ✅ DLP 用你的 Zero Trust 配置文件扫描提示词/响应中的敏感数据
• ✅ 成本、速率、缓存与隐私控制
• ✅ 对每次 AI 调用的完整日志与分析

完整的 AI 安全全景

快速排障

👉 下一步：模块 8 — Cloudflare WAN

把整个办公室和数据中心接入 Cloudflare 网络。