技能介绍

它解决什么问题

把用户输入直接交给大模型、再把模型输出直接返回前端，是绝大多数 Agent 应用的默认链路。这条链路里有两个合规缺口：EU 个人数据会未经处理地流入外部模型和调用日志；一旦模型生成了包含敏感信息的文本，出口侧也没有拦截点。事后合规自查、文件扫描类工具能告诉你"哪里曾经出问题"，但无法回答"这一次调用能不能放行"——护栏要解决的是事中问题，与事前自查互补，共同覆盖合规链路。

它如何工作

gdpr 是设计给 Agent 主动调用的运行时检测工具，典型接法有两处：

入口护栏（用户输入 → 模型）：用户输入先经 mask 再送入大模型，防止 EU 个人数据进入外部模型或日志。
出口护栏（模型输出 → 用户）：模型输出经 mask 或 block 后再返回，防止生成结果泄露个人数据。

护栏返回结构化裁决（--format json），关键字段包括 decision（pass / masked / blocked / inspect_only）、risk_level、finding_count 与 findings[]，其中 findings 只提供脱敏预览，不回传敏感原文，避免护栏结果本身成为新的泄露面。

三种动作按场景选择：

detect：仅检测报告，不改动文本，适合审计和灰度观察。
mask：脱敏后放行（默认），覆盖大多数输入/输出防护。
block：命中达阈值则阻断，阈值由 --block-on 控制（默认 high），兼顾可用性与强合规要求。

检测范围分两类：结构性模式（IBAN、信用卡号 Luhn 校验、E.164 电话、IPv4、MAC、邮箱等）与 GDPR 特殊类别数据的关键词线索（Art.9 宗教信仰、健康数据、生物识别，Art.10 刑事记录等）。同一位置重叠命中会自动去重，只报最高风险项。

工程上有两个值得注意的设计：一是纯本地运行，检测在本机完成，无网络请求、无 eval/exec/动态 import，处理最敏感的数据却不出机器；二是规则与内核分离，检测内核不含行业规则，GDPR 规则包集中在 scripts/rules/ 下，便于审计和替换其他规则集。