列级角色访问
每个智能体有独立身份和密钥。源角色按源允许或拒绝操作，对 SQL 源可精确到表和列。SQL 在执行前被解析，角色未允许的一律拒绝。
价格官网未标价
平台Web / API
归类AI 写作
收录2026-10-12
复核2026-10-12
编辑评分
4.3 / 5
★★★★☆
Context Data编辑总结
Context Data 推出的 InterLock 是部署在 AI 智能体与数据库、文件和 API 之间的代理层，按角色与策略授权每次请求，在智能体看到数据前遮蔽敏感字段，把高风险写入挂起等待人工审批，并记录全部审计日志。兼容 MCP、Postgres 线协议和 HTTP，接入方式只是改一个连接字符串。官网未公开具体定价与免费额度。
Context Data是什么？
Context Data 是一款面向生成式 AI 应用设计的企业级数据平台。其核心产品 InterLock 作为代理层，位于 AI 智能体与企业的数据库、文件和 API 之间，负责在数据被访问时施加管控。它面向的是那些已经让智能体接入生产数据、需要控制智能体到底能读哪些行、写哪些表的团队。
InterLock 对每个请求施加四类控制：按角色精确到列的访问授权、结果返回前的敏感数据遮蔽、高风险写入等待人工审批、以及每次请求无论允许还是拒绝都写入只增不删的审计日志。它使用智能体已经使用的协议——模型上下文协议（MCP）、Postgres 线协议和 HTTP，因此接入改动只是一次连接字符串的更换，而非代码重写。
部署上，InterLock 以基础设施形式运行在企业自己的环境中，支持 Docker Compose 和带 Helm 的 Kubernetes，使用签名发布镜像，运行在数据旁边。普通用户使用 Claude Code、OpenAI Codex、Google Gemini 等智能体平台时，由 InterLock 统一拦截和控制数据访问；开发者可以通过 MCP、Postgres 线协议或 HTTP 客户端接入；团队则通过控制台审批风险写入、查看审计日志，也可选 Slack 通知。
Context Data 平台本身还提供数据管道能力，支持向量数据库集成、批处理与实时数据处理、数据血缘追踪以及多租户数据隔离。
Context Data核心功能
返回前遮蔽
结果中的个人数据被检测并在响应中遮蔽，例如数据库返回 123-45-6789，智能体收到的是 [REDACTED:US_SSN]。策略也可对指定列遮蔽、对智能体限流或限制写入风险。
写入人工审批
每次写入在执行前按风险分类。常规插入直接通过；更新、无限制删除和模式变更排队等待审核员在控制台批准或拒绝，可选发送 Slack 通知。
全量审计日志
无论允许还是拒绝，每个请求都写入只增不删的审计日志，包含身份、来源、决策和遮蔽内容。管理员操作同样被审计，日志可导出为 CSV。
多协议兼容
支持模型上下文协议（MCP）、Postgres 线协议和 HTTP。智能体连接 InterLock 而非直接连接数据存储，接入只需更换连接字符串，不必修改代码。
自有环境部署
以基础设施形式部署在企业环境内，支持 Docker Compose 和带 Helm 的 Kubernetes，使用签名发布镜像，运行在数据旁边。
向量库集成
支持全部主流向量数据库与存储，包括但不限于 Pinecone、Weaviate、Qdrant、Milvus（Zilliz）、LanceDB、Supabase、Singlestore，并有更多持续加入。
数据血缘追踪
平台上创建的每条数据管道都会生成一张血缘图，用户可以查看数据如何在各个来源之间流动。
Context Data值不值得用？
Context Data 适合已经把 AI 智能体接进生产数据库、需要管住「智能体能读哪些行、写哪些表」的团队。它的价值集中在数据访问管控：列级授权、返回前遮蔽、写入审批和审计日志四件事都围绕同一次请求展开，且不改动智能体和数据存储本身，接入只是一次连接字符串更换。如果企业还在选型阶段、尚未让智能体接触生产数据，或者需求以模型能力为主，那它的管控能力就用不上。另一个要先确认的点是价格：官网未公开定价与免费额度，部署前需要走官方渠道问清楚。
建议选它的情况
- 已让 AI 智能体接入生产数据库，需要控制可读行与可写表的团队
- 需要满足数据隐私与审计要求，要求每次请求可追溯的企业
- 希望在自有环境内以 Docker 或 Kubernetes 部署数据管控层的团队
- 使用 Claude Code、OpenAI Codex、Google Gemini 等 MCP/HTTP 智能体并需统一管控的组织
不建议选它的情况
- 还在选型阶段、尚未让智能体接触生产数据的团队
- 需求以模型能力或数据生成能力为主，不需要访问管控的项目
- 对价格高度敏感、希望先看到公开费率再决定的个人或小团队
Context Data使用建议
入门先把路子走对
- 从快速开始入手官网首页提供快速开始入口，先按它走一遍接入流程，确认 InterLock 与现有数据源的连通性。
- 先配源角色为每个数据源配置源角色，决定允许或拒绝哪些操作；对 SQL 源进一步精确到表和列，SQL 会在执行前被解析。
- 试一条遮蔽策略选一个含个人数据的列，配置遮蔽规则，用智能体查询一次，确认返回的是 [REDACTED:...] 而非原文。
进阶省时间也省钱
- 用缓存减少回源重复查询会命中按身份和来源隔离的缓存，在未命中时才走受管控连接回源。查询重复率高的场景可借此降低源库压力。
- 给风险写入配通知更新、无限制删除和模式变更需要人工审批，可开启 Slack 通知，让审核员在控制台及时批准或拒绝。
- 导出审计日志归档审计日志为只增不删记录并可导出为 CSV，适合定期导出用于合规归档或内部分析。
- 用血缘图排查管道每条数据管道都会生成血缘图，排查跨来源数据流向问题时可直接查看数据在来源之间的移动路径。
Context Data适合谁用？
数据平台与安全团队
推荐需要在不修改智能体和数据存储的前提下，为生产数据加上按角色、按列的访问管控与审计。
已上生产智能体的企业
推荐智能体已接入数据库和 API，担心无限制删除或模式变更造成事故，需要高风险写入人工审批。
合规与审计负责人
推荐需要每次请求都可追溯，包含身份、来源、决策和遮蔽内容，且管理员操作同样被审计。
自建数据管道的数据工程师
有条件关注向量库集成、实时处理与血缘追踪；但价格与额度未公开，选型前需先走官方渠道确认。
个人开发者与预算有限的小团队
有条件官网未公开定价与免费额度，也不清楚是否有面向个人的轻量档位，成本评估无法直接进行。
Context Data优点和缺点
优点
- 列级授权：SQL 执行前解析，角色未允许的表和列直接拒绝
- 返回前遮蔽：数据库返回 123-45-6789，智能体收到 [REDACTED:US_SSN]
- 写入分级：无 WHERE 的 DELETE 会被挂起，等待人工批准或拒绝
- 全量审计：允许与拒绝都写入只增不删日志，可导出 CSV
- 接入改动小：兼容 MCP、Postgres 线协议和 HTTP，只换连接字符串
- 部署在自有环境：支持 Docker Compose 与带 Helm 的 Kubernetes
缺点
- 官网未公开定价、免费额度与档位划分
- 策略只收窄不授予权限，放宽访问需要回到源角色调整
- 写入审批依赖人工响应，缺少审核员时高风险操作会持续挂起
- 官网以英文为主，中文支持情况未说明
Context Data常见问题
Context Data 支持哪些向量数据库？＋
支持全部主流向量数据库与存储，包括但不限于 Pinecone、Weaviate、Qdrant、Milvus（Zilliz）、LanceDB、Supabase、Singlestore，官方表示还有更多持续加入。
搭建一条数据管道要多久？＋
通常最快 10 分钟就能搭好第一条数据管道。如果管道较复杂，需要跨多个数据源做额外发现和转换，搭建时间可能长达 2 个工作日。
它怎么保证数据安全？＋
平台对所有存储和处理中的数据加密，并遵循 SOC2 数据隐私与处理标准。此外，InterLock 在结果返回智能体前遮蔽个人数据，如把 123-45-6789 替换为 [REDACTED:US_SSN]。
能处理实时数据吗？＋
支持批处理和实时处理两种模式。平台可以实时摄入和处理数据，让企业构建能快速响应新数据输入的 AI 模型，适合欺诈检测、风险评估和供应链优化等场景。
支持数据血缘追踪吗？＋
支持。平台上创建的每条数据管道都会生成一张血缘图，用户可以借此查看数据如何在各个来源之间流动。
多租户环境下如何保证数据隔离？＋
平台在不同租户之间保持严格的数据隔离，每个租户运行在自己逻辑隔离的环境中，并通过访问控制防止跨租户数据访问。隔离在数据库层面实现，使用基于角色的访问控制（RBAC）和加密机制；在共享基础设施的多租户场景下，还会应用虚拟化和容器化技术维持隔离环境。
接入需要改多少代码？＋
接入改动只是一次连接字符串的更换，而不是代码改动。智能体连接 InterLock 而不是直接连接数据存储，它使用智能体已经在用的协议：模型上下文协议（MCP）、Postgres 线协议和 HTTP。
高风险写入会怎么处理？＋
每次写入在执行前按风险分类。常规插入直接通过；更新、无限制删除和模式变更会排队等待审核员在控制台批准或拒绝，并可选择发送 Slack 通知。例如不带 WHERE 子句的 DELETE 会被挂起等人工处理。
