一句话看懂：美国安防公司 Flock 被曝正在秘密构建一款基于提示词（Prompt）的 AI 警务工具，能够仅凭车辆运动轨迹识别司机身份，并关联住址、亲属及犯罪记录，与其此前“不识别个人”的公开承诺相悖。
事件核心：发生了什么
据 Wired 报道，Flock 已开发出一套面向警方的 AI 系统，代码显示该系统集成了 45 种工具，可访问车牌扫描数据、摄像机元数据、逮捕记录、案件档案、911 调度日志、弹道结果，以及包含社保号码、出生日期、电话号码和亲属关系的商业数据库。与现有车牌识别（ALPR）技术不同，该系统允许警员通过预设提示词直接发起搜索。
例如，一条预置提示词可让警员填写社区名称和时间范围，系统即返回该区域最常出现的车辆列表，再由其他工具将车牌自动转换为姓名和家庭住址。另一条提示词则要求系统筛选出两年内被捕两次以上的人员，生成居住地图、调取家庭服务记录，并针对系统选出的前三名人员生成“工作档案”（workup）——一种一键式背景调查，返回其关联车辆、嫌犯记录、亲属与在线账户信息。
Flock 表示该产品仍在开发中，目前仅与少数执法伙伴小范围测试，最终功能可能有所调整。该公司长期以来声称其技术“无法识别、确认或追踪个人”，而新工具的运作逻辑显然与此声明直接冲突。
为什么重要
这一事件将安防 AI 的争议从“数据收集”推向了“自动化推理”。Flock 的系统不再依赖车牌号或犯罪记录作为搜索起点，而是让警员以“地点+时间段+行为模式”为输入，由大模型驱动的 AI 自行筛选嫌疑人并生成档案。这意味着警务 AI 的能力边界从被动查询扩展到了主动筛选和画像生成。
乔治华盛顿大学法学教授对此评价称，Flock 的野心已明显超越 ALPR，正试图成为警务工作的数字化平台。该产品若落地，将显著降低警方开展大规模人员排查的技术门槛，同时也引发关于公民隐私、算法偏见以及执法透明度的一系列问题。目前 Flock 正面临两党政治压力和警员滥用平台记录增多的背景下，该产品的曝光可能进一步影响监管走向。
对用户/开发者/创作者的影响
对于 AI 开发者而言，Flock 的架构展示了“提示词工程 + 外部数据工具调用”在垂直行业中的落地方式：通过将 API 接口连接到政府档案和商业数据库，大模型可将自然语言指令转化为结构化数据检索与多步骤推理。这套流程与通用 AI 助手（如 Agent 式应用）的架构逻辑一致，但应用场景从内容生成转向了物理世界的身份识别与行为分析。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对普通公众而言，此类工具的扩散意味着“公共空间的匿名性”正在被技术重新定义——即使车辆不违章、无犯罪记录，其运动轨迹仍可能被用于生成个人档案。对内容创作者和科技评论者来说，这是一个值得持续追踪的监管与伦理议题，尤其在 AI 监管法案尚未覆盖执法场景中生成式 AI 应用的阶段。
值得关注的后续
目前公开信息显示，Flock 尚未公布该产品的正式发布时间和定价。后续值得观察的节点包括：
1. 该 AI 工具在测试阶段的误报率是否受到独立审计，以及是否会出现针对特定族裔或社区的算法偏见；
2. 在产品正式商用前，美国各州是否会出台限制警方使用生成式 AI 进行身份关联的法规；
3. 作为回应，竞品（如 Motorola Solutions、Axon）是否会跟进类似的“提示词警务”功能，从而推高整个行业的算力与数据整合投入。
来源：Slashdot
